Роботы наступают: Развитие технологий и будущее без работы бесплатное чтение

Сотрудник склада подходит к груде коробок. Коробки различных форм, размеров и цветов беспорядочно навалены друг на друга.

Представьте себя на секунду на месте рабочего, которому поручено перенести эти коробки в другое место, и задумайтесь, какую сложную задачу ему предстоит решить.

Многие из коробок обычного картонного цвета; к тому же они плотно прилегают друг к другу, из-за чего трудно найти края. Где именно заканчивается одна коробка и начинается другая? Между некоторыми коробками есть большие зазоры, и они не выровнены относительно друг друга. Некоторые повернуты так, что один край выходит наружу. На самом верху под углом стоит маленькая коробка между двумя коробками большего размера. Большинство коробок сделано из простого коричневого или белого картона, тогда как на некоторых видны логотипы компаний. Несколько коробок предназначены для демонстрации на витрине — привлекать внимание покупателей яркими цветами.

Мозг человека, разумеется, способен практически мгновенно разобраться в этой сложной визуальной информации. Рабочий без труда определяет габариты и ориентацию каждой коробки и, кажется, на каком-то инстинктивном уровне понимает, что начинать нужно с коробок, стоящих на самом верху, а перемещать остальные следует так, чтобы не нарушить равновесие всей груды.

Это как раз тот тип проблем зрительного восприятия, необходимость преодоления которых послужила одним из факторов формирования человеческого мозга. В том, что рабочий успешно справляется с задачей перемещения коробок, не было бы ничего примечательного, если бы не тот факт, что в данном случае в качестве рабочего выступает робот. Точнее говоря, змееподобная роботизированная рука с пневматическим захватывающим устройством на конце. Чтобы разобраться в ситуации, роботу требуется больше времени, чем человеку. Он долго разглядывает коробки, слегка корректируя параметры наблюдения, обрабатывает информацию еще в течение некоторого времени и наконец делает движение вперед и берет коробку с самого верха. Впрочем, эта медлительность объясняется лишь одним — колоссальной сложностью вычислений, которые требуются для выполнения этой, кажущейся столь простой задачи. История развития информационных технологий подсказывает, что уже очень скоро этот робот будет работать намного быстрее.

И действительно, если верить инженерам стартапа Industrial Perception, Inc. в Кремниевой долине, которые спроектировали и собрали этого робота, в перспективе он будет работать со скоростью одна коробка в секунду. Для сравнения — пределом человеческих возможностей является перемещение одной коробки в шесть секунд{4}. Само собой разумеется, робот может работать без остановки; он никогда не устанет, не надсадит спину, ну и, конечно же, не подаст заявление на получение пособия по нетрудоспособности.

В основе разработки Industrial Perception лежит сочетание технологий зрительного восприятия, пространственных вычислений и развитых средств манипулирования объектами. Можно сказать, что ее появление означает преодоление последнего рубежа на пути к полной автоматизации, за которым машины начинают претендовать уже и на те немногочисленные относительно рутинные виды ручного труда, которые пока еще выполняются людьми.

Разумеется, в использовании роботов в промышленном производстве нет ничего нового. Они уже стали незаменимыми практически во всех отраслях промышленности — от автомобилестроения до производства полупроводников. На заводе производителя электромобилей Tesla в Фремонте, в штате Калифорния 160 универсальных промышленных роботов собирают приблизительно 400 автомобилей в неделю. Как только шасси нового автомобиля оказывается в следующей точке сборочной линии, к нему опускаются сразу несколько манипуляторов и начинают работать в тесном взаимодействии друг с другом. Роботы способны самостоятельно менять инструменты, установленные на манипуляторах, что позволяет выполнять различные задачи. Например, один и тот же робот сначала монтирует сиденья, а затем, поменяв инструменты, наносит клеящий состав и устанавливает лобовое стекло{5}. По данным Международной федерации робототехники, в период с 2000 по 2012 г. мировой объем продаж промышленных роботов вырос более чем на 60 %, достигнув $28 млрд в 2012 г. Абсолютным лидером по темпам роста является рынок Китая, где в период с 2005 по 2012 г. ежегодный темп прироста количества устанавливаемых роботов составил приблизительно 25 %{6}.

Несмотря на то что промышленные роботы — это уникальное сочетание скорости, точности и грубой силы, в большинстве своем они являются слепыми актерами в мастерски срежиссированном спектакле. Они нуждаются в точной синхронизации во времени и точном позиционировании. Очень немногие из них обладают средствами визуального восприятия, как правило, обеспечивающими возможность видеть в двух измерениях и только при определенном освещении. Например, они могут выбирать детали на плоской поверхности, но из-за неспособности воспринимать глубину поля зрения они плохо приспособлены к работе в средах даже с незначительной степенью непредсказуемости. Вследствие этого ряд рутинных работ на промышленных предприятиях по-прежнему приходится выполнять людям. Очень часто это работы, которые подразумевают выполнение промежуточных операций при передаче изделия от одного робота другому, либо выполняемые на последних этапах производственного процесса. В качестве примера может служить функция рабочего, который берет детали из ящика и вставляет их в манипуляторы робота на конвейере, или работа грузчиков, занимающихся загрузкой и разгрузкой машин, увозящих продукцию с фабрики или доставляющих детали.

Технология, благодаря которой робот Industrial Perception может ориентироваться в трехмерном пространстве, является яркой иллюстрацией плодотворного междисциплинарного взаимодействия, обеспечивающего появление новых разработок в неожиданных областях. Можно возразить, что впервые роботы научились видеть еще в ноябре 2006 г., когда компания Nintendo представила свою игровую приставку Wii. В комплекте с устройством Nintendo пользователь получал игровой контроллер принципиально нового типа: беспроводной модуль, в который было встроено недорогое устройство под названием «акселерометр». Акселерометр воспринимал движение в трех измерениях и формировал поток данных, который затем интерпретировался игровой приставкой. Теперь у игроков была возможность контролировать движения персонажей видеоигр с помощью движений собственного тела и жестов. Это полностью перевернуло представления об игровом процессе. Инновационная разработка Nintendo разрушила стереотип занудного игромана, не спускающего глаз с монитора и не выпускающего из рук джойстик, и открыла новую страницу в истории игр, сделав их активным времяпрепровождением.

Это также стало вызовом для других ключевых игроков в мире компьютерных игр, на который они не могли не ответить. Корпорация Sony, производитель PlayStation, пошла по пути копирования идеи Nintendo, представив собственный модуль с датчиками движения. Однако Microsoft решила превзойти Nintendo и разработать нечто принципиально новое. С выходом дополнения Kinect к игровой консоли Xbox 360 необходимость в контроллере движений отпала вовсе. Чтобы добиться этого, инженеры Microsoft спроектировали похожее на веб-камеру устройство с возможностью трехмерного машинного зрения, основанной на технологии обработки изображений небольшой израильской компании PrimeSense. Kinect «видит» в трех измерениях, используя специальное устройство, которое, по сути, представляет собой радар, работающий со скоростью света: оно испускает пучок инфракрасных лучей в сторону находящихся в помещении людей и объектов, а затем определяет расстояние до них, рассчитывая время, требуемое для того, чтобы отраженный луч вернулся в инфракрасный датчик. Для взаимодействия с консолью Xbox игрокам достаточно жестикулировать или двигаться в поле зрения камеры Kinect.

По-настоящему революционной особенностью Kinect была его цена. Сложная технология машинного зрения, которая прежде стоила десятки или даже сотни тысяч долларов и требовала использования громоздкого оборудования, теперь была доступна в компактном и легком бытовом устройстве по цене $150. Исследователи, работавшие в области робототехники, сразу же увидели в технологии Kinect огромный потенциал, который мог полностью преобразить их сферу деятельности. Уже через несколько недель после выхода устройства на рынок инженеры из университетов и изобретатели-одиночки научились управлять Kinect и начали публиковать в YouTube видеоролики с роботами, которые теперь могли видеть в трех измерениях{7}. Специалисты Industrial Perception также решили использовать в своей системе восприятия изображения технологию, лежавшую в основе работы Kinect, результатом чего стало появление относительно недорогого устройства, быстро приближающегося к человеку по умению воспринимать внешнюю среду и взаимодействовать с ней в условиях обычной для реального мира неопределенности.

Универсальный робот-рабочий

Робот Industrial Perception — узкоспециализированное устройство, предназначенное для перемещения коробок с максимальной эффективностью. Компания Rethink Robotics из Бостона выбрала иной путь, разработав легкого человекоподобного промышленного робота по имени Бакстер (Baxter), которого можно легко научить выполнять различные повторяющиеся задачи. Rethink была основана Родни Бруксом, исследователем робототехники с мировым именем из Массачусетского технологического института (MIT) и сооснователем iRobot, компании — производителя роботов-пылесосов Roomba, а также военных роботов, занимающихся обезвреживанием бомб в Ираке и Афганистане. Бакстер, стоимость которого значительно меньше годовой зарплаты обычного американского рабочего, по сути дела, является уменьшенной версией промышленного робота, предназначенной для безопасной работы в непосредственной близости от людей.

В отличие от промышленных роботов, нуждающихся в сложном дорогостоящем программировании, научить Бакстера требуемым движениям очень просто: достаточно повторить их с помощью его манипуляторов. Если на предприятии используется несколько роботов, достаточно обучить одного Бакстера, а затем передать нужные знания остальным роботам, подключив к каждому из них USB-устройство с соответствующими данными. Робот может выполнять широкий круг задач, включая сборочные работы, перемещение деталей между конвейерными лентами, расфасовку продукции и обслуживающие работы при обработке металлов. Особенно хорошо Бакстеру удается упаковка готовой продукции в коробки. По данным K'NEX (компании — производителя детских конструкторов из Хатфилда в Пенсильвании), умение Бакстера упаковывать продукцию с максимальной плотностью позволило уменьшить количество используемых коробок на 20–40 %{8}. Робот Rethink обладает двухмерным зрением, обеспечиваемым камерами на его запястьях, что дает ему возможность брать детали и даже выполнять несложные работы по проверке качества.

На пороге революции в робототехнике

Несмотря на то что между роботом Бакстером и роботом-грузчиком Industrial Perception мало общего, оба они построены на одной и той же программной платформе. Изначально операционная система для роботов ROS (Robot Operating System) была разработана в Лаборатории искусственного интеллекта Стэнфордского университета, а затем доведена до состояния полноценной робототехнической платформы небольшой компанией Willow Garage, Inc., которая занимается проектированием и производством программируемых роботов, используемых главным образом при проведении научных исследований в университетах. ROS похожа на такие операционные системы, как Microsoft Windows, Macintosh OS и Android компании Google, но назначение ее иное — максимально упростить процесс программирования роботов и управление ими. Поскольку ROS является бесплатным ПО с открытым исходным кодом, т. е. разработчики могут легко вносить в нее изменения и усовершенствования, она стремительно превращается в общепринятую программную платформу в области робототехники.

История компьютерной техники наглядно показывает, что за появлением общепринятой операционной системой наряду с недорогими и простыми инструментами программирования, как правило, следует взрывной рост ПО. Так было с ПО для персональных компьютеров; не так давно то же самое произошло с приложениями для iPhone, iPad и устройств на платформе Android. Более того, объем прикладного ПО для этих платформ настолько велик, что трудно представить себе идею, которая не была бы уже реализована в каком-нибудь приложении.

Можно не сомневаться, что робототехнику ждет такое же будущее; по всей видимости, мы являемся свидетелями начала волны инноваций, которая в конечном итоге приведет к появлению роботов, приспособленных к выполнению всех мыслимых задач в коммерческой, промышленной и бытовой сфере. Главным двигателем бурного роста станет наличие стандартизированного ПО и строительных блоков для аппаратных средств, что сделает относительно простой задачу разработки новых конструкций без необходимости заново «изобретать колесо». Подобно тому, как выход на рынок Kinect сделал доступным машинное зрение, другие аппаратные компоненты, такие как роботизированные руки, будут дешеветь по мере перехода к массовому производству роботов. Уже в 2013 г. существовали тысячи программных компонентов для работы с ROS, а платформы для разработки были достаточно дешевыми, чтобы любой желающий мог начать проектирование новых приложений для робототехники. Например, компания Willow Garage предлагает приобрести за $1200 комплект для создания мобильного робота под названием TurtleBot, который включает систему машинного зрения на основе Kinect. С учетом инфляции это значительно меньше, чем стоимость недорогого персонального компьютера с монитором в начале 1990-х гг., когда набирала обороты революция в разработке ПО для Microsoft Windows.

Во время посещения выставки RoboBusiness в Санта-Кларе в Калифорнии в октябре 2013 г. я увидел все признаки того, что роботостроение стоит на пороге настоящей революции. Разнокалиберные компании демонстрировали роботов, спроектированных для выполнения высокоточных работ в промышленном производстве, транспортировки материалов медицинского назначения между отделениями больших больниц, управления тяжелой техникой в сельском хозяйстве и горнодобывающей отрасли и т. д. Среди экспонатов был и робот-помощник по имени Баджи (Budgee), который может перемещать грузы весом до 20 кг. Самые разные роботы образовательной направленности, предназначенные для выполнения широчайшего круга задач — от стимулирования интереса к технике до помощи детям с аутизмом или особыми образовательными потребностями. На стенде Rethink Robotics можно было понаблюдать за Бакстером, которого научили захватывать небольшие коробочки со сладостями и опускать их в ведерки в форме тыквы, с которыми дети обычно ходят от дома к дому во время празднования Хэллоуина. Были там и компании, производящие самые различные компоненты — приводы, датчики, системы технического зрения, электронные контроллеры и специализированное ПО для проектирования роботов. Стартап Grabit Inc. из Кремниевой долины представил инновационное захватывающее устройство на основе эффекта электроадгезии, позволяющее роботам брать, перемещать и класть практически любой объект, используя контролируемый электростатический разряд. Довершала картину триумфа машин международная юридическая фирма, специализирующаяся на правовых аспектах применения робототехники и предлагающая работодателям помощь в обеспечении соблюдения требований в области организации труда, трудовых отношений и безопасности на рабочем месте при замене людей роботами или при эксплуатации роботов в непосредственной близости от людей.

Из того, что больше всего бросилось в глаза во время выставки, стоит также отметить десятки телеуправляемых роботов, предоставленных компанией Suitable Technologies, Inc., которые перемещались от стенда к стенду вместе с посетителями. Благодаря этим роботам, представляющим собой мобильную платформу с экраном и камерой, участники выставки, не присутствовавшие на ней физически, могли знакомиться со стендами, участвовать в демонстрациях, задавать вопросы и общаться с другими участниками так, как это происходит в обычной жизни. Благодаря инициативе компании Suitable Technologies, предлагавшей воспользоваться услугами телеуправляемого робота на выставке по минимальной цене, люди, живущие за пределами района залива Сан-Франциско, получили возможность посетить выставку, не тратя тысячи долларов на билеты и гостиницы. Спустя всего несколько минут роботы — каждый с лицом человека на экране — уже не вызывали ни у кого удивления, свободно перемещаясь между стендами и непринужденно беседуя с участниками.

Рабочие места в промышленности и возвращение фабрик

В сентябре 2013 г. в The New York Times вышла статья Стефани Клиффорд, в которой рассказывалось о текстильной фабрике Parkdale Mills из города Гаффни в Южной Каролине. Сейчас на фабрике работает около 140 человек. В 1980 г. для обеспечения того же объема производства требовалось более 2000 рабочих. На фабрике Parkdale «человек лишь изредка вмешивается в работу машин, главным образом из-за того, что некоторые этапы производственного процесса — например, перевозку полуфабриката пряжи с одного станка на другой на погрузчике — до сих пор дешевле выполнять вручную»{9}. Готовая пряжа автоматически передается упаковочным и погрузочным машинам по прикрепленным к потолку конвейерным лентам.

Но даже этих 140 рабочих мест достаточно, чтобы констатировать положительную динамику показателя занятости в промышленном производстве после десятилетий спада. В 1990-е гг., когда начался процесс переноса производства в страны с низким уровнем оплаты труда — в первую очередь в Китай, Индию и Мексику, — от американской текстильной промышленности мало что осталось. В период с 1990 по 2012 г. страна потеряла 1,2 млн рабочих мест, т. е. более чем три четверти от общего числа занятых в текстильной промышленности. Однако вот уже несколько лет в этой сфере наблюдается заметный рост объемов производства. С 2009 по 2012 г. объем экспорта текстильных и швейных изделий из США вырос на 37 %, достигнув почти $23 млрд в денежном выражении{10}. Главным фактором такого разворота является повышение эффективности технологий автоматизации, способных конкурировать даже с самыми низкооплачиваемыми рабочими в других странах.

С точки зрения занятости эффект от внедрения этих высокотехнологичных инноваций, обеспечивающих снижение затрат труда, в США и других развитых странах носит комплексный характер. С одной стороны, фабрики вроде Parkdale напрямую не создают большого количества рабочих мест; с другой — они способствуют росту числа сотрудников у поставщиков и в смежных областях, таких, например, как перевозка сырья и готовой продукции грузовым автомобильным транспортом. С одной стороны, Бакстер и подобные ему роботы, конечно, лишают работы сотрудников, выполняющих рутинную работу; с другой — они помогают промышленности США конкурировать со странами с дешевой рабочей силой. Более того, сейчас набирает обороты тенденция к возращению производства, и обусловлена она как появлением новых технологий, так и ростом стоимости рабочей силы в других странах, в особенности в Китае, где в период с 2005 по 2010 г. средняя зарплата в промышленности ежегодно росла почти на 20 %. В апреле 2012 г. компания The Boston Consulting Group провела опрос руководителей промышленных предприятий США, который показал, что почти половина компаний с объемом продаж свыше $10 млрд либо уже предпринимают активные шаги по переносу производства обратно в США, либо не исключают возможности такого переноса в ближайшем будущем{11}.

Возвращение производства в страну дает множество преимуществ, одно из которых — существенное снижение транспортных издержек. Размещая фабрики в непосредственной близости от рынков сбыта и центров разработки, компании получают возможность сократить длительность производственного цикла и значительно быстрее реагировать на изменения потребительских предпочтений. Нетрудно предположить, что по мере усложнения средств автоматизации и расширения их возможностей все больше производителей будут задумываться об адаптации продукции в соответствии с индивидуальными потребностями клиентов: например, можно им дать возможность создавать собственный уникальный дизайн или заказывать одежду дефицитных размеров, которую обычно трудно найти, посредством простых онлайн-интерфейсов. При достаточной степени автоматизация промышленность сможет сократить время с момента запуска изделия в производство до его передачи в руки клиента до нескольких дней.

Есть, однако, в этой истории с возвращением производства одно неприятное обстоятельство. Даже те, в общем-то, немногочисленные рабочие места, которые создаются сейчас в результате переноса производства обратно в США, вряд ли останутся в будущем: по-видимому, вслед за превращением роботов в умелых и проворных помощников и повсеместным распространением технологий трехмерной печати многие производства в конце концов будут полностью автоматизированы. Впрочем, уже сейчас доля промышленности в общей численности занятого населения составляет менее 10 %. Таким образом, внедрение промышленных роботов и возвращение производства вряд ли окажут значительное влияние на рынок труда в целом.

Развивающиеся страны, такие как Китай, где в промышленном производстве сосредоточены намного более значительные трудовые ресурсы, ждет совершенно другое будущее. В действительности наступление технологий на рабочие места в китайской промышленности началось уже давно: в период с 1995 по 2002 г. 15 % занятых в производстве, т. е. 16 млн человек, лишились работы{12}. Есть все основания полагать, что темп сокращения числа рабочих мест будет только нарастать. В 2012 г. компания Foxconn — главный подрядчик компании Apple по производству устройств — объявила о планах по установке одного миллиона роботов на своих заводах. Тайваньская компания Delta Electronics, Inc., занимающаяся производством адаптеров питания, не так давно пересмотрела свою стратегию, сделав упор на разработку и производство недорогих роботов для высокоточной сборки электроники. Руководство Delta надеется вывести на рынок однорукого робота-сборщика по цене около $10 000, т. е. более чем в два раза дешевле Бакстера компании Rethink. Европейские производители промышленных роботов, такие как ABB Group и Kuka AG, также возлагают большие надежды на китайский рынок, инвестируя огромные средства в строительство заводов, на которых они планируют выпускать тысячи роботов в год{13}.

Одним из факторов дальнейшего повышения уровня автоматизации в Китае являются процентные ставки по кредитам для крупных компаний, которые искусственно удерживаются на низком уровне в соответствии с проводимой государством политикой стимулирования. Нередко компания получает новый кредит, даже не начав выплачивать основную сумму долга по предыдущему. Таким образом, компаниям очень выгодно инвестировать в основной капитал даже в условиях наличия дешевой рабочей силы, что во многом определяет огромную долю инвестиций в ВВП Китая, а именно — почти 50 %{14}. Многие аналитики считают, что в результате искусственного занижения стоимости капитала Китай накрыла волна неэффективного инвестирования, наиболее ярким примером чего, вероятно, является появление городов-призраков, в которых почти нет жителей. В то же время для больших компаний низкая стоимость капитала может стать мощным стимулом для инвестирования в дорогостоящие средства автоматизации, в том числе даже в тех случаях, когда это не совсем отвечает реальным потребностям бизнеса.

Среди трудностей, с которыми придется столкнуться китайской электронной промышленности при внедрении роботизированной сборки, наиболее серьезной станет проблема создания универсальных роботов, способных адаптироваться к условиям короткого жизненного цикла продукции. Например, в Foxconn производство ведется в рамках огромных производственных комплексов, в которых рабочие живут в общежитиях в непосредственной близости от места работы. Чтобы справиться с амбициозными производственными планами, тысячам рабочих приходится вставать посреди ночи и сразу приниматься за работу. Это дает компании феноменальное преимущество в ситуации, когда требуется оперативно увеличить объем выпуска продукции или внести изменения в конструкцию изделия. Но при этом рабочие вынуждены жить в условиях постоянного колоссального напряжения, о чем свидетельствует волна самоубийств, захлестнувшая заводы Foxconn в 2010 г. и едва не переросшая в настоящую эпидемию. Учитывая способность роботов работать без перерывов и упрощение процесса обучения новым видам работ, их привлекательность в качестве альтернативы человеку будет со временем только расти, даже несмотря на низкие зарплаты.

Китай — не единственная развивающаяся страна, в которой набирает обороты тенденция к повышению уровня автоматизации промышленного производства. К примеру, швейная и обувная отрасли промышленности по-прежнему остаются одними из самых трудоемких, что заставляет производителей переносить фабрики из Китая в страны с еще более низким уровнем оплаты труда, такие как Вьетнам и Индонезия. В июне 2013 г. производитель спортивной обуви и одежды Nike объявила, что повышение зарплат в Индонезии негативно отразилось на ее квартальных финансовых показателях. По словам финансового директора Nike, в долгосрочной перспективе эта проблема будет решена путем «исключения труда из процесса производства за счет внедрения машин»{15}. Повышение уровня автоматизации также может стать ответом на критику, связанную с близким к рабским условиям труда, в которых зачастую приходится работать сотрудникам швейных фабрик в странах третьего мира.

Сфера услуг: там, где есть рабочие места

В США и других странах с развитой экономикой больше всего пострадает сфера услуг, т. е. та часть экономики, где сейчас занято подавляющее большинство экономически активного населения. Начало уже положено, о чем свидетельствует повсеместное распространение банкоматов и касс самообслуживания, но главное еще впереди: в течение ближайшего десятилетия нас, скорее всего, ждет бурный рост новых форм автоматизации сферы обслуживания, который поставит под угрозу миллионы относительно низкооплачиваемых рабочих мест.

Основатели стартапа Momentum Machines, Inc. из Сан-Франциско решили добиться полной автоматизации процесса приготовления гамбургеров для гурманов. В отличие от сотрудника какой-нибудь сети быстрого питания, который небрежно бросает на решетку гриля замороженную котлету, устройство Momentum Machines готовит котлеты из свежеприготовленного мясного фарша и затем поджаривает их на гриле до готовности, включая возможность придания мясу аромата дымка при сохранении сочности. Установка, производительность которой составляет 360 гамбургеров в час, также может поджарить булочку, разрезать ее и добавить ингредиенты, включая свежие помидоры, лук и маринованные огурцы, уже после получения заказа. Бургеры выходят из установки на конвейерную ленту полностью собранными и готовыми к подаче. Обычно занимающиеся разработкой робототехники компании тратят много сил, чтобы придумать какую-то красивую историю, способную оправдать негативное влияние их разработок на рынок труда; один из основателей Momentum Machines Александрос Вардакостас не стесняется четко формулировать цель своей компании. «Мы не стремимся к тому, чтобы сделать труд людей более эффективным, — заявляет он. — Наша задача — полностью избавиться от них»{16}[4]. По оценкам компании, в среднем ресторан быстрого питания ежегодно тратит около $135 000 на оплату труда сотрудников, занимающихся приготовлением гамбургеров. Общая сумма этих расходов в масштабах экономики США составляет приблизительно $9 млрд в год{17}. Основатели Momentum Machines рассчитывают, что их роботы будут окупаться менее чем за год, и планируют устанавливать их не только в ресторанах, но и в небольших магазинах, торгующих товарами повседневного спроса, фуд-траках и, возможно, даже вендинговых автоматах. По их мнению, благодаря экономии на зарплате и места на кухне у ресторанов появятся деньги на по-настоящему высококачественные ингредиенты, что позволит предлагать клиентам изысканные гамбургеры по ценам сетей быстрого питания.

Идея производства бургеров может показаться весьма заманчивой, но ее реализация обойдется очень дорого. В сфере быстрого питания и напитков работают миллионы людей, в большинстве своем на низкооплачиваемых должностях, часто неполный рабочий день. В одних только ресторанах McDonald's, которых по всему миру насчитывается около 34 000, работают 1,8 млн сотрудников{18}. Так исторически сложилось, что благодаря низким зарплатам, скудному соцпакету и большой текучке найти работу в сфере быстро питания достаточно легко, а создаваемые ею рабочие места вместе с другими, не требующими специальной квалификации видами занятости в розничной торговле стали своего рода «подушкой безопасности» для тех, кому больше некуда пойти: традиционно такая работа воспринимается в качестве источника дохода «на крайний случай», т. е. в ситуации, когда никакой другой работы просто нет. В декабре 2013 г. Бюро трудовой статистики США опубликовало прогноз, согласно которому рабочие места, предполагающие совмещение функций приготовления пищи и обслуживания клиентов (в эту категорию не входят официанты ресторанов полного цикла обслуживания), являются одним из наиболее перспективных сегментов рынка труда по показателю количества вакансий, которые, как ожидается, должны появиться в период до 2022 г., а именно почти полмиллиона новых рабочих мест и еще один миллион вакансий для замещения сотрудников, решивших покинуть отрасль{19}.

Однако на фоне спада мировой экономики правила, по которым ранее жил рынок труда в сфере быстрого питания, стремительно меняются. Любопытно, что, когда в 2011 г. компания McDonald's объявила о начале грандиозной акции, заключавшейся в приеме на работу 50 000 новых сотрудников в один день, она получила более миллиона заявок. Если сравнить количество вакансий с количеством претендентов, то окажется, что получить макджоб[5] было в разы сложнее, чем попасть в Гарвард. При этом, если раньше наиболее активными участниками рынка труда в сфере быстрого питания были молодые люди, нуждающиеся в частичной занятости для получения дохода во время обучения, сейчас на смену им пришли люди более зрелого возраста, для которых эта работа является основным источником дохода. Неудивительно, что почти 90 % сотрудников, занятых в этой отрасли в настоящее время, старше двадцати лет, а средний возраст — тридцать пять лет{20}. Многие из этих людей должны обеспечивать свои семьи. А это задача не из легких, если учесть, что средняя почасовая ставка составляет $8,69.

Отрасль не раз подвергалась острой критике в связи с низким уровнем оплаты и почти полным отсутствием мер социальной защиты. Так, когда в октябре 2013 г. один из сотрудников McDonald's в ответ на вопрос о возможности получения материальной помощи от компании получил совет подать заявку на получение продуктовых карточек и вступить в Medicaid[6], разразился настоящий скандал{21}. И действительно, в ходе исследования, проведенного Центром труда при Калифорнийском университете в Беркли, выяснилось, что более половины семей сотрудников сетей быстрого питания являются участниками тех или иных государственных программ поддержки, что обходится американским налогоплательщикам почти в $7 млрд в год{22}.

Когда осенью 2013 г. по Нью-Йорку прокатилась волна протестов и стихийных забастовок сотрудников ресторанов быстрого питания, отголоски которой докатилась более чем до пятидесяти городов США, Институт политики в области занятости (исследовательская организация консервативной направленности, тесно связанная с ресторанным и отельным бизнесом) опубликовал в The Wall Street Journal предупреждение на целую страницу: «Сотрудников ресторанов быстрого питания, требующих повышения минимальной ставки оплаты, в скором времени могут заменить роботы». Разумеется, целью этой акции было запугать недовольных, но реальность такова, что, как показывает пример с установкой компании Momentum Machines, рост уровня автоматизации в сфере быстрого питания практически неизбежен. Если вспомнить о компаниях вроде Foxconn, внедряющих роботов для выполнения высокоточных работ по сборке электроники в Китае, вряд ли кто-нибудь усомнится, что со временем приготовлением и подачей бургеров, тако и лате в заведениях сферы быстрого питания будут заниматься машины[7].

Одной из первых собственную стратегию автоматизации разработала и реализовала японская сеть суши-ресторанов Kura. В 262 ресторанах сети роботы помогают готовить суши, а место официантов заняли конвейерные ленты. Чтобы суши были свежими, специальная система следит за длительностью нахождения тарелок на ленте и автоматически убирает их по истечении определенного времени. Придя в ресторан, клиенты делают заказ с помощью сенсорных панелей, а закончив есть, кладут пустые тарелки в специальное отверстие рядом со столом. Система автоматически формирует счет, моет посуду и возвращает ее на кухню. Вместо назначения в каждый ресторан отдельного руководителя компания Kura создала единый центр управления, из которого можно в удаленном режиме контролировать практически все аспекты работы ресторанов. Благодаря переходу к бизнес-модели, основанной на автоматизации, Kura удалось снизить стоимость тарелки суши до ¥100 (около $1), что дает ей огромное преимущество перед конкурентами{23}.

Нетрудно предположить, что многие из приемов работы, которые оказались эффективными для Kura, — в особенности автоматизация процесса приготовления пищи и централизованное управление — в конечном итоге получат широкое распространение в индустрии быстрого питания. Многие уже предпринимают шаги в этом направлении. Так, например, компания McDonald's объявила в 2011 г. о планах по установке сенсорных панелей для сбора заказов в 7000 своих ресторанах в Европе{24}. Когда один из главных игроков в отрасли начинает пользоваться преимуществами автоматизации, другим не остается ничего иного, как последовать его примеру. Причем автоматизация — это не только снижение расходов на персонал, но и ряд других конкурентных преимуществ. Например, участие роботов в приготовлении может рассматриваться как способ обеспечения соответствия санитарно-гигиеническим требованиям, поскольку меньше людей вступает в контакт с пищей. При этом повышаются не только скорость и точность выполнения заказа, но и уровень персонализации при работе с отдельными клиентами: как только особые предпочтения клиента станут известны в одном ресторане, информация о них тут же попадет и в другие заведения сети, обеспечивая одинаково высокий уровень удовлетворения запросов клиентов в каждом из них.

Учитывая все это, мне кажется, легко себе представить ситуацию, когда в любом обычном ресторане быстрого питания можно будет сократить половину персонала или даже больше. По крайней мере в США рынок быстрого питания уже настолько перенасыщен, что кажется весьма маловероятным, что даже открытие новых ресторанов сможет компенсировать столь значительное сокращение числа сотрудников в каждом заведении. А это, в свою очередь, означает, что те многочисленные вакансии, которые должны появиться по прогнозу Бюро трудовой статистики, так никогда и не станут реальностью.

Еще одной отраслью, в которой сконцентрировано большое количество низкооплачиваемых рабочих мест, является розничная торговля. По оценке экономистов Бюро трудовой статистики, по количеству новых вакансий, которые появятся к 2020 г., продавцы розничных магазинов уступают только дипломированным медсестрам — общее количество новых рабочих мест в этом секторе может превысить 700 000{25}. Однако мы снова вынуждены констатировать, что в своем прогнозе чиновники излишне оптимистичны, не учитывая возможное влияние технологий. Попробуем сформулировать три главных фактора, которые будут определять спрос на рабочую силу в секторе розничной торговли в будущем.

Первый — продолжение наступления на отрасль интернет-магазинов, таких как Amazon, eBay и Netflix. Достаточно вспомнить о непростой ситуации, в которой оказались Circuit City, Borders, Blockbuster и другие розничные сети, чтобы понять, что у традиционных магазинов нет шансов победить в конкурентной борьбе с интернет-гигантами. Amazon и eBay уже экспериментируют с сервисом доставки в тот же день в ряде городов США, стремясь тем самым отобрать у местных розничных магазинов их последнее значительное преимущество — возможность получения удовольствия от новой вещи сразу после приобретения.

Теоретически захват рынка интернет-магазинами совсем не означает, что рабочих мест станет меньше: речь, скорее, идет о перемещении сотрудников из привычных условий магазина на склады и в логистические центры, используемые интернет-компаниями. Однако в реальности функции сотрудника склада намного легче поддаются автоматизации, чем обязанности сотрудника магазина. В частности, в 2012 г. компания Amazon приобрела компанию Kiva Systems, занимающуюся разработкой робототехники для складов. Роботы Kiva, которые внешне похожи на громадные блуждающие хоккейные шайбы, предназначены для перемещения объектов в пределах склада. Вместо того чтобы самому ходить по складу в поисках нужных товаров, занимающийся выполнением заказа сотрудник может просто отправить робота Kiva, чтобы тот нашел нужный товар, поднял целую палету или стеллаж и принес непосредственно на место подготовки заказа. При этом роботы способны самостоятельно ориентироваться в пространстве, используя сеть координат, состоящую из прикрепленных к полу штрихкодов. Они используются для автоматизации складских работ не только Amazon, но и многими крупными торговыми компаниями, включая Toys "R" Us, Gap, Walgreens и Staples{26}. Уже через год после приобретения в эксплуатации у Amazon было 1400 роботов Kiva. Правда, процесс интеграции этих машин в работу огромных складов компании только начался. По оценке одного из аналитиков с Уолл-стрит, благодаря роботам Amazon добьется сокращения издержек на подготовку заказов на 40 %{27}.

Еще одним примером автоматизации являются логистические центры одной из крупнейших сетей супермаркетов в США Kroger Company. Внедренная Kroger система позволяет принимать палеты с большим количеством одного товара от поставщиков, а затем формировать на их основе новые палеты с различными товарами, готовыми к отправке в магазины. Также система может комбинировать товары при наполнении палет таким образом, чтобы потом их было легко перекладывать на полки в магазине. Если не учитывать работы по разгрузке палет из грузовиков и их погрузку, автоматизированные склады не требуют какого-либо вмешательства со стороны человека{28}. Очевидные последствия использования таких автоматизированных систем для рынка труда, разумеется, не могли остаться незамеченными для профсоюзных организаций, поэтому их внедрение положило начало череде столкновений профсоюза Teamsters Union с Kroger, а также с другими операторами супермаркетов. На самом деле ни использование роботов Kiva, ни эксплуатация автоматизированной системы Kroger не означает полного отказа от человеческого труда, потребность в котором сохраняется в ситуациях, когда требуется сноровка или способность к распознаванию зрительных образов, например при упаковке подобранной группы товаров для отправки конечным потребителям. Иными словами, рабочие места сохраняются как раз в тех сферах, которые вот-вот будут покорены техническим прогрессом, как это видно на примере последних инновационных разработок вроде роботов-грузчиков компании Industrial Perception.

Вторым фактором будущей трансформации, скорее всего, станет бурный рост сектора самообслуживания, т. е. интеллектуальных торговых автоматов и киосков. Согласно прогнозу, сделанному в одном из исследований, оборот товаров и услуг на этом рынке вырастет приблизительно с $740 млрд в 2010 г. до более чем $1,1 трлн в 2015 г.{29} Сфера применения торговых автоматов уже давно не ограничивается продажей газировки, шоколадных батончиков и жуткого растворимого кофе: во многих аэропортах и дорогих отелях сейчас устанавливаются сложные автоматы, продающие потребительскую электронику, включая iPod, iPad и другие устройства компании Apple. Компания AVT Inc., занимающая лидирующие позиции в производстве торговых автоматов, заявляет, что она может спроектировать на заказ систему самообслуживания практически для любого товара. Использование торговых автоматов позволяет значительно сократить три главных вида издержек в сфере розничной торговли: арендная плата, труд и кража товаров клиентами и сотрудниками. Помимо круглосуточного режима работы, многие автоматы оснащаются видеоэкранами для демонстрации целевой рекламы, призванной привлечь внимание клиентов к продуктам, связанными с продаваемым товаром. Иными словами, они способны заменить продавца даже в этом. Также они предоставляют клиентам возможность ввести адрес электронной почты и получить на него чек. Таким образом, по существу, автоматы обладают многими из преимуществ заказа товаров через Интернет за одним важным исключением — клиент сразу может получить товар.

Несмотря на то что распространение торговых автоматов и киосков наверняка приведет к исчезновению традиционных для розничной торговли форм занятости, это также, разумеется, приведет к созданию рабочих мест, связанных с их обслуживанием, наполнением и ремонтом. Однако количество таких рабочих мест будет намного меньшим, чем можно было подумать. Автоматы последнего поколения подключаются напрямую к Интернету и непрерывно отправляют поток диагностических данных и данных о продажах; также они специально сконструированы, чтобы минимизировать расходы на обслуживание и эксплуатацию.

В 2010 г. Дэвид Даннинг устроился в компанию Redbox на должность сотрудника, отвечающего за организацию обслуживания 189 киосков для аренды фильмов в Чикаго и его пригородах{30}. У Redbox более 42 000 киосков в США и Канаде. Как правило, они располагаются в небольших магазинах и супермаркетах. Суточный оборот составляет приблизительно 2 млн фильмов{31}. Даннинг управляется со всеми киосками в Чикаго, имея в своем подчинении всего лишь семь сотрудников. Процесс наполнения киосков практически полностью автоматизирован. По сути дела, самым трудоемким видом работ является замена полупрозрачных афиш с рекламой новых фильмом. Правда, и на это обычно требуется не больше двух минут. Часть своего рабочего времени Даннинг и его сотрудники проводят на складе, принимая новые партии фильмов, а другую часть — дома или в машине, где они могут в любой момент получить доступ к киоскам и управлять ими по Интернету. Киоски изначально были сконструированы так, чтобы ими можно было управлять удаленно. Например, в случае заедания автомат мгновенно оповещает об этом технического специалиста, который может подключиться к нему со своего компьютера, провести профилактику механизма выдачи и устранить проблему без выезда на место. Как правило, новые фильмы выходят по вторникам, но поместить их в киоск можно заранее, тогда, когда это удобно: киоск автоматически сделает их доступными для аренды в назначенное время. Таким образом, персонал может планировать выезды на места установки автоматов так, чтобы не попадать в пробки.

Несмотря на то что работа у Даннинга и его подчиненных, безусловно, интересная и комфортная, их команда не идет ни в какой сравнение с той огромной массой специалистов, которую пришлось бы нанять традиционной сети пунктов аренды фильмов. Например, прекратившая свое существование компания Blockbuster когда-то владела десятками магазинов в Чикаго и его пригородах, и в каждом работали сотрудники{32}. В период расцвета у Blockbuster было около 9000 магазинов и 60 000 сотрудников. Таким образом, на один магазин приходилось семь рабочих мест, т. е. именно столько, сколько нужно Redbox, чтобы обслуживать всю территорию, за которую отвечает команда Даннинга.

Третий фактор давления на рынок труда в секторе розничной торговли — внедрение средств автоматизации и роботизации компаниями — операторами традиционных магазинов с целью сохранения конкурентоспособности. Те же самые инновации, которые помогают промышленным роботам становиться все более и более умелыми в обращении с предметами и дают им способность распознавать зрительные образы, в конечном счете позволят технологиям автоматизации в секторе розничной торговли выйти за пределы склада и найти применение в более требовательной и разнообразной среде магазина при выполнении таких задач, как, например, выкладка товара на полки. Более того, компания Walmart задумалась об этом еще в 2005 г., когда начала изучать возможность использования роботов в ночное время для сканирования штрихкодов находящихся на полках товаров с целью контроля запасов{33}.

В то же время очевидно, что с течением времени кассы самообслуживания и информационные киоски в магазинах становятся все более простыми в использовании, получая все более широкое распространение. Значение мобильных устройств как инструмента самообслуживания также повышается. В будущем потребители будут все больше и больше полагаться на свои телефоны как на средство совершения покупок, оплаты, а также получения информации о продуктах, находясь в традиционных розничных магазинах. Наступление мобильных технологий на ретейл уже началось. Например, компания Walmart тестирует экспериментальную программу, позволяющую потребителям сканировать штрихкоды и оплачивать товары с помощью телефонов, избавляя от необходимости стоять в длинной очереди у кассы{34}. Стартап Silvercar, занимающийся сдачей в аренду автомобилей, дает возможность зарезервировать и забрать машину без общения с сотрудниками: клиент просто сканирует штрихкод, получает доступ к машине и уезжает со стоянки{35}. Нетрудно представить, как с совершенствованием и повышением доступности технологий голосового управления, на которых, например, основана работа голосового помощника Siri компании Apple и даже такие невероятно мощные системы, как суперкомпьютер Watson компании IBM, уже совсем скоро покупатели будут обращаться за помощью к своим мобильным устройствам точно так же, как они это делают при общении с сотрудником магазина. Единственное различие, разумеется, в том, что клиенту не придется ждать, когда сотрудник освободится, или искать его; виртуальный помощник будет всегда доступен, а его ответы практически всегда будут правильными.

Наряду с многочисленными ретейлерами, которые пойдут по пути внедрения средств автоматизации в условиях традиционных магазинов, наверняка найдутся компании, которые вместо этого займутся полноценной модернизацией своих торговых точек, превращая их в своего рода огромные торговые автоматы. Такой магазин будет состоять из автоматизированного склада с примыкающим к нему торговым залом, в котором клиенты смогут ознакомиться с образцами продукции и сделать заказ. После получения заказа товары будут передаваться непосредственно покупателям или даже доставляться с помощью роботов к их машинам. Независимо от того, какой именно путь технологического развития изберет отрасль розничной торговли, трудно представить сценарий, при котором это движение не приведет к увеличению числа роботов и машин, а значит, и к существенному сокращению рабочих мест.

Облачная робототехника

Одной из главных движущих сил будущей революции в мире робототехники может оказаться «облачная робототехника». Этим термином обозначают ряд технологий для переноса большой доли вычислительных задач, обеспечивающих управление мобильными роботами, в мощные централизованные вычислительные узлы. Облачная робототехника стала возможна благодаря громадному скачку в скорости передачи данных; теперь есть возможность разгрузить собственные системы сложной робототехники, перенеся значительную часть вычислений в огромные центры обработки данных и одновременно с этим обеспечив роботам доступ к сетевым ресурсам. Таким образом появляется возможность создавать более дешевых роботов, так как теперь для работы им требуется меньше вычислительной мощности и памяти. Еще одно преимущество — возможность оперативного обновления ПО на нескольких машинах одновременно. Когда один робот пользуется централизованными вычислительными ресурсами для обучения и адаптации к среде, это вновь приобретенное знание может быть мгновенно передано другим машинам при их обращении к системе, что упрощает процесс масштабирования результатов машинного обучения при работе с большим количеством роботов. Например, компания Google, которая объявила о поддержке технологий облачной робототехники в 2011 г., предоставляет интерфейс, дающий роботам возможность воспользоваться всеми преимуществами сервисов Google для устройств под управлением операционной системы Android[8].

Наиболее заметное влияние облачная робототехника может оказать в областях, которые предполагают доступ к огромным базам данных, а также мощным вычислительным ресурсам, т. е. в таких, как распознавание зрительных образов. Взять, к примеру, техническую задачу колоссальной сложности — создание робота, который мог бы выполнять различные работы, связанные с ведением домашнего хозяйства. Чтобы прибраться в комнате, роботизированная домработница должна уметь распознавать практически бесконечное множество объектов и знать, что с ними делать. Каждый из объектов может не походить на эталонный, быть ориентирован в разных направлениях и даже представлять одно целое с другими объектами. Давайте сравним эти сложные задачи с работой, выполняемой роботом-грузчиком компании Industrial Perception, с которым мы познакомились в начале главы. Да, конечно, способность робота распознавать и брать отдельные коробки из беспорядочно наваленной кучи — впечатляющее достижение; но все-таки — это же просто коробки. Очевидно, что до способности распознавать практически любые объекты, независимо от их формы и сочетания, еще очень далеко.

Создание доступного по цене робота с комплексной системой восприятия и распознавания визуальных образов — задача не из легких. Впрочем, благодаря облачной робототехнике у нас хотя бы есть представление о том, в каком направлении следует двигаться для ее решения. В 2010 г. Google представила функцию Goggles для мобильных устройств с камерой. С того времени возможности данной технологии существенно расширились. С ее помощью вы можете сделать снимок объекта, такого, например, как историческое здание, книга, произведение искусства или товар в магазине, передать его системе для распознавания и получить дополнительную информацию о нем. Чтобы встроить функцию распознавания практически любых объектов в собственную систему управления отдельного робота, требуются колоссальные усилия и затраты. Но вот представить роботов, которые будут распознавать объекты вокруг себя, сравнивая их с огромными централизованными коллекциями изображений, подобными той, что используется системой Goggles, уже не так трудно. Находящаяся в облаке библиотека изображений может постоянно обновляться, а значит, каждый раз при обновлении библиотеки будет улучшаться и способность роботов распознавать зрительные образы.

Широкое применение облачных технологий в робототехнике, несомненно, будет способствовать дальнейшему прогрессу в этой области, но одновременно с этим оно создает серьезные причины для беспокойства, особенно в области безопасности. Даже если оставить в стороне настораживающее сходство со Skynet — контролирующей всех и вся системой искусственного интеллекта из фильмов «Терминатор» с Арнольдом Шварценеггером в главной роли, — возникает куда более утилитарная и актуальная проблема выявления и предотвращения попыток взлома и кибератак. Особую остроту она приобретет тогда, когда облачная робототехника станет частью нашей транспортной инфраструктуры. Например, если когда-нибудь мы придем к транспортировке продуктов питания и других жизненно важных товаров с помощью автоматизированных грузовиков и поездов, управляемых из единого диспетчерского центра, мы получим систему с крайне низким уровнем защиты. Уже сейчас встает проблема уязвимости промышленного оборудования и жизненно важных компонентов инфраструктуры, таких как электросети, для кибератак. О реальности угрозы свидетельствует пример компьютерного червя Stuxnet, созданного правительствами США и Израиля в 2010 г. для атаки на центрифуги, использующиеся в рамках иранской ядерной программы. Степень серьезности этих проблем возрастет многократно, как только важные компоненты инфраструктуры окажутся в зависимости от централизованных вычислительных ресурсов.

Роботы в сельском хозяйстве

Среди всех сфер занятости, образующих экономику США, в наибольшей степени развитие технологий сказалось на сельском хозяйстве, изменив его до неузнаваемости. Очевидно, что большинство нововведений относятся к области механики, и появились они задолго до современных информационных технологий. В конце XIX в. почти половина всего экономически активного населения США была занята на фермах. К 2000 г. этот показатель упал до 2 %. В настоящее время в развитых странах доля человеческого труда в производстве таких сельскохозяйственных культур, как пшеница, кукуруза и хлопок, т. е. тех, культивирование которых, включая сев, уход и сбор урожая, осуществляется с применением механических средств, настолько мала, что ею можно пренебречь. Многие виды работ, связанные с выращиванием скота и птицы, также механизированы. Например, на молочных фермах широко применяются роботизированные доильные системы, а убой и переработка кур осуществляются в автоматическом режиме, поэтому выращиваемые в США куры должны быть стандартного размера.

Практика применения ручного труда сохраняется лишь в некоторых областях сельского хозяйства, главным образом связанных со сбором ценных фруктов и овощей, нуждающихся в осторожном обращении, а также с культивированием декоративных растений и цветов. Как и в случае с другими относительно рутинными видами ручного труда, до настоящего время их спасала от механизации высокая степень зависимости от способности распознавать зрительные образы и ловкости. При сборе урожая фруктов и овощей высок риск повреждения плодов; к тому же зачастую при сборе необходимо учитывать цвет и мягкость. Для машины распознавание зрительных образов — серьезная проблема: освещенность может значительно меняться, ориентация плодов в пространстве может быть разной, кроме того, они могут быть частично или полностью скрыты листвой.

Те же самые инновации, которые раздвигают границы применения робототехники в промышленности и складском деле, наконец-то добрались и до многих видов деятельности, сохраняющихся по сей день в сельском хозяйстве. Теперь и им грозит автоматизация. Компания Vision Robotics из Сан-Диего в Калифорнии занимается разработкой похожей на осьминога установки по сбору урожая апельсинов. Робот будет использовать трехмерное машинное зрение для создания компьютерной модели целого апельсинового дерева, запоминая расположение каждого фрукта. Затем эта информация будет передаваться восьми роботизированным рукам установки, которые быстро соберут все апельсины{36}. Стартап Harvest Automation из окрестностей Бостона с самого начала сосредоточился на создании роботов для автоматизации работ в питомниках и теплицах. По оценке компании, доля ручного труда в затратах на выращивание декоративных растений составляет свыше 30 %. По расчетам, роботы смогут выполнять до 40 % работ, которые сейчас выполняются вручную в США и Европе{37}. Ее экспериментальные модели уже занимаются подрезкой виноградных лоз во Франции, используя технологию машинного зрения в сочетании со специальными алгоритмами для определения нуждающихся в обрезке веток{38}. В Японии разработали установку, которая умеет собирать спелые плоды клубники: обладая способностью распознавать даже незначительные оттенки цвета, она собирает урожай со скоростью одна ягода каждые восемь секунд, работая без перерывов и выполняя большую часть работы в ночное время{39}.

Особенно эффективным применение современных сельскохозяйственных роботов может оказаться в странах, в которых нет возможности использовать низкооплачиваемый труд мигрантов. Например, это относится к Австралии и Японии — островным государствам со стремительно стареющим населением. Из-за постоянной внешней угрозы Израиль, по сути, также можно рассматривать в качестве своего рода острова — во всяком случае, с точки зрения мобильности трудовых ресурсов. Учитывая, что урожай многих видов фруктов и овощей должен быть собран за достаточно короткий промежуток времени, недостаток свободных рук в этот период может легко привести к катастрофическим последствиям.

Если оставить в стороне снижение потребности в трудовых ресурсах, в перспективе автоматизация сельского хозяйства может значительно повысить эффективность этого вида деятельности и сделать его существенно менее ресурсоемким. Компьютеры способны отслеживать состояние сельскохозяйственных культур по такому количеству параметров, которое для человека просто недостижимо. Австралийский центр полевой робототехники (Australian Centre for Field Robotics, ACFR) при Сиднейском университете работает над внедрением современной сельскохозяйственной робототехники, чтобы помочь Австралии стать одним из основных поставщиков продовольствия для стремительно растущего населения Азии, несмотря на относительный дефицит пахотной земли и пресной воды в этой стране. Сотрудники ACFR работают над роботами, которые будут непрерывно перемещаться по полям, беря пробы почвы рядом с отдельными растениями и выделяя им ровно столько воды и удобрений, сколько требуется{40}. При подборе необходимого количества удобрений и пестицидов для отдельных растений или даже конкретных плодов на дереве можно добиться снижения используемого количества химических веществ на 80 %, тем самым значительно уменьшив объем токсичных стоков, которые в конечном итоге загрязняют реки, ручьи и прочие водоемы{41}[9].

Не секрет, что в развивающихся странах сельское хозяйство ведется весьма неэффективно. Часто земля разбита на крошечные наделы, обрабатываемые одной семьей, капиталовложения минимальны, а современные технологии просто недоступны. При этом, какими бы трудоемкими ни были методы ведения сельского хозяйства, земля должна обеспечивать пищей больше людей, чем требуется для ее обработки. На фоне роста населения планеты, численность которого в ближайшие десятилетия должна превысить 9 млрд, как никогда остро встанет проблема передачи всей пахотной земли более крупным и эффективным хозяйствам, способным выращивать культуры с более высокими показателями урожайности. Передовым сельскохозяйственным технологиям предстоит сыграть важную роль в этом процессе, в особенности в странах, где ощущается недостаток воды или где экосистемы были нарушены в результате злоупотребления химикатами. В то же время повышение уровня механизации также будет означать, что многие потеряют возможность содержать себя и семью на доходы от сельскохозяйственных работ. Если проводить исторические параллели, можно предположить, что высвободившиеся рабочие руки должны отправиться в города и промышленные центры в поисках работы на производстве. Но, как мы уже видели, промышленные предприятия сами находятся в процессе трансформации, вызванной внедрением технологий автоматизации. Поэтому кажется весьма маловероятным, что кому-то из развивающихся стран удастся безболезненно адаптироваться к скачкам в развитии технологий без скатывания в кризис занятости.

В США использование робототехники в сельском хозяйстве может привести к пересмотру базовых принципов государственной иммиграционной политики, которая и без того постоянно становится предметом ожесточенных споров. Это уже происходит в некоторых отраслях, традиционно пользующихся услугами большого числа сельскохозяйственных рабочих. Так, в Калифорнии научились обходить неразрешимую проблему создания системы распознавания отдельных миндальных орехов: машина просто берет целое дерево и сильно его трясет. Орехи падают на землю, где их подбирает другая машина. Многие калифорнийские фермеры переключились с культур, требующих осторожного обращения, таких как томаты, на более устойчивые к внешнему воздействию орехи, поскольку их можно собирать с помощью механических средств. В результате за первое десятилетие XXI в. число рабочих мест в сельском хозяйстве в Калифорнии упало на 11 %, тогда как объем производства таких культур, как миндальные орехи, т. е. культур, соответствующих требованиям автоматизации сельскохозяйственного производства, резко возрос{42}.

Первой жертвой ускорения темпов внедрения робототехники и передовых технологий самообслуживания, которое наблюдается практически во всех секторах экономики, станут низкооплачиваемые рабочие места, не требующие специального образования. Однако подавляющее большинство рабочих мест, создаваемых сейчас в экономике, относятся именно к этой категории — и это при том, что экономике США необходимо ежегодно создавать порядка миллиона рабочих мест лишь для того, чтобы справиться с ростом населения. Даже если закрыть глаза на высокую вероятность фактического сокращения числа таких рабочих мест по мере появления новых технологий, любое замедление темпов их роста приведет к ужасным последствиям для рынка труда в долгосрочной перспективе, и тяжесть этих последствий со временем будет только нарастать.

Найдется немало экономистов и политиков, которые заявят, что никакой проблемы и нет. В конце концов, рутинную низкооплачиваемую работу, которая не требует высокой квалификации — по крайней мере в экономике развитых стран, принято рассматривать как нечто заведомо нежелательное, и если вы послушаете дискуссии экономистов на тему последствий внедрения технологий для этого сегмента рынка труда, то обязательно услышите от них что-нибудь про «высвобождение» — как будто выброшенные на улицу люди сбрасывают оковы низкоквалифицированного труда, чтобы научиться новому и подняться на следующую ступень своей карьерной лестницы. В основе этих рассуждений лежит одно важное допущение, согласно которому такая динамичная экономика, как экономика США, всегда сможет обеспечить столько новых рабочих мест с более высокой зарплатой и более высокими требованиями к квалификации, сколько необходимо, чтобы дать работу всем этим высвободившимся трудовым ресурсам — разумеется, при условии успешного прохождения соответствующего обучения.

Аргументы в пользу упомянутого допущения кажутся все более шаткими. В следующих двух главах мы проследим, как автоматизация уже повлияла на рынок труда и доходы населения США, и попытаемся определить источник уникального революционного потенциала информационных технологий. Обсуждение этих вопросов станет отправной точкой для погружения в перипетии разворачивающихся на наших глазах процессов, которые грозят опровергнуть общепринятые представления о видах занятости, вероятность автоматизации которых на самом деле наиболее велика, а также подвергают сомнению жизнеспособность аргумента о дополнительном образовании и переподготовке как решении проблемы: высокооплачиваемые профессии, требующие высокой квалификации, не останутся в стороне — наступление машин затронет и их.

Утром 31 марта 1968 г., в воскресенье, преподобный Мартин Лютер Кинг стоял за кафедрой Вашингтонского национального собора — настоящего произведения камнерезного искусства, выполненного из известняка. В здании собора — одном из крупнейших религиозных сооружений в мире, более чем в два раза превышающем размерами Вестминстерское аббатство в Лондоне, — было не протолкнуться: тысячи людей толпились в нефе и трансепте, смотрели вниз с хоров, изо всех сил старались протиснуться внутрь через двери. По меньше мере еще тысяча человек собрались снаружи на ступенях собора или у находящейся неподалеку Епископальной церкви св. Албана, чтобы послушать проповедь через громкоговорители.

Эта воскресная проповедь станет последней в жизни доктора Кинга: всего пять дней спустя в соборе снова будет не протолкнуться — сюда придут все, включая президента Линдона Джонсона, членов кабинета, всех девяти судей Верховного суда и видных членов конгресса; правда, на этот раз настроение у них будет куда более мрачным: они соберутся на поминальную службу на следующий день после убийства Кинга в Мемфисе, в штате Теннесси{43}.

Проповедь Кинга называлась «Не проспите великую революцию». Основной темой его выступления, как и следовало ожидать, были гражданские права и права человека, но его толкование революционных изменений выходило далеко за пределы борьбы за права. Как он кратко пояснил в проповеди:

«Никто не станет отрицать тот факт, что мир охвачен настоящей революцией. В определенном смысле это не одна революция, а три: во-первых, технологическая революция, следствием которой является автоматизация и кибернетизация; затем — революция в области военной техники, связанная с появлением атомного и ядерного оружия; наконец, революция в сфере прав человека, сопровождающаяся подъемом освободительного движения, который наблюдается по всему миру. Да, мы действительно живем в эпоху перемен. И мы снова слышим, как голос из прошлого взывает к нам: „Се, творю все новое; древнее прошло“»{44}.

Говоря о тройной революции, Кинг имел в виду отчет, подготовленный группой известных ученых, журналистов и технологов, которые называли себя Особым комитетом тройной революции. В эту группу входили нобелевский лауреат химик Лайнус Полинг, а также экономист Гуннар Мюрдаль, которого наградили нобелевской премией по экономике в 1974 г. вместе с Фридрихом Хайеком. Две революционные силы, упомянутые в отчете, — ядерное оружие и движение за гражданские права — оказались плотно вплетены в исторический нарратив 1960-х гг. О третьей революции, которой была посвящена большая часть документа, почти никто не вспоминал. Авторы отчета предсказывали, что кибернетизация (или автоматизация) совсем скоро приведет к созданию экономики, «в которой потенциально неограниченный объем выпуска может быть достигнут с помощью систем и машин, требующих лишь незначительного вмешательства со стороны человека»{45}. Следствием этого станет массовая безработица, резкий рост неравенства и в конечном итоге падение спроса на товары и услуги на фоне уменьшения покупательной способности потребителей, без которого дальнейший экономический рост невозможен. Особый комитет предложил радикальное решение: ввести в будущем гарантированный минимальный доход — он станет возможен благодаря «экономике изобилия», которая будет создана в результате повсеместной автоматизации и которая должна «заменить собой лоскутное одеяло мер социальной поддержки», принимавшихся в то время для борьбы с бедностью[10].

Отчет о тройной революции был передан средствам массовой информации, а также направлен президенту Джонсону, министру труда и руководителям конгресса в марте 1964 г. В сопроводительном письме авторы предупреждали, что, если предлагаемые ими меры или что-то подобное не будет претворено в жизнь, «нацию ждут такие социально-экономические потрясения, которых она еще никогда не испытывала». Уже на следующей день на первой странице The New York Times появилась публикация с обширными выдержками из отчета, а многие другие газеты и журналы посвятили ему отдельные статьи и редакционные колонки (в основной своей части критического характера), а некоторые пошли еще дальше, полностью перепечатав текст отчета{46}.

Тройную революцию, наверное, можно считать кульминационным проявлением той тревоги относительно последствий автоматизации, которая начала распространяться после Второй мировой войны. Это был далеко не первый раз, когда призрак массовой безработицы, вызванной приходом машин на место рабочих, становился источником страха — достаточно вспомнить восстание луддитов в Британии в 1812 г. Но в 1950-е и 1960-е гг. эта проблема вызывала особую озабоченность, занимая умы одних из самых выдающихся и интеллектуально одаренных людей в США.

В 1949 г. в ответ на запрос газеты The New York Times всемирно известный математик из MIT Норберт Винер написал статью, в которой представил свое видение будущего компьютеров и автоматизации{47}. Будучи вундеркиндом, Винер стал студентом колледжа в одиннадцать лет, а уже в семнадцать защитил диссертацию; он способствовал укреплению позиций кибернетики, а также внес значительный вклад в развитие прикладной математики и создание основ теории вычислительных систем, робототехники и автоматизации с использованием компьютеров. В своей статье, написанной всего три года спустя после создания по-настоящему универсального электронного компьютера в Пенсильванском университете[11], Винер заявил, что «если мы и можем делать что-то ясно и вразумительно, то только благодаря машинам», и предупредил, что в конечном итоге это может привести к «абсолютно безжалостной промышленной революции», основным движущим фактором которой станет способность машин «уменьшить экономическую ценность простого заводского рабочего до уровня, на котором использование его труда теряет всякий смысл, независимо от цены»[12].

Три года спустя антиутопия в духе мрачных пророчеств Винера обрела черты правдоподобной реальности на страницах первого романа Курта Воннегута. В книге «Механическое пианино» описывается автоматизированная экономика, в которой всю работу делают машины под управлением горстки инженеров, образующих элиту, тогда как все остальное население вынуждено влачить бессмысленное существование и жить без надежды на будущее. Воннегут, которому предстояло стать настоящей легендой в мире литературы, продолжал верить в злободневность своего произведения на протяжении всей жизни, написав несколько десятилетий спустя, что роман становится «все актуальнее с каждым днем»{48}.

Через четыре месяца после того, как администрации Джонсона был представлен отчет о тройной революции, президент подписал закон о создании Национальной комиссии по технологиям, автоматизации и экономическому прогрессу{49}. В своем выступлении на церемонии подписания закона Джонсон отметил, что «автоматизация может стать союзником нашего процветания, если только мы будем думать о будущем, если только мы будем знать, что нас ждет, и если только мы будем разборчивы в выборе курса, правильно планируя свое будущее». Новоиспеченная комиссия — как это почти всегда происходит с такими органами — скоро была предана забвению, оставив после себя по меньшей мере три толстенных отчета{50}.

Парадокс в том, что все эти страхи по поводу автоматизации не имели ничего общего с состоянием экономики в послевоенный период. В момент публикации отчета о тройной революции в 1964 г. безработица составляла чуть больше 5 %, а к 1969 г. она упала до 3,5 %. Даже во время четырех рецессий, имевших место в период с 1948 по 1969 г., уровень безработицы ни разу не достиг 7 %, а затем снова быстро снизился, как только в экономике началось оживление{51}. Внедрение новых технологий действительно привело к существенному росту производительности, но львиная доля плодов этого роста оказалась в руках рабочих в виде повышения оплаты труда.

К началу 1970-х гг. все внимание переключилось на введенное ОПЕК нефтяное эмбарго, а затем — на стагфляцию. Тема роста безработицы, вызванной автоматизацией и компьютеризацией, отодвигалась все дальше на периферию общественного внимания. А в среде профессиональных экономистов она и вовсе приобрела статус неприкасаемой. Всякий, кто отваживался поделиться своими мыслями на этот счет, рисковал быть причисленным к «неолуддитам».

Учитывая, что трудные времена, предсказанные в отчете о тройной революции, так и не наступили, сам собой напрашивается вопрос: его авторы просто ошиблись или, как и многие до них, слишком рано начали бить тревогу?

Для Норберта Винера как одного из первопроходцев в области информационных технологий цифровые вычислительные машины были чем-то таким, что коренным образом отличалось от существовавших до них механических средств. Это был настоящий переворот: новый вид машин, предвещающий наступление новой эпохи и в конечном счете, возможно, даже и разрушение привычного социального порядка. Впрочем, Винер формулировал свои мысли в эпоху, когда компьютеры представляли собой монструозные сооружения размером с комнату, вычислительная мощность которых зависела от десятков тысяч раскаленных вакуумных радиоламп, которые регулярно перегорали{52}. Пройдут десятилетия, пока экспоненциальная дуга развития поднимет цифровые технологии до уровня, на котором такого рода мысли могут показаться вполне уместными.

Теперь, когда все это уже позади, пришло время еще раз объективно оценить последствия развития технологий для экономики. Если верить данным, даже несмотря на потерю экономистами интереса к роли технологий, снижающих затраты труда, и переход этой темы в разряд периферийных, нечто, имевшее фундаментальное значение для послевоенной эпохи процветания, постепенно начало меняться в американской экономике. Почти прямая историческая связь между ростом производительности труда и увеличением доходов была разорвана: зарплаты большинства американцев застыли на одном уровне, а у многих и вовсе пошли вниз; неравенство в доходах резко возросло, став практически таким же, каким оно было накануне краха фондовых рынков в 1929 г., а в наш языковой обиход прочно вошло новое выражение — «экономический подъем без создания рабочих мест». Можно насчитать не менее семи тенденций экономического развития, которые, если их рассматривать в совокупности, свидетельствуют о том, что развитие информационных технологий является фактором радикальной трансформации.

Семь губительных тенденций

Технологический нарратив

Глядя в будущее

Споры о первопричинах стремительно растущего неравенства и многолетней стагнации заработной платы в США вряд ли когда-нибудь закончатся, а учитывая то, что в них затрагиваются вопросы, вызывающие диаметрально противоположную реакцию у разных сил, а именно — профсоюзы, ставки налогов на богатство, свободная торговля, надлежащая роль правительства, диалог наверняка будет вестись с различных идеологических позиций. Как мне кажется, представленные мною данные показывают, что в течение последних нескольких десятилетий информационные технологии играли значительную — хотя необязательно решающую — роль. Не собираясь тратить время на более детальное рассмотрение этого вопроса, я готов ждать, пока специалисты по экономической истории глубоко изучат данные и, возможно, однажды прольют свет на истинные причины нынешнего состояния экономики США и дадут более точный ответ об их природе. Что меня действительно интересует — и чему на самом деле посвящена эта книга, — это следующий вопрос: что сыграет решающую роль в будущем? Многие из тех сил, которые оказывали значительное влияние на экономику и политическую среду в последние полстолетия, в значительной степени исчерпали свой ресурс. Профсоюзы за пределами государственного сектора понесли тяжелые потери. Женщины, мечтавшие о карьере, влились в ряды экономически активного населения или пошли учиться в колледжи и профессиональные учебные заведения. Что касается переноса производства в другие страны, имеющиеся данные показывают, что этот процесс существенно замедлился, а в некоторых случаях начался обратный процесс, связанный с возвращением производственных мощностей в США.

Среди сил, которые, скорее всего, будут определять наше будущее, информационные технологии стоят особняком благодаря своему экспоненциальному росту. Даже в странах, политическая конъюнктура в которых намного более чутко реагирует на благосостояние обычных работников, все более заметны изменения, вызванные технологиями. По мере преодоления технологиями все новых рубежей многие рабочие места, которые мы сегодня считаем далекими от рутины и потому защищенными от угрозы автоматизации, в конечном итоге окажутся в категории шаблонных и легко программируемых. Тенденция к сужению средних сегментов и без того поляризованного рынка труда, вероятнее всего, продолжится, сопровождаясь дальнейшим наступлением роботов и технологий самообслуживания на низкооплачиваемые рабочие места и ростом угрозы для профессий, требующих высокой квалификации, со стороны все более «умных» алгоритмов. Более того, согласно выводам исследования, проведенного в 2013 г. Карлом Бенедиктом Фреем и Майклом Осборном из Оксфордского университета, в ближайшие два десятилетия жертвами автоматизации могут стать профессии, на долю которых приходится почти половина всех занятых в экономике США{101}.

Впрочем, набирающий обороты процесс развития технологий, имеющий огромное влияние на экономику и рынок труда, по-прежнему будет тесно взаимосвязан с другими мощными силами. На фоне роста уязвимости рабочих мест, требующих более высокой квалификации, в связи с распространением практики использования удаленных трудовых ресурсов по электронным каналам связи граница между такими факторами, как технология и глобализация, начнет размываться. Если, как это, скорее всего, и будет, развитие технологий будет способствовать дальнейшему углублению неравенства в США и других промышленно развитых странах, политическое влияние, оказываемое финансовой элитой, будет только увеличиваться. Это может еще больше осложнить и без того трудную задачу реализации политики, направленной на противодействие происходящим в экономике структурным сдвигам, и улучшения положения тех, кто оказался в середине и в самом низу иерархии распределения доходов.

В 2009 г. в своей книге «Свет в конце тоннеля» (The Lights in the Tunnel) я писал: «Хотя специалисты активно работают над умными машинами и пишут книги на эту тему, идея, что технологии когда-нибудь действительно заменят значительную часть экономически активного населения, приведя к постоянной структурной безработице, большинству экономистов кажется почти невероятной». Справедливости ради стоит отметить, что некоторые из них все-таки стали относиться более серьезно к возможности повсеместной автоматизации. В своей электронной книге 2011 г. «Наперегонки с машинами» (Race Against the Machine) Эрик Бринолфссон и Эндрю Макафи из МIT помогли интегрировать эти идеи в экономический мейнстрим. Видные экономисты, включая Пола Кругмана и Джеффри Сакса, также выступили с работами, посвященными возможному влиянию машинного интеллекта{102}. Тем не менее идея о том, что однажды технологии могут привести к фундаментальной перестройке рынка труда и в конечном итоге заставить нас полностью пересмотреть принципы работы нашей экономической системы и условия общественного договора, либо полностью игнорируется обществом, либо остается на самой периферии внимания.

Более того, среди экономистов и финансистов-практиков немало тех, кто почти инстинктивно начинает возражать на любые утверждения о том, что на этот раз мы имеем дело с чем-то новым. Если речь идет о тех аспектах экономики, которые главным образом определяются человеческим поведением и рыночной психологией, то, скорее всего, инстинкты их не подводят. Психологическая подоплека недавнего «пузыря» на рынке недвижимости и причины, по которым он лопнул, почти наверняка мало отличались от того, как развивался любой другой финансовый кризис в истории человечества. Многие политические интриги времен ранней Римской республики можно легко представить на первой полосе современной Politico — они отлично впишутся в контекст. Такие вещи действительно никогда не меняются.

Было бы, однако, ошибкой использовать ту же аргументацию при обсуждении влияния развития технологий. До тех пор пока в окрестностях Китти-Хок в Северной Каролине не был осуществлен первый в истории пилотируемый полет на моторном аэроплане, считалось неопровержимым фактом — подкрепленным свидетельствами, которых за долгую историю человечества накопилось немало, — что, к каким бы хитроумным приспособлениям люди себя ни пристегивали, летать они не смогут, потому что они всегда будут тяжелее воздуха. Таким образом, первый полет мгновенно изменил представление о реальности; подобный феномен — обычное дело практически для любой технологии. При этом, когда дело касается технологий, каждый раз все происходит не так, как прежде: впрочем, в этом же и заключается суть инноваций! В конечном счете ответ на вопрос о возможности того, что однажды умные машины сделают ненужными навыки, используемые обычными людьми для выполнения большинства работ, будет зависеть от особенностей технологий, которые появятся в будущем. И никакие уроки, извлеченные из экономической истории, тут не помогут.

В следующей главе мы изучим природу информационных технологий и разберемся с причинами неумолимого ускорения темпов изменений в этой области, т. е. попробуем понять, что делает их такими особенными, а также взглянем на процесс трансформации, который многие важные сферы экономики уже переживают под влиянием этих технологий.

Представьте, что вы кладете пенни на счет в банке. Допустим, баланс вашего счета ежедневно удваивается. На третий день вместо 2 центов у вас будет уже 4. На пятый день баланс увеличится с 8 до 16 центов. Менее чем через месяц у вас более миллиона долларов. Если бы вы положили свой пенни в банк в 1949 г., т. е. тогда, когда Норберт Винер работал над своим эссе о будущем компьютерных вычислений, и начал бы работать закон Мура (удвоение суммы примерно каждые два года), к 2015 г. на вашем «технологическом» счету было бы почти $86 млн. А теперь представим, что процесс продолжается, а вместе с тем продолжает удваиваться и баланс вашего счета. Будущие инноваторы смогут воспользоваться этим огромным накопленным балансом, в результате чего темпы роста в ближайшие годы и десятилетия, скорее всего, будут намного превышать те, к которым мы привыкли.

Несмотря на закрепившийся за законом Мура статус универсального способа измерения роста вычислительной мощности, на самом деле развитие в области информационных технологий происходит по многим различным направлениям. К примеру, такие показатели, как емкость памяти компьютера и пропускная способность оптоволоконных каналов передачи данных, систематически демонстрируют экспоненциальный рост. При этом рост вовсе не ограничивается одной лишь аппаратной начинкой: скорость, с которой повышается эффективность некоторых программных алгоритмов, уже давно перешагнула рубеж, предсказанный законом Мура.

Если при рассмотрении эволюции информационных технологий в рамках достаточно продолжительных периодов времени понятие экспоненциального роста действительно отражает суть происходящих процессов, в краткосрочной перспективе реальность оказывается сложнее. Прогресс далеко не всегда происходит плавно и последовательно; напротив, часто он сначала стремительно набирает темп, а потом наступает пауза, во время которой организации ассимилируют новые возможности, и формируется фундамент для следующего резкого ускорения. Кроме того, между разными видами технологий образуются замысловатые взаимозависимости и петли обратной связи. Прогресс в одной сфере может привести к внезапному прорыву в другой. Появившись на свет, технология распространяется и все глубже проникает в деятельность организаций и жизнь экономики в целом, зачастую преобразуя методы работы людей таким образом, что это само по себе становится толчком для дальнейшего развития. Достаточно вспомнить, например, как распространение Интернета и ПО с широким набором функций для совместной работы обеспечило возможность разработки программного обеспечения с привлечением программистов из любой точки мира; это, в свою очередь, способствовало формированию огромного сообщества высококвалифицированных программистов, и теперь эти новые кадры сами становятся движущей силой прогресса.

Ускорение и стагнация

Пока информационно-коммуникационные технологии мчались вперед, десятилетиями развиваясь по экспоненциальному закону, внедрение инноваций в других отраслях в большинстве случаев происходило постепенно, в несколько этапов. Например, именно по такому сценарию эволюционировали конструкция автомобилей, жилья, авиатехники, бытовой техники, а также осуществлялась модернизация нашей транспортной и энергетической инфраструктуры — ни одна из этих областей не претерпела существенных изменений с середины XX в. В этой связи уместно вспомнить известное высказывание одного из основателей PayPal Питера Тиля: «Нам обещали летающие машины, а вместо этого мы получили 140 символов». Оно отлично передает настроения поколения, которое надеялось на куда более «крутое» будущее, чем то, в котором им пришлось жить.

Это отсутствие всеобъемлющего прогресса находится в резком контрасте с последними десятилетиями XIX — первой половиной XX в. Водопровод, автомобили, самолеты, электричество, бытовая техника, канализация и прочие коммунальные системы — все эти новшества получили широкое распространение в этот период. По крайней мере в промышленных странах качество жизни представителей всех слоев общества поднялось на невиданный прежде уровень одновременно с головокружительным ростом благосостояния всего общества в целом.

Некоторые экономисты обратили внимание на это замедление темпов развития большинства технологий, связав его с рассмотренными нами в прошлой главе экономическими тенденциями и в том числе со стагнацией доходов большинства простых американцев. Согласно одному из фундаментальных принципов современной экономики, технологические изменения такого рода имеют ключевое значение для долгосрочного экономического роста. Экономист Роберт Солоу, сформулировавший эту идею, в 1987 г. получил за свою работу нобелевскую премию. Если считать инновации основным фактором процветания, стагнация доходов, судя по всему, указывает на то, что проблема вовсе не во влиянии технологий на класс наемных рабочих и средний класс, а в темпах появления новых изобретений и идей. Возможно, дело вовсе не в компьютерах, и на самом деле все объясняется замедлением прогресса в более широком смысле.

Ряд экономистов выступил в поддержку этой идеи. В своей книге 2011 г. «Великая стагнация» (The Great Stagnation) Тайлер Коуэн, экономист из Университета Джорджа Мейсона, предположил, что экономика США, поглотив все легкодоступные ресурсы в виде наиболее очевидных и простых инноваций, ничем не занятой земли и не до конца используемых возможностей человека, вступила в период временной стабилизации. Роберт Гордон из Северо-Западного университета настроен еще более пессимистично, утверждая в своей статье 2012 г., что на фоне низких темпов инновационной деятельности и ряда сдерживающих факторов, включая раздутый долг, старение населения и несовершенство системы образования, эпоха экономического роста в США, скорее всего, закончилась{103}.

Чтобы получить некоторое представление о факторах, влияющих на темпы инновационной деятельности, имеет смысл обратиться к историческим аналогиям и изучить путь, который в своем развитии прошли почти все технологии. Хороший пример — самолеты. Первый пилотируемый полет на моторном летательном аппарате произошел в декабре 1903 г. и продолжался около двенадцати секунд. С такого скромного результата начался прогресс в этой области, но примитивный уровень технологий на том этапе говорил о том, что на создание рабочего аппарата уйдут многие годы. К 1905 г. Уилберт Райт уже мог оставаться в воздухе в течение почти 40 минут, преодолевая расстояние, равное приблизительно 39 км. Однако всего через несколько лет, когда разрозненные кусочки мозаики сложились в единую картину, технологии авиастроения вступили в экспоненциальную фазу роста, что привело к резкому скачку абсолютных показателей прогресса. К началу Первой мировой войны самолеты уже могли вести воздушные бои на высоких скоростях. В течение двух следующих десятилетий темп развития продолжил нарастать, что в конечном итоге привело к появлению таких совершенных истребителей, как «Спитфайр», «Зеро» и P-51. Однако уже в период Второй мировой войны рост значительно замедлился. Самолеты с пропеллерами, приводимыми в движение двигателями внутреннего сгорания, вплотную приблизились к точке исчерпания своего технического потенциала, и никакие усовершенствования конструкции после пересечения этого рубежа уже не могли привести к революционным изменениям.

Эта S-образная траектория, подразумевающая в конечном итоге переход от ускоряющегося — экспоненциального — роста к стабилизации, по сути дела, показывает, что происходит практически с любой технологией в процессе ее эволюции. Разумеется, мы знаем, что к концу Второй мировой войны на сцену вышла принципиально иная технология авиастроения. Реактивные самолеты, которые появились в скором времени, обеспечивали такие технические показатели, которые были просто недостижимы для любого самолета на пропеллерной тяге. Реактивные двигатели положили начало новой эпохе в развитии технологий авиастроения: их развитие шло по собственной S-образной кривой. На рис. 3.1 представлена графическая интерпретация этого перехода.

Если мы хотим радикально ускорить темпы внедрения инноваций в области проектирования авиатехники, нам придется найти еще одну S-образную кривую, отражающую траекторию развития технологии, которая не только обеспечит превосходство по техническим показателям, но и будет экономически жизнеспособной[19].

Проблема, разумеется, в том, что на данный момент такой новой кривой просто не существует. Допустим, этой прорывной технологии нет даже за забором «Зоны 51»[20]; тогда для перехода к новой S-образной кривой потребуется по-настоящему гигантский скачок вперед — впрочем, такая кривая, может быть, вообще не существует.

В данном случае критическое значение имеет то, что, даже несмотря на многие другие факторы, такие как уровень научно-исследовательских разработок и инвестиций или наличие необходимой нормативной базы, которые, безусловно, влияют на относительные позиции S-образных кривых, самый важный фактор, обойти который просто невозможно, — это набор физических законов, задающих жесткие рамки развития конкретных технологий. У нас пока нет новой прорывной технологии авиастроения, и во многом это обусловлено физическими законами и ограничениями, которые они накладывают на имеющиеся у нас научные и технические возможности. Если мы хотим увидеть еще один период стремительного внедрения инноваций в разных областях мира технологий, т. е. что-то похожее на период с 1870 по 1960 г., нам придется найти новые S-образные кривые в каждой из них. Очевидно, что сделать это совсем непросто.

Впрочем, один весомый повод для оптимизма у нас есть — благотворное влияние прогресса в области информационных технологий на научно-исследовательскую деятельность в других областях. Применение компьютеров уже привело к преображению многих сфер. Без их вычислительной мощи ни о какой расшифровке генома человека даже не было бы речи. Компьютерное моделирование и проектирование также значительно расширило возможности для экспериментирования с новыми идеями в различных отраслях научных исследований.

Одним из примеров успеха, достигнутого с помощью информационных технологий и имеющего колоссальное значение для каждого из нас, является использование мощи вычислительных систем в нефтегазовой отрасли. Когда поставки нефти и газа из легкодоступных месторождений начали сокращаться по всему миру, новые методы, такие, например, как трехмерное моделирование залежей полезных ископаемых, стали незаменимым инструментом выявления новых запасов. Например, у государственной нефтяной компании Aramco в Саудовской Аравии есть собственный огромный вычислительный центр с мощнейшими суперкомпьютерами, который играет важную роль в обеспечении непрерывных поставок нефти. Думаю, многие не поверят, если им сказать, что между способностью поставщиков удовлетворять — по крайней мере до настоящего времени — растущий мировой спрос на энергоносители и законом Мура существует прямая связь.

С изобретением микропроцессора наши возможности по выполнению вычислений и обработке информации возросли многократно. Компьютеры, которые когда-то были массивными, медленными и дорогими и которых было очень мало, подешевели, прибавили в мощности и распространились повсюду. Если умножить прирост производительности одного компьютера с 1960 г. на количество новых микропроцессоров, появившихся с того времени, результат окажется настолько огромным, что его будет почти невозможно вычислить. Вряд ли можно допустить, что такой громадный рост общей вычислительной мощности в конечном итоге не приведет к серьезным последствиям в различных отраслях науки и техники. Тем не менее законы природы по-прежнему остаются ключевым фактором, определяющим точки на технологических S-кривых, которые мы должны достичь, чтобы получить по-настоящему революционные инновации. Вычислительная мощь не способна изменить эту реальность, но она может помочь исследователям заполнить некоторые лакуны.

Экономисты, верящие в то, что мы вступили в стадию стабилизации без прогресса, обычно не сомневаются в наличии связи между темпами внедрения инноваций и всеобщим процветанием; тем самым подразумевается, что, если мы сможем придать новый импульс развитию по широкому кругу направлений, медианный доход снова начнет расти в реальном исчислении. Мне кажется, есть достаточно причин задуматься о том, что все может сложиться совсем иначе. Чтобы понять, почему это так, давайте выясним, что придает уникальность информационным технологиям и как они взаимосвязаны с инновациями в других областях.

Что делает информационные технологии особенными

Непрерывный рост производительности аппаратной начинки компьютеров на протяжении нескольких десятилетий указывает на то, что каким-то чудом нам удается оставаться на крутом участке S-образной кривой значительно дольше, чем в случае с любой другой технологией. Однако в реальности развитие компьютеров по закону Мура можно представить в виде лестницы с S-образными кривыми в качестве ступеней, каждая из которых отражает определенный этап в эволюции технологий производства полупроводников. Например, литографический процесс получения элементов интегральных микросхем изначально был основан на методах фотолитографии. Когда размер отдельных элементов уменьшился до такой степени, что длина волны видимого света уже была слишком велика, чтобы обеспечить дальнейшее развитие, полупроводниковая промышленность перешла к рентгеновской литографии{104}. График на рис. 3.2 дает схематичное представление об эволюции технологии как последовательности переходов от одной S-образной кривой к другой.

Одной из определяющих характеристик развития информационных технологий является относительная простота перехода к последующим S-образным кривым. Ключ к устойчивому росту не в том, что плоды висят низко, а в том, что до них можно добраться, взобравшись на дерево. Взбираться по дереву не так уж и просто — это сложный процесс, сопровождающийся яростной конкуренцией и требующий огромных инвестиций. Без масштабного сотрудничества и планирования также не обходится. С целью координации усилий отраслевые организации публикуют объемный документ под названием «Международный план по развитию полупроводниковой технологии» (International Technology Roadmap for Semiconductors, ITRS), в котором составители, по сути дела, подробно излагают свое видение эволюции отрасли согласно закону Мура в ближайшие 15 лет.

При нынешнем положении вещей производители аппаратных средств могут столкнуться с трудностями того же рода, что и разработчики других видов технологий. Иными словами, для перехода к той самой следующей S-образной кривой может потребоваться гигантский — и, скорее всего, недостижимый — скачок вперед. Историческая траектория закона Мура заключается в уменьшении размера транзисторов, с тем чтобы на одном чипе помещалось все больше и больше элементов. К началу 2020-х гг. размер отдельного структурного элемента компьютерного чипа уменьшится приблизительно до пяти нанометров (миллиардных частей метра), и, скорее всего, это очень близко к фундаментальному ограничению, за пределами которого дальнейшая миниатюризация невозможна. Однако существует ряд альтернативных стратегий, которые могут обеспечить продолжение роста, включая построение чипа по трехмерной модели и использование экзотических материалов на основе углерода{105}[21].

Даже если развитие аппаратных средств компьютеров застопорится, останется целый ряд возможностей для продолжения прогресса. Информационные технологии существуют на пересечении двух различных реальностей. Закон Мура правит бал в мире атомов, где все новое рождается в борьбе за создание более быстрых устройств, сопровождающейся шагами по минимизации вырабатываемого ими тепла или поиску способов его отведения. Напротив, мир битов — это абстракция, мир без трения, где темпы роста определяются качеством алгоритмов, архитектурой (концепцией построения вычислительных систем) и методами прикладной математики. В некоторых областях алгоритмы уже намного обогнали аппаратные средства по темпам развития. Как недавно показал в своей работе Мартин Гретшель из Института Цузе в Берлине, при использовании компьютеров и ПО, существовавших в 1982 г., для решения одной особенно сложной проблемы в области планирования производства потребовалось бы полных 82 года. В 2003 г. на решение той же самой проблемы ушло бы около минуты — эффективность выросла приблизительно в 43 млн раз. Аппаратные средства за тот же период стали быстрее приблизительно в 1000 раз. Таким образом, использование более совершенных алгоритмов обеспечило рост производительности примерно в 43 000 раз{106}.

Не все ПО эволюционирует так быстро. В частности, это относится к областям, в которых ПО связано с людьми напрямую. В интервью Джеймсу Феллоузу из журнала The Atlantic в августе 2013 г. специалист по компьютерным системам Чарльз Симони, отвечавший за разработку Microsoft Word и Excel, высказал мнение, что в основной своей части ПО далеко не в полной мере использует результаты эволюции аппаратных средств. В ответ на вопрос об областях, в которых существует наибольший потенциал для роста, Симони сказал: «Если говорить в общем, никто больше не будет делать ничего, что связано с рутиной и повторением»{107}.

Кроме того, колоссальные перспективы для дальнейшего развития может дать разработка более совершенных методов объединения большого количества недорогих процессоров в рамках вычислительных систем с массовым параллелизмом. Пересмотр существующих технологий построения аппаратных средств на основе абсолютно новых теоретических моделей также может обеспечить гигантский скачок по пути увеличения вычислительной мощности компьютеров. Наглядным доказательством того, что тщательно продуманное архитектурное решение, основанное на использовании сложных внутренних связей, может обладать потрясающими вычислительными возможностями, является самая мощная вычислительная машина в мире, с которой ничто не может сравниться: человеческий мозг. При создании мозга у эволюции не было возможности опираться на закон Мура. «Аппаратная» часть мозга человека ничуть не быстрее, чем у мыши, и при этом она в тысячи миллионов раз медленнее современной интегральной микросхемы — вся разница в сложности устройства{108}. Поэтому максимум вычислительных возможностей — и, вероятно, возможностей машинного интеллекта — может быть достигнут, если однажды исследователи смогут совместить аппаратные средства, пускай даже с современными показателями производительности, с чем-то, близким к мозгу по уровню сложности устройства. Первые робкие шажки в этом направлении уже сделаны: в 2011 г. компания IBM представила компьютерный чип, выполняющий так называемые «когнитивные вычисления» и работающий по принципу человеческого мозга, который получил говорящее название SyNAPSE, и теперь работает над новым языком программирования, который будет использоваться вместе с чипом{109}.

Помимо непрерывного роста производительности аппаратных средств и во многих случаях ПО я бы выделил еще две характеристики, определяющие специфику информационных технологий. Первая связана с тем, что в процессе собственной эволюции информационные технологии превратились в по-настоящему универсальный инструмент. Пожалуй, трудно найти какие-либо аспекты нашей повседневной жизни, и в особенности деятельности коммерческих и иных организаций независимо от их размера, которые не испытывали бы значительное влияние со стороны информационных технологий или не зависели от них в большой степени. Компьютеры, сети и Интернет стали неотъемлемой частью нашей экономической, социальной и финансовой системы. Информационные технологии повсюду, и нам уже трудно представить свою жизнь без них.

Многие аналитики сравнивают информационные технологии с электричеством — еще одной революционной универсальной технологией, которая получила широкое распространение во второй половине XX в. Особенно убедительные аргументы в пользу уподобления информационных технологий электричеству приводит Николас Карр в своей книге 2008 г. «Великий переход» (The Big Switch)[22]. Хотя многие из этих сравнений и кажутся уместными, правда в том, что повторить успех электричества не так-то просто. Электрификация удивительным образом преобразила бизнес, всю экономику в целом, социальные институты и жизнь отдельных людей. При этом результат преображения всегда был исключительно положительным. Вряд ли найдется развитая страна, в которой есть хотя бы один человек, уровень жизни которого не вырос бы значительно с появлением электрической энергии. Революционный потенциал информационных технологий, скорее всего, будет проявляться более дифференцированно, а результат преобразований для многих далеко не всегда будет исключительно положительным. Причина кроется в еще одной отличной характеристике информационных технологий: когнитивной способности.

Информационные технологии заключают в себе такой уровень интеллекта, который в определенной степени можно назвать беспрецедентным для истории развития технологий. Компьютеры принимают решения и решают проблемы. Компьютеры — это машины, которые способны (в очень ограниченном и узкоспециализированном понимании этого слова) думать. Никто не станет утверждать, что современные компьютеры приблизились к тому, что можно назвать человеческим уровнем интеллекта. Но при этом очень часто упускается из виду главное: компьютеры все лучше и лучше умеют выполнять узкоспециализированные, рутинные и предсказуемые задачи и, вполне вероятно, в скором времени будут превосходить в этом умении многих людей, занимающихся сейчас такой работой.

Основным двигателем экономического развития в истории человечества была профессиональная специализация или, как бы это назвал Адам Смит, «разделение труда». Один из парадоксов прогресса в компьютерную эпоху заключается в том, что по мере увеличения степени специализации различные виды работ становятся все более легко поддающимися автоматизации. Многие эксперты сказали бы, что с точки зрения общего уровня интеллекта самые передовые современные технологии едва превосходят способности насекомого. И, однако же, насекомые не способны управлять реактивными самолетами, резервировать столики в ресторанах или вести торговлю на Уолл-стрит. Компьютеры сейчас делают все это, и совсем скоро они заявят о себе в огромном количестве других областей.

Сравнительное преимущество и умные машины

Экономисты, не соглашающиеся с тем, что однажды машины лишат значительную часть нашего экономически активного населения перспектив трудоустройства, часто опираются в своей аргументации на одну из важнейших идей в экономической науке: теорию сравнительного преимущества{110}. Чтобы понять суть этой теории, давайте представим себе двух людей. Джейн — исключительный специалист. Имея за плечами многие годы интенсивного обучения и невероятное количество успешных операций, она считается одним из ведущих нейрохирургов в мире. Сразу после колледжа, а потом и медицинского факультета Джейн прошла обучение в одной из лучших кулинарных школ Франции и теперь еще и готовит, как профессиональный шеф-повар уникального дарования. Том — обычный парень. При этом он очень хороший повар и не раз получал похвалу за свое мастерство. Однако его готовка не идет ни в какое сравнение с шедеврами Джейн. Ну и, разумеется, Тома никто бы даже близко не подпустил к операционной.

Учитывая, что Том не может конкурировать с Джейн ни как повар, ни уж тем более как хирург, смогут ли они договориться так, чтобы это было выгодно им обоим? Теория сравнительного преимущества дает на этот вопрос утвердительный ответ и поясняет, что Джейн могла бы нанять Тома в качестве повара. Зачем ей делать это, если она может добиться лучшего результата, занимаясь готовкой сама? Ответ: у Джейн будет больше времен и сил для того, в чем она действительно лучше всех (и что дает ей основную часть дохода), т. е. для нейрохирургии.

Главная идея, лежащая в основе теории сравнительного преимущества, заключается в том, что вы всегда сможете найти работу, если будете специализироваться на чем-то одном и делать свою работу по крайней мере не так плохо, как все остальные. Тем самым вы даете другим возможность также выбирать специализацию и зарабатывать больше. Что касается Тома, единственное, что он умеет делать «не так плохо», как остальные, это — готовить. Джейн повезло больше (и она намного богаче), потому что она по-настоящему уникальный специалист в том, что делает «не так плохо», и этот ее талант к тому же очень высоко ценится на рынке. На всем протяжении экономической истории сравнительное превосходство было главным фактором дальнейшего сужения специализации и развития торговли.

Теперь давайте несколько изменим эту историю. Представьте, что Джейн может легко и без больших материальных затрат клонировать себя. Если вы смотрите фантастические фильмы, представьте себе фильм «Матрица: перезагрузка», в котором Нео сражается с десятками клонов агента Смита. Допустим, что в данной конкретной схватке Нео в конце концов одерживает победу, но, мне кажется, Тому может так не повезти, когда Джейн решить уволить его, чтобы заменить собственным клоном. Принцип сравнительного преимущества работает благодаря альтернативным затратам: выбирая одно, человек вынужден отказаться от возможности делать что-то еще. Время и пространство ограничены; невозможно быть в двух местах одновременно и заниматься сразу двумя видами деятельности.

Компьютеры и в особенности ПО легко поддаются тиражированию. Во многих случаях цена их клонирования оказывается ниже расходов по найму человека. Возможность клонировать интеллект лишает смысла понятие альтернативных затрат. Теперь Джейн может делать операции на мозге и готовить одновременно. Зачем ей тогда нужен Том? Можно поручиться, что очень скоро клоны Джейн начнут вытеснять из профессии менее талантливых нейрохирургов. В эпоху умных машин принцип сравнительного преимущества придется пересмотреть.

Задумайтесь, какие возможности открываются перед крупной корпорацией, которая сможет обучить одного сотрудника, а потом путем клонирования создать целую армию сотрудников, каждый из который мгновенно овладеет всеми знаниями и опытом первого сотрудника, но при этом еще и будет способен продолжать обучение и адаптироваться к новым ситуациям в будущем. Когда появится возможность реплицировать и масштабировать заключенный в информационных технологиях интеллект в рамках организаций, это может привести к коренной перестройке отношений между людьми и машинами. Для огромного числа рабочих компьютеры перестанут быть простым средством увеличения производительности — они станут полноценной их заменой. Это, разумеется, приведет к колоссальному увеличению показателей производительности во многих компаниях и целых отраслях, но также и сделает их куда менее трудоемкими.

Тирания «длинного хвоста»

Лучше всего влияние распределенного машинного интеллекта видно в самой индустрии информационных технологий. Распространение Интернета привело к появлению чрезвычайно прибыльных и могущественных корпораций с поразительно маленьким числом сотрудников. В 2012 г. корпорация Google, например, получила прибыль в размере почти $14 млрд, имея в штате менее 38 000 человек{111}. Сравните эти цифры с показателями в автомобилестроении. В 1979 г., когда уровень занятости в отрасли достиг максимального значения, в одной лишь General Motors работало почти 840 000. При этом доход компании в том году составил всего лишь $11 млрд, т. е. на 20 % меньше той горы денег, которую Google получила в 2012 г. И да, это после корректировки с учетом инфляции{112}. Штат Ford, Chrysler и American Motors был больше штата Google на сотни тысяч человек. При этом помимо собственных сотрудников предприятия отрасли создавали миллионы сопутствующих рабочих мест для среднего класса в сферах, связанных с вождением, ремонтом, страхованием и арендой автомобилей.

Разумеется, интернет-компании также создают возможности для занятости в сопряженных сферах. Новую информационную экономику часто превозносят, приписывая ей роль «великого уравнителя». И это действительно так: любой может начать писать блог и разместить в нем рекламу, продать что-нибудь на eBay или разработать приложение для iPhone. Эти возможности, несомненно, существуют, но они принципиально отличаются от тех традиционных рабочих мест для среднего класса, которые создавались в автомобилестроении. Данные ясно показывают, что доходы от деятельности в Интернете почти всегда соответствуют модели распределения, в которой победитель получает все. Хотя в теории Интернет должен уравнять всех с точки зрения возможностей, устранив все барьеры на входе, фактически деятельность в нем всегда приводит к высокому уровню неравенства.

Если на графике изобразить трафик, генерируемый пользователями сайтов, доходы от интернет-рекламы, продажи мелодий в интернет-магазине iTunes, книг на сайте Amazon, приложений в интернет-магазине AppStore компании Apple или Google Play или другие данные, относящиеся к любому виду коммерческой деятельности в Интернете, он практически всегда будет выглядеть так, как на рис. 3.3. Это вездесущее распределение по принципу «длинного хвоста» является центральным элементом бизнес-моделей корпораций, доминирующих в интернет-секторе. Компании вроде Google, eBay и Amazon способны генерировать выручку в любой точке кривой распределения. Если компания контролирует большой рынок, то при агрегации пускай даже и крошечных сумм вдоль всей кривой общая сумма выручки может легко достигать миллиардов.

Рынки товаров и услуг, которые могут быть перенесены в Интернет, в процессе своей эволюции неизбежно придут к распределению по принципу «победитель получает всё». Например, сферы торговли книгами и музыкой, размещения частных объявлений и аренды кинофильмов начинают все в большей и большей степени зависеть от горстки гигантских распределительных узлов. Одним из наиболее очевидных следствий этого процесса является исчезновение огромного количества рабочих мест для журналистов и сотрудников магазинов розничной торговли.

«Длинный хвост» хорош только тогда, когда это ваш «хвост». Однако у тех, кто занимает всего лишь одну точку на кривой распределения, не все так радужно. Чем ближе к кону «длинного хвоста», тем стремительнее доходы от большинства видов деятельности в Интернете падают до уровня карманной мелочи. Это не беда, если у вас есть альтернативный источник дохода или вам посчастливилось жить в подвале родительского дома. Проблема в том, что в процессе преобразования различных отраслей экономики под влиянием цифровых технологий возникает риск исчезновения все большего количества рабочих мест, являющихся основным источником дохода.

С потерей все большим количеством людей надежного источника дохода, обеспечивавшего место в рядах среднего класса, растет и число тех, кто решает обратиться к цифровому сегменту экономики в поисках возможностей для заработка. И происходит это именно на отрезке «длинного хвоста». Лишь немногим избранным суждено добиться случайного успеха, о котором все потом будут говорить, но подавляющему большинству придется бороться за поддержание уровня жизни, хотя бы отдаленно напоминающего уровень среднего класса. Как отметил Джарон Ланье — признанный «провидец» в мире технологий, множеству людей, скорее всего, придется жить в условиях неформальной экономики, характерной для стран третьего мира{113}. Молодые люди, которых манит царящая в неформальном секторе свобода, быстро осознают все ее недостатки, когда задумываются о собственном доме, воспитании детей и пенсии. Разумеется, в США, как и в других развитых странах, всегда были люди, живущие «в тени», но даже они в той или иной мере существуют за счет доходов критической массы домохозяйств, относящихся к среднему классу. Наличие этой мощной середины является одним из главных отличий развитой страны от бедной — и ее постепенное разрушение становится все более очевидным, особенно в США.

Можно не сомневаться, что большинство оптимистов из мира технологий не согласятся со мной. Они склонны видеть в информационных технологиях универсальный инструмент прогресса. В связи с этим не случайно этот оптимизм, как правило, присущ людям, преуспевшим в новых экономических условиях. Самые видные оптимисты цифровой эпохи обычно относятся к левой части «длинного хвоста» или, что указывает на еще больший успех, являются основателями компаний, которые держат в своих руках всю кривую распределения. В одном телевизионном спецпроекте канала PBS, вышедшем в эфир в 2012 г., изобретателю и футурологу Рэю Курцвейлу задали вопрос о возможности возникновения «цифрового неравенства», имея в виду то, что в новой информационной экономике материальное благополучие будет обеспечено лишь небольшому проценту населения. Курцвейл отверг саму мысль о таком неравенстве, указав на благотворное влияние таких технологий, как мобильная связь. Каждый, у кого есть смартфон, отмечает он, «носит с собой такой ресурс производительности, который еще 20–30 лет стоил миллиарды долларов»{114}. Правда, он не говорит, как обычный человек сможет превратить эту технологию в доход, на который сможет жить.

Распространение мобильных телефонов действительно способствовало повышению уровня жизни, но в наибольшей степени этот положительный эффект проявился в развивающихся странах, где отсутствуют какие-либо другие средства связи и нет соответствующей инфраструктуры. Об этом свидетельствует и самый обсуждаемый пример успеха, связанный с мобильной связью: история рыбаков, промышляющих ловом сардин в Керала — одном из регионов на юго-западном побережье Индии. В статье 2007 г. экономист Роберт Дженсен рассказал, как благодаря мобильным телефонам рыбаки получили возможность находить рынки с максимальной ценой на их рыбу{115}. До появления беспроводных технологий рыбаки выбирали деревню для сбыта своей рыбы наугад, что часто приводило к несовпадению предложения и спроса. Однако теперь, когда у них есть новые телефоны, рыбаки точно знают, где их ждут покупатели, значит, рынок в целом функционирует более эффективно, цены стабилизировались, а отходов стало значительно меньше.

Рыбаки из Карала стали своего рода символом, подтверждающим правоту оптимистического взгляда на будущее технологий, во всяком случае применительно к развивающимся странам, а их история оказалась на страницах многочисленных книг и в журнальных статьях{116}. Впрочем, даже если мобильные телефоны и приносят огромную пользу рыбакам третьего мира, у нас нет практически никаких данных, которые свидетельствовали бы о том, что простые жители развитых стран — или даже бедных стран, если уж на то пошло, — смогут получить сколь-нибудь ощутимый доход от пользования смартфонами. Даже высококвалифицированные разработчики ПО не могут обеспечить себе достаточный доход от продажи мобильных приложений, сталкиваясь с колоссальными трудностями, главная из которых, как можно легко догадаться, — вездесущее распределение по принципу «длинного хвоста». Зайдите на любой форум разработчиков для Android-устройств или iPhone, и вы наверняка наткнетесь на обсуждения, полные жалоб на доминирование принципа «победитель получает всё» в экосистеме мобильных устройств и невозможность монетизировать свое приложение. Таким образом, с практической точки зрения большинству потерявших работу представителей среднего класса наличие смартфона не дает никаких преимуществ, кроме возможности поиграть в Angry Birds в очереди центра занятости.

Вопрос об этичности

Если вернуться к удвоению одного пенса как средству измерения экспоненциального роста в мире цифровых технологий, становится очевидным, что текущий громадный баланс счета технологий является результатом усилий бесчисленного числа людей и организаций, трудившихся на протяжении многих десятилетий. А если попытаться прочертить траекторию прогресса, то начинать ее придется по крайней мере с начала XVII в., когда Чарльз Беббидж изобрел свою механическую разностную машину.

Несмотря на всю свою безусловную значимость, инновации, которым обязана своим фантастическим богатством и влиянием современная информационная экономика, не идут ни в какое сравнение с революционной работой, проделанной такими первопроходцами, как Алан Тьюринг и Джон фон Нейман. Вся разница в том, что сегодня для дальнейшего увеличения накопленного громадного баланса достаточно даже небольших поэтапных изменений. В известном смысле современных успешных инноваторов можно уподобить участнику Бостонского марафона, который прославился тем, что в 1980 г. присоединился к бегущим всего лишь за полкилометра до финишной линии.

Разумеется, все инноваторы опираются на достижения предшественников. Например, Генри Форд вряд ли бы придумал «Форд-Т», если бы не использовал опыт других. Однако, как мы уже могли убедиться, в мире информационных технологий все совершенно иначе. Уникальная способность информационных технологий обеспечивать масштабирование машинного интеллекта в рамках организаций с последующим сокращением штата, а также присущая им тенденция к созданию ситуаций, развивающихся по сценарию «победитель получает всё», будут иметь очень серьезные последствия как для экономики, так и для общества.

Наступит момент, когда нам придется ответить на фундаментальный этический вопрос: должны ли все остальные заявить о своем праве на часть этого накопленного на технологическом счету баланса? Конечно, стремительное развитие цифровых технологий приносит обществу немалую выгоду в виде снижения затрат и свободного доступа к информации и развлечениям в удобной форме. Но это возвращает нас к проблеме, упомянутой в связи с замечанием Курцвейла о мобильных телефонах: все эти вещи не приносят никакого дохода.

Кроме того, следует помнить, что в значительной мере фундаментальные исследования, обеспечившие прогресс в секторе информационных технологий, финансировались из кармана американских налогоплательщиков. Например, компьютерная сеть, эволюция которой в конечном итоге привела к появлению Интернета, была создана на деньги Управления перспективных исследований Министерства обороны США (Defense Advanced Research Projects Agency, DARPA)[23]. Сам закон Мура отчасти является результатом университетских исследований, проводившихся при финансовой поддержке Национального научного фонда (National Science Foundation). Ассоциация полупроводниковой промышленности (Semiconductor Industry Association), защищающая интересы производителей на политическом уровне, активно лоббирует выделение дополнительных инвестиций на исследования из федерального бюджета. В какой-то мере современные компьютерные технологии существуют благодаря тому, что миллионы налогоплательщиков из среднего класса поддерживают финансирование фундаментальных исследований за счет федерального бюджета на протяжении нескольких десятилетий после Второй мировой войны. С большой долей уверенности можно сказать, что, выступая в поддержку такого финансирования, налогоплательщики рассчитывали, что плоды этих исследований помогут обеспечить процветание их детям и внукам в будущем. Однако, если судить по тенденциям, рассмотренным нами в предыдущей главе, мы движемся в совершенно другом направлении.

Если оставить в стороне вопрос о том, является ли этичным фактический захват всего накопленного обществом технологического капитала горсткой людей, образующих элиту, остается ряд проблем практического характера, касающихся общего состояния экономики, в которой неравенство доходов достигает столь высокого уровня. Непрерывность прогресса зависит от сохранения потребности в будущих инновациях на рынке, а это, в свою очередь, предполагает рациональное распределение покупательской способности.

В следующих главах мы рассмотрим более подробно некоторые из экономических и социальных последствий неудержимого роста цифровых технологий. Но сначала давайте взглянем на то, как эти инновации создают все более реальную угрозу для рабочих мест, требующих высокой квалификации и занимаемых выпускниками колледжей или даже людьми с научными степенями.

11 октября 2009 г. Los Angeles Angels обыграли Boston Red Sox в плей-офф Американской лиги, заработав право сразиться с New York Yankees за звание чемпиона лиги и место в Мировой серии. Для Angels эта победа была наполнена особым смыслом: всего за шесть месяцев до того один из самых многообещающих игроков команды питчер Ник Аденхарт погиб в аварии, виновником которой был пьяный водитель. Один спортивный журналист начал свою статью об игре следующими словами:

«Когда в воскресенье на стадионе „Фенуэй Парк“ в девятом иннинге Angels проигрывали с разницей в две пробежки, никто уже не верил в их победу, но лосанджелесцы сумели переломить ход игры благодаря важнейшему синглу Владимира Гуэрреро, вырвав победу у Boston Red Sox со счетом 7–6.

Гуэрреро принес Angels два рана. Cчет на подаче был 2–4.

"Если вспоминать о Нике Аденхарте и апрельской трагедии в Анахайме, да, пожалуй, это был самый важный хит [в моей карьере], — сказал Гуэрреро. — Так что я посвящаю эту победу своему бывшему товарищу по команде, парню, которого с нами уже нет".

Гуэрреро хорошо себя проявил во всех играх сезона, особенно в дневных. В дневных играх он показал OPS [процент занятия базы плюс слаггинг] на уровне 0,794. Он выбил пять хоумранов и принес 13 ранов в 26 дневных играх»{117}.

Автору этого текста, наверное, вряд ли стоит рассчитывать на какие-либо награды за свой писательский труд. Тем не менее приведенный выше рассказ — поразительное достижение: дело не в том, что он хорошо читается, в нем нет грамматических ошибок и он содержит точное описание бейсбольного матча; просто его автор — компьютерная программа.

Эту программу (под названием StatsMonkey) создали студенты и преподаватели Лаборатории интеллектуальной информации (Intelligent Information) при Северо-Западном университете. StatsMonkey предназначена для автоматизации процесса написания материалов о спорте за счет превращения объективных данных об отдельно взятой игре в захватывающее повествование. Возможности системы выходят далеко за рамки простого перечисления фактов; скорее, она описывает события, добавляя в рассказ все те основные атрибуты спортивной журналистики, которые присущи работам журналистов-людей. Для выявления значимых событий, имевших место во время матча, StatsMonkey выполняет статистический анализ; затем она использует естественный язык для создания текста, в котором кратко описывается ход игры, а также уделяется особое внимание решающим моментам и ключевым игрокам, определившим ее исход.

В 2010 г. исследователи из Северо-Западного университета, которые руководили работавшей над StatsMonkey группой студентов, специализировавшихся в области вычислительной техники и журналистики, получили финансовую поддержку от венчурных инвесторов и основали новую компанию под названием Narrative Science, Inc. с целью коммерциализации данной технологии. Компания наняла лучших специалистов в области вычислительных систем и инженеров; новая команда избавилась от первоначального кода StatsMonkey и создала значительно более мощную и комплексную систему искусственного интеллекта, которая получила название Quill.

Технология Narrative Science используется крупнейшими средствами массовой информации, в том числе Forbes, для написания статей на различные темы, включая спорт, бизнес и политику. Разработанное компанией ПО генерирует новостные материалы приблизительно каждые 30 секунд; при этом многие из них публикуются на популярных сайтах, которые предпочитают не афишировать свою связь с данным сервисом. В 2011 г. в ходе отраслевой конференции корреспондент Wired Стивен Леви попросил одного из основателей Narrative Science Кристиана Хэммонда оценить, какой будет доля новостных материалов, написанных с помощью программных алгоритмов, в ближайшие 15 лет. В ответ он услышал: более 90 %{118}.

Narrative Science строит далекоидущие планы, не собираясь ограничиваться одной лишь индустрией новостей. Назначение Quill — служить универсальной платформой для анализа и написания нарративных текстов, составлять высококачественные отчеты как для внутреннего пользования, так и для публикации в ряде отраслей. Работа Quill начинается со сбора данных из различных источников, включая базы данных о транзакциях, системы финансовой и торговой отчетности, сайты и даже социальные медиа. Затем система выполняет анализ собранных данных, выбирая самые важные и интересные факты и выводы. Наконец, она сплетает из всей этой информации связное повествование, которое, по заверениям компании-разработчика, сопоставимо с результатами труда лучших аналитиков. После соответствующей настройки система Quill способна практически мгновенно формировать бизнес-отчеты с заданной периодичностью — и все это без вмешательства человека{119}. Учитывая, что одним из первых инвесторов, поддержавших Narrative Science в самом начале пути, было In-Q-Tel — подразделение ЦРУ, отвечающее за венчурные проекты, можно с большой долей уверенности утверждать, что разработанные компанией инструменты будут использоваться для автоматического преобразования потоков необработанных данных, собираемых специалистами американской разведки, в удобный для понимания повествовательный формат.

Пример технологии Quill демонстрирует, насколько уязвимыми для автоматизации оказываются задачи, которые когда-то считались исключительной прерогативой высококвалифицированных профессионалов с высшим образованием. Разумеется, связанная со знаниями работа обычно предполагает наличие широкого круга навыков и талантов. Среди прочего аналитик должен уметь извлекать информацию из различных систем, строить статистические или финансовые модели, а затем доходчиво доносить результаты своей работы до аудитории в виде отчетов или презентаций. Может показаться, что писательский труд — в котором, как ни крути, столько же искусства, сколько и науки, — относится к видам деятельности, в последнюю очередь поддающимся автоматизации. Но, как оказывается, это совсем не так, а алгоритмы с каждым днем становятся все более совершенными. Более того, учитывая то, что для автоматизации профессий, связанных с умственным трудом, достаточно одного лишь ПО, соответствующие рабочие места во многих случаях могут оказаться более уязвимыми, чем рабочие места для людей с низкой квалификацией, предполагающие физический труд.

Стоит отметить, что письменная речь относится к тем навыкам, которые, судя по жалобам работодателей, чаще всего недостаточно хорошо развиты у выпускников колледжей. По данным одного из недавних опросов работодателей, около половины всех принятых на работу выпускников, проведших в колледже два года, и более четверти выпускников с четырехлетним образованием не умеют письменно излагать свои мысли, а в некоторых случаях еще и недостаточно хорошо читают{120}. Если интеллектуальное ПО способно, как это утверждают специалисты Narrative Science, составить конкуренцию самым талантливым аналитикам, рост потребности в специалистах, чья работа связана с умственным трудом, в будущем оказывается под большим вопросом. Это касается всех выпускников колледжей, в особенности наименее подготовленных.

Большие массивы данных и машинное обучение

Система написания нарративных текстов Quill — лишь один из многих примеров нового прикладного ПО, разрабатываемого с целью обеспечения максимально эффективного использования тех огромных объемов данных, которые собирают и хранят частные компании, организации и государственные органы повсюду в мире. По некоторым оценкам, общий объем хранимых в мире данных в настоящее время измеряется тысячами экзабайт (1 экзабайт равен 1 млрд гигабайт); причем эта величина постоянно растет в соответствии с законом, напоминающим закон Мура, удваиваясь приблизительно каждые три года{121}. Почти все эти данные сегодня хранятся в цифровом формате, а значит, компьютеры могут работать с ними напрямую. Одни только серверы Google ежедневно обрабатывают около 24 петабайт (1 петабайт равен 1 млн гигабайт) данных, главным образом относящихся к поисковым запросам миллионов пользователей{122}.

Все эти данные поступают из множества разнородных источников. Если взять один только Интернет, это будут данные о посещениях сайтов, поисковых запросах, сообщениях электронной почты, общении в социальных медиа, переходах по рекламным ссылкам и многое, многое другое. Если брать бизнес-сектор, то следует упомянуть данные о транзакциях, договорах с клиентами, внутренних коммуникациях, а также данные из финансовых, бухгалтерских и маркетинговых систем. На заводах, в больницах, автомобилях, самолетах и бесчисленных устройствах бытового и промышленного назначения непрерывно собираются данные в режиме реального времени.

Подавляющее большинство этих данных представляют собой то, что специалисты по компьютерным вычислениям называют «неструктурированными» данными. Другими словами, они поступают в различных форматах, которые трудно поддаются сопоставлению или сравнению. Это очень сильно отличает их от содержимого традиционных реляционных баз данных, в которых информация хранится в виде аккуратно упорядоченных строк и столбцов, что обеспечивает высокую скорость, надежность и точность поиска. Обработка неструктурированных данных потребовала создания новых инструментов, специально предназначенных для углубленного анализа информации, собранной из различных источников. Стремительный прогресс в этой области — всего лишь еще один пример того, как компьютеры, пускай и в довольно упрощенной форме, учатся делать то, что совсем недавно было доступно только людям. Все-таки способность непрерывно обрабатывать поток неструктурированной информации из множества различных источников во внешней среде всегда относилась к числу уникальных для человека механизмов адаптации. Разница, разумеется, в том, что человек никогда не сможет оперировать большим объемом данных в тех же масштабах, что и компьютеры. Большие данные оказывают революционное воздействие на широкий круг областей, включая бизнес, политику, медицину и практически все группы естественных и социальных наук.

Благодаря большим данным крупнейшие ретейлеры могут получить небывало подробное представление о покупательских предпочтениях отдельных потребителей, что дает им возможность формулировать адресные предложения и тем самым увеличивать собственную выручку, при этом повышая лояльность клиентов. Полицейские по всему миру обращаются к алгоритмическому анализу для прогнозирования наиболее вероятных мест и периодов совершения преступлений и распределяют свои силы в соответствии с полученными результатами. На специальном портале жители Чикаго могут ознакомиться как с ретроспективными, так и с актуальными данными, относящимися к самым разным сферам жизни и отражающими самые разные аспекты существования в большом городе, включая потребление энергии, уровень преступности, показатели эффективности работы транспортной инфраструктуры, школ, учреждений здравоохранения и даже количество выбоин и ям на дорогах, которые латали в конкретный период времени. Благодаря инструментам, которые реализуют новые способы визуализации данных, полученных путем анализа общения в социальных медиа, а также поступающих с датчиков, встроенных в двери, турникеты и эскалаторы, градостроители и сотрудники городской администрации могут наблюдать за тем, как люди перемещаются, работают и общаются в пределах городской среды, получая возможность оперативно корректировать свои действия с целью повышения эффективности работы городских служб и создания максимально комфортных условий для жизни.

Однако у этой тенденции есть и обратная сторона. Деятельность компании Target, Inc. является примером куда более спорного подхода к использованию огромных массивов чрезвычайно подробных данных о клиентах в коммерческих целях. Эта компания наняла специалиста по анализу и обработке данных, который обнаружил сложный набор корреляций, позволяющих с очень большой долей вероятности предсказывать наличие беременности на раннем сроке у покупательниц на основе анализа продаж по двадцати пяти различным видам косметической и медицинской продукции. Проводимый компанией анализ был настолько точным, что даже позволял с высокой степенью точности определять срок беременности у конкретной женщины. Получив эти данные, сотрудники Target начинали забрасывать женщин предложениями о покупке товаров для беременных, да еще и на столь раннем сроке, что во многих случаях ближайшее окружение женщины даже не знало о ее положении. В начале 2012 г. в The New York Times была опубликована статья, в которой рассказывалось об одном любопытном случае: ничего не подозревавший отец девочки-подростка пожаловался руководству магазина на неподобающие рекламные материалы, присылаемые на почтовый адрес семьи, а потом узнал, что сотрудники Target фактически были лучше осведомлены о жизни его дочери, чем он сам{123}. Некоторые критики опасаются, что эта не самая приятная история — лишь начало и что большие данные все чаще и чаще будут использоваться для получения информации, которая может нарушать неприкосновенность частной жизни или даже угрожать свободе.

Выводы, получаемые при анализе больших данных, как правило, основываются исключительно на корреляциях и ничего не говорят о причинах изучаемого феномена. Алгоритм может выяснить, что если A соответствует действительности, то и B, скорее всего, тоже верно. Но он не способен установить причинно-следственную связь между A и B и уж тем более не может установить, обусловлены ли A и B каким-либо иным внешним фактором. Во многих случаях, однако, и в особенности в мире бизнеса, где абсолютным критерием успеха является прибыльность и эффективность, а не глубина понимания, даже простая корреляция сама по себе может представлять очень большую ценность. Большие данные могут стать для менеджмента источником подробнейших сведений по самому широкому кругу вопросов: все — от параметров работы каждого отдельного станка до общих результатов работы международной корпорации — может быть потенциально подвергнуто анализу с такой степенью подробности, которая прежде была просто невозможна.

Непрерывно увеличивающийся в объеме массив данных все чаще рассматривается в качества своего рода ресурса, который, если за него взяться как следует, может стать источником ценной информации, причем не только сейчас, но и в будущем. Глядя на компании в добывающих отраслях (например, нефтегазовой), год за годом с успехом пользующихся плодами технического прогресса, легко представить, как, вооружившись возросшей вычислительной мощью компьютеров, а также усовершенствованным ПО и новыми методами анализа, корпорации во всех секторах экономики препарируют данные, извлекая из них знания, которые сразу превращаются в дополнительную прибыль. Более того, как раз вера инвесторов в то, что все так и будет, судя по всему, и является главным фактором, обуславливающим такую громадную рыночную стоимость компаний, работающих с большими объемами данных, т. е. таких, как Facebook.

Машинное обучение — метод, при котором компьютер перебирает данные и, по сути, пишет собственную программу на основе обнаруженных статистических закономерностей, — является одним из наиболее эффективных средств извлечения самой ценной информации. Как правило, процесс машинного обучения разбивается на два этапа: сначала алгоритм обучается на имеющихся данных, а затем применяется к новой информации для решения похожих задач. Самый очевидный пример использования машинного обучения на практике — фильтры спама в электронной почте. На этапе обучения алгоритм обрабатывает миллионы сообщений, заранее помеченных как спам или не спам. При этом никто не садится и не программирует систему напрямую так, чтобы она могла распознавать все мыслимые способы написания слова «виагра». Вместо этого программа учится самостоятельно распознавать нужную информацию. Результатом обучения является приложение, которое способно автоматически идентифицировать основной массив нежелательной почты и при этом постоянно совершенствоваться и адаптироваться по мере появления новых образцов спама. Алгоритмы машинного обучения, работающие на основе тех же самых принципов, используются и при подборе рекомендуемых книг на Amazon, фильмов — на Netflix и потенциальных партнеров — на Match.

Одним из самых впечатляющих примеров эффективности машинного обучения стал созданный Google онлайн-переводчик. Используемые в нем алгоритмы основаны на подходе, который можно назвать подходом Rosetta Stone[24] и который предполагает анализ и сравнение миллионов страниц текста, который уже был переведен на различные языки. Разработчики Google начали с официальных документов Организации Объединенных Наций, а затем расширили круг исходных текстов, включив в него содержимое Всемирной паутины. Чтобы найти достаточное количество примеров для ненасытных алгоритмов самообучения, они использовали поисковую систему Google. Если судить по одному только количеству документов, использовавшихся в процессе обучения системы, то становится очевидно, что ничего подобного прежде не было. Специалист в области компьютерных вычислений Франц Ок, который руководил проектом, отметил, что его команда выстроила «очень-очень большие языковые модели, намного более масштабные, чем все, что было прежде за всю историю человечества»{124}.

В 2005 г. система Google приняла участие в ежегодном соревновании по машинному переводу, проводимом Национальным бюро стандартов и технологий, подразделением Министерства торговли США, отвечающим за публикацию стандартов измерения. Алгоритмы машинного обучения Google легко обошли всех остальных участников. До этого победа обычно доставалась лингвистам и языковедам, которые тратили немало сил на то, чтобы помочь своим системам перевода не увязнуть в трясине противоречивых и непоследовательных грамматических правил того или иного естественного языка. Главный вывод, который можно сделать из этой победы: даже самые лучшие программисты не способны создать что-нибудь сравнимое с тем объемом знаний, который заключен в наборе данных большого размера. По качеству система Google пока еще не может конкурировать с квалифицированными переводчиками-людьми, но главное ее преимущество — она способна работать более чем с пятьюстами языковыми парами, переводя в обе стороны. Это самая настоящая революция в области общения: впервые в человеческой истории практически любой может мгновенно и совершенно бесплатно получить приблизительный перевод почти любого документа на любом языке.

Существует ряд подходов к машинному обучению, но наиболее эффективной и удивительной является методика, связанная с использованием искусственных нейронных сетей — систем, спроектированных в соответствии с теми же фундаментальными принципами, что лежат в основе работы человеческого мозга. Мозг состоит из 100 млрд нейронных клеток и многих триллионов межклеточных связей, но для построения эффективных обучаемых систем достаточно куда более простой системы искусственных нейронов.

Работу отдельного нейрона можно сравнить с выскакивающими пластиковыми фигурками развивающих игрушек, которые так нравятся малышам. Когда ребенок нажимает клавишу, перед ним появляется цветная фигурка — это может быть, например, персонаж мультфильма или животное. Легкое нажатие на клавишу ни к чему не приводит. Даже если нажать чуть сильнее, все равно ничего не произойдет. Но достаточно достигнуть определенного порога усилия — и фигурка тут как тут. Приблизительно так и работает нейрон, за исключением того, что вместо клавиши для его активации требуется определенная комбинация входных параметров.

Чтобы наглядно представить нейронную сеть, вообразите устройство наподобие машины Руба Голдберга[25], которое состоит из нескольких таких развивающих игрушек, составленных рядами на полу. Над каждой клавишей, приводящей в действие фигурки, три механических пальца. Правда, вместо того, чтобы просто выпрыгивать, фигурки так расположены, что срабатывание одной из них приводит к опусканию нескольких механических пальцев в последующих рядах игрушек и нажатию связанных с ними клавиш. Ключевым фактором, определяющим способность нейронной сети обучаться, является возможность регулирования усилия, с которым палец нажимает на соответствующую клавишу.

Чтобы обучить нейронную сеть, необходимо загрузить имеющиеся данные в первый ряд нейронов. В качестве примера можно представить ввод изображений написанных от руки писем. При получении входных данных некоторые механические пальцы нажимают на кнопки с различным усилием, уровень которого зависит от их настройки. Это, в свою очередь, приводит к активации некоторых нейронов и срабатыванию клавиш в следующем ряду. Результатом срабатывания последнего ряда нейронов становятся выходные данные, т. е. ответ. В нашем примере в качестве выходных данных будет получен двоичный код, который укажет на букву алфавита, соответствующую полученному на входе изображению. Сначала ответ будет неверным. Но нужно помнить, что у нашей машины есть встроенный механизм сравнения и формирования обратной реакции. Выходные данные сравниваются с правильным ответом, который известен, что автоматически приводит к корректировке усилия у механических пальцев во всех рядах, а это, в свою очередь, изменяет последовательность срабатывания нейронов. По мере ввода в сеть все новых и новых изображений, сопровождающегося непрерывной калибровкой усилия, с которым пальцы нажимают на клавиши, сеть будет все чаще и чаще выдавать верный ответ. Обучение считается оконченным, когда достигается состояние, при котором частота правильных ответов перестает расти.

Если вкратце, то именно так выглядит процесс, благодаря которому нейронные сети приобретают способность распознавать изображения и речь, переводить с одного языка на другой и выполнять множество иных задач. Результатом обучения является программа — по сути, список всех последних настроек механических пальцев, располагающихся над клавишами активации нейронов, — которая затем может быть использована для конфигурирования новых нейронных сетей. Иными словами, после загрузки программы эти сети смогут автоматически формировать ответы на основе новых данных без повторения обучения.

Впервые идея искусственной нейронной сети возникла в конце 1940-х гг., когда был проведен ряд экспериментов. В течение долго времени они использовались для выявления закономерностей. Однако в последние годы был совершен ряд революционных открытий, которые привели к значительному увеличению производительности, особенно при использовании многоярусных нейронных сетей, построенных по технологии, которая получила название «углубленное обучение» (deep learning). Системы углубленного обучения уже применяются при распознавании речи в голосовом помощнике Siri компании Apple; ожидается, что их внедрение будет способствовать ускорению темпов развития во многих прикладных областях, предполагающих выявление и анализ закономерностей. Например, в 2011 г. ученые из Университета Лугано в Швейцарии спроектировали нейронную сеть со способностью к углубленному обучению, которая смогла правильно идентифицировать свыше 99 % изображений из обширной базы данных о дорожных знаках — с таким уровнем точности не смог сравниться никто из соревновавшихся с системой людей. Исследователи из Facebook также разработали экспериментальную систему, состоящую из девяти уровней искусственных нейронов, которая может определить, что на двух фотографиях изображен один и тот же человек, в 97,25 % случаев, несмотря на условия освещения и ориентацию лица. Для сравнения: участвовавшие в эксперименте люди давали правильный ответ в 97,53 % случаев{125}.

Один из ведущих экспертов в этой области Джеффри Хинтон из Университета Торонто отмечает, что технология углубленного обучения «отлично поддается масштабированию. Просто сделайте ее больше и быстрее, и она будет лучше работать»{126}. Другими словами, даже если оставить в стороне совершенствование принципов работы таких сетей, можно с уверенность утверждать, что системы машинного обучения на основе сетей со способностью к углубленному обучению ждет этап стремительного роста — этот простой вывод следует из закона Мура.

По мере того как работодатели — и в особенности большие корпорации — все больше и больше усиливают контроль над режимом работы и социальными связями своих сотрудников, постоянно расширяя круг отслеживаемых показателей и параметров, большие данные и используемые для их обработки сложные алгоритмы начинают напрямую влиять на условия работы и карьерный рост сотрудников. Так называемая «аналитика трудовых ресурсов» (people analytics) играет все большую роль при принятии компаниями решений о найме, увольнении, оценке результативности и повышении сотрудников. Объем собираемых данных о конкретных людях и о выполняемой ими работе поражает воображение. Некоторые компании контролируют каждое нажатие клавиши каждым сотрудником. Сообщения электронной почты, расшифровки телефонных разговоров, поисковые запросы, обращение к базам данным, доступ к файлам, нахождение на территории работодателя — все эти, а также другие данные самых разных видов, точное количество которых даже трудно определить, подлежат сбору и анализу (в одних случаях с согласия самих сотрудников, а в других — без их ведома){127}. Разумеется, изначально целью сбора и анализа всех этих данных являются повышение эффективности управления и оценка результатов работы сотрудников. Но в определенный момент эти данные могут быть использованы совсем для других целей: например, для разработки ПО, автоматизирующего большую часть выполняемой работы.

Если говорить о последствиях революции в области больших данных для будущего профессий, связанных с умственным трудом, вероятно, стоит выделить два самых главных. Во-первых, во многих случаях собранных данных может оказаться достаточно для автоматизации конкретных задач и даже целых видов профессиональной деятельности. Подобно тому, как человек может научиться новой профессии, изучив опыт предшественников и опробовав его на практике при решении конкретных задач, современные сложные алгоритмы, по сути, способны проделать то же самое и полностью заменить человека. Чтобы убедиться в этом, достаточно вспомнить, что в ноябре 2013 г. компания Google подала заявку на регистрацию патента, описывающего систему, предназначенную для автоматического создания персонализированных сообщений электронной почты и ответов в социальных сетях{128}. Принцип работы системы таков: сначала она анализирует существующие письма и посты в социальных сетях определенного человека. Основываясь на полученных знаниях, она затем автоматически пишет ответы на новые сообщения электронной почты, сообщения в Twitter и посты в блоге, используя при этом характерные для данного человека индивидуальный стиль и манеру письма. Легко представить, как такая система может быть использована в будущем для автоматизации существенной части повседневного общения.

Еще одним примером, указывающим на наиболее вероятное направление дальнейшей эволюции технологий автоматизации с использованием больших данных, являются роботы-автомобили компании Google, впервые представленные в 2011 г. Инженеры Google сразу отказались от идеи создания робота, который бы мог заменить человека за рулем обычного автомобиля, — это в любом случае было бы за пределами возможностей современных технологий искусственного интеллекта. Вместо этого они упростили задачу, спроектировав высокопроизводительную систему обработки данных и поставив ее на колеса. Автомобили Google перемещаются в пространстве, опираясь на точные данные о местоположении, определяемом с помощью GPS в сочетании с огромным объемом чрезвычайно подробных картографических данных. Разумеется, автомобили также оснащены радарами, лазерными дальномерами и иными системами, обеспечивающими непрерывный поток актуальных данных и помогающими машинам адаптироваться к изменению условий и новым ситуациям, таким, например, как выход пешехода на проезжую часть. Причислять водителей к белым воротничкам, конечно, никто не будет, но использованная Google общая стратегия может быть легко применена во множестве других областей. Сначала берется огромный массив исторических данных, на основе которого создается общая «карта», и затем эта «карта» используется специальными алгоритмами при выполнении рутинных задач. Следующий шаг — в игру вступают самообучающиеся системы, которые способны адаптироваться к отклонениям от алгоритма и непрогнозируемым ситуациям. В результате получаем интеллектуальное ПО, которое может качественно выполнять многие виды работ, связанные с умственным трудом.

Во-вторых, пожалуй, более важным последствием внедрения технологий обработки больших данных для работников умственного труда станут изменения в работе организаций и методах управления ими. Большие данные и алгоритмы прогнозирования могут полностью изменить сам характер умственного труда и количество связанных с ним рабочих мест в организациях во всех отраслях. Прогностическая информация, которая может быть получена из данных, будет все чаще использоваться в качестве замены таким человеческим качествам, как опыт и способность суждения. А по мере перехода управленцев к принятию решений на основе результатов обработки данных с помощью автоматизированных средств потребность в обширной аналитической и управленческой инфраструктуре с привлечением значительных людских ресурсов будет неуклонно снижаться. Таким образом, там, где сегодня требуется целая команда аналитиков, которые собирают информацию и доводят результаты анализа до сведения руководителей разного уровня, в будущем будет достаточно одного управленца с мощным алгоритмом. Структура организаций, вероятно, будет упрощаться. Необходимость в руководителях среднего звена отпадет, а рабочие места для квалифицированных аналитиков просто-напросто исчезнут, так как большинство связанных с анализом задач смогут выполнять обычные сотрудники.

Одним из ярчайших примеров того колоссального влияния, которое внедрение технологий автоматизации умственного труда способно оказать на работу организаций, может служить ПО, разрабатываемое стартапом из Нью-Йорка WorkFusion. Эта компания предлагает крупным корпорациям интеллектуальную программную платформу, которая автоматизирует практически весь цикл работ по управлению проектами, в прошлом считавшихся исключительно трудоемкими, за счет комбинирования краудсорсинга и автоматизации.

Программное обеспечение WorkFusion начинает работу с анализа проекта, выявляя задачи, которые могут быть автоматизированы напрямую; задачи, которые требуют использования краудсорсинга, и задачи, которые должны выполняться штатными специалистами. Система может автоматически публиковать списки вакансий на специализированных сайтах (например, Elance и Craigslist), а также управлять процессом отбора и найма квалифицированных фрилансеров. Также система занимается распределением заданий и оценкой результатов работы нанятых специалистов. В частности, с целью проверки качества работы фрилансеров система периодически просит их ответить на вопросы, ответ на которые она уже знает. Она отслеживает показатели производительности труда (например, скорость печати) и автоматически подбирает сотрудникам работу, исходя из их способностей. Если определенный сотрудник не может справиться с какой-либо задачей, система автоматически передает ее другому сотруднику, обладающему необходимыми навыками.

Следует отметить, что, несмотря на почти полную автоматизацию процесса управления проектом и значительное снижение потребности в штатных специалистах, использование данного ПО, несомненно, открывает новые возможности перед фрилансерами. Впрочем, так будет не всегда: по мере выполнения сотрудниками выданных заданий алгоритмы машинного обучения WorkFusion непрерывно ищут возможности для дальнейшей автоматизации всего процесса. Другими словами, даже когда фрилансеры работают под контролем системы, они фактически генерируют исходные данные для машинного обучения, т. е. со временем выполняемые ими задачи также будут автоматизированы.

В одном из первых своих проектов компания должна была собрать информацию для актуализации набора данных, состоящего приблизительно из 40 000 записей. Ранее заказавшая проект корпорация ежегодно привлекала к этой работе штатных сотрудников, платя им приблизительно по $4 за каждую запись. После внедрения платформы WorkFusion заказчик получил возможность актуализировать записи ежемесячно по цене $0,2 за каждую. Сотрудники WorkFusion установили, что дальнейшая автоматизация процесса за счет встроенных в систему алгоритмов машинного обучения, как правило, обеспечивает снижение расходов на 50 % через один год и еще на 25 % — через два{129}.

Когнитивные вычисления и суперкомпьютер IBM Watson

В один из осенних дней в 2004 г. топ-менеджер IBM Чарльз Ликель обедал с небольшой группой исследователей в стейк-хаусе рядом с Поукипзи в штате Нью-Йорк. Ровно в семь вечера сотрудники IBM, к своему глубокому удивлению, увидели, как люди вокруг начали вставать из-за столов, устремляясь к телевизору в зоне бара. Оказалось, что Кен Дженнингс, который к тому времени уже выиграл более пятидесяти игр подряд в телевизионной викторине «Jeopardy!», решил продолжить свою победную серию. Ликель заметил, что завсегдатаи ресторана не вернулись к своим стейкам, пока игра не закончилась, — они были полностью поглощены шоу{130}.

Этот случай, если верить воспоминаниям его участников, сыграл ключевую роль в рождении идеи о создании компьютера, который мог бы принять участие — и победить лучших игроков — в «Jeopardy!»[26]. У компании IBM был большой опыт инвестирования в резонансные проекты, которые ее сотрудники называли «глобальными вызовами», демонстрирующие мощь технологий IBM и обеспечивающие при этом такой уровень внимания к компании, который невозможно купить ни за какие деньги. В рамках предшествующего глобального проекта, за семь с половиной лет до того, другой суперкомпьютер IBM под названием Deep Blue нанес поражение чемпиону мира по шахматам Гарри Каспарову в ходе матча из шести игр — события, которое навсегда связало бренд IBM с уникальным моментом в истории, когда машина впервые взяла верх над человеком в шахматах. Руководству компании нужен был новый глобальный вызов, который мог бы привлечь внимание общественности к деятельности IBM и со всей очевидностью продемонстрировать ее лидерство в области технологий, а также — и, пожалуй, это было важнее всего — опровергнуть любые домыслы о том, что после Big Blue компания IBM передала эстафетную палочку главного инноватора в мире информационных технологий Google и стартапам из Кремниевой долины.

Несмотря на горячую поддержку со стороны топ-менеджеров компании, идея соперничества между машиной и человеком в формате «Jeopardy!», кульминацией которого должен был стать матч между лучшими игроками и компьютером IBM, поначалу была встречена в штыки инженерами, которым, собственно, и предстояло заниматься ее реализацией. Чтобы играть в «Jeopardy!», компьютер должен был обладать возможностями, намного превосходящими все, что было до того. Многие исследователи опасались, что все это закончится неудачей или — хуже того — позором для компании на национальном телевидении.

И действительно, никаких убедительных аргументов в пользу того, что триумф Deep Blue в шахматах мог быть повторен в «Jeopardy!», не было. Шахматы — игра с четко сформулированными правилами; она практически идеально подходит для обкатки вычислительных технологий. В значительной мере своей победой IBM была обязана мощным аппаратным средствам, которые были специально подобраны для решения конкретной проблемы. Deep Blue представлял собой напичканную процессорами систему размером с холодильник, спроектированную специально для игры в шахматы. Благодаря всей этой мощи суперкомпьютер мог просто перебирать все возможные ходы с учетом текущего положения фигур на доске. Затем для каждого из возможных вариантов дальнейшего развития событий программные алгоритмы просчитывали игру на множество ходов вперед, взвешивая возможные действия обоих игроков и буквально воспроизводя бесчисленное количество перестановок — трудоемкий процесс, которые почти всегда обеспечивал нахождение оптимальной стратегии. По сути дела, Deep Blue был примером чистой математики; вся информация, которая требовалась компьютеру для игры, поступала ему в удобном для обработки формате, не требовавшем никаких дополнительных преобразований. При этом машине не нужно было взаимодействовать со средой так, как это делает игрок.

В «Jeopardy!» все было совершенно по-другому. В отличие от шахмат, эта игра по самой своей природе не ограничена никакими рамками. В ней могут быть вопросы на любую тему, с которой знаком каждый образованный человек, включая историю, кинематограф, литературу, географию, массовую культуру и многое-многое другое. В таких условиях компьютер сталкивается с целым рядом чрезвычайно трудных проблем технического характера. Самая большая из них — необходимость понимать естественный язык: компьютер должен получать информацию и давать ответы в той же форме, что и обычные игроки. Еще одним особенно трудным препятствием на пути к победе в «Jeopardy!» является то обстоятельство, что это шоу не просто честная игра по правилам, но еще и увлекательное развлечение для миллионов телезрителей. Сценаристы часто намеренно добавляют в подсказки юмор, иронию и утонченную игру слов — другими словами, все те виды входных данных, которые как будто специально предназначены для того, чтобы спровоцировать компьютер на глупый ответ.

В одном документе компании IBM, в котором описывается технология Watson, указывается на следующее: «Мы имеем дело с носами, которые текут, и ногами, которые пахнут. Как "никаких шансов" может означать то же, что и "держи карман шире", а "умник" и "умница" — быть противоположными по смыслу? Как понять, когда "сгореть" — это о доме, который сгорел дотла, а когда — о человеке, который растратил весь свой потенциал? Почему, чтобы вывести данные на экране, мы должны их ввести?»{131}. Чтобы сыграть в «Jeopardy!», компьютер должен тонко чувствовать все нюансы повседневного словоупотребления, при этом демонстрируя такой общий уровень понимания смысла высказываний, который намного превосходит любые аналогичные компьютерные алгоритмы, предназначенные для погружения в пучину текста в поисках ответов. Возьмем, для примера подсказку «Забей его, и штраф тебе обеспечен»[27]. Это — подсказка из игры, которая была показана в эфире в июле 2000 г. При этом она была в самом верхнем ряду экрана с заданиями, т. е. считалась очень легкой. Попробуйте выполнить поиск по этим словам в Google, и вы получите множество страниц с информацией о различных видах штрафов за самые разные виды нарушений. (Разумеется, следует исключить из результатов точное совпадение с фразой на сайте, содержащем все вопросы из прошедших игр «Jeopardy!»). Правильный ответ — «Что такое „биток“[28]?» — полностью ускользает от внимания алгоритма Google, отвечающего за поиск по ключевым словам[29].

Все эти трудности не были секретом для специалиста по искусственному интеллекту Дэвида Феруччи, который руководил командой, занимавшейся созданием Watson. Перед этим Феруччи возглавлял небольшую группу исследователей в IBM, разрабатывавшую систему, которая могла бы отвечать на вопросы, сформулированные на естественном языке. Феруччи и его коллеги включили свою систему, которую они назвали Piquant (англ. «пикантная»), в состав участников состязания, проводимого Национальным бюро стандартов и технологий, т. е. тем самым органом, который спонсировал выигранный Google конкурс по машинному переводу. По условиям состязания, системы должны были обработать ограниченный набор данных, содержащийся приблизительно в миллионе документов, а затем дать ответы на вопросы. При этом никаких временных ограничений установлено не было. В некоторых случаях на поиск ответа у алгоритмов уходило до нескольких минут{132}. По степени сложности это задание не шло ни в какое сравнение с «Jeopardy!», где за каждой подсказкой стоит, казалось бы, безграничный объем знаний и где у машины была бы всего пара секунд для поиска правильного ответа, иначе у нее не было бы никаких шансов на победу над лучшими игроками.

Проблема Piquant (а также ее конкурентов) была не только в скорости, но и в точности. Система выдавала правильные ответы на вопросы лишь в 35 % случаев — для такого результата было бы достаточно просто ввести вопросы в строку поиска Google{133}. Любые попытки команды Феруччи построить прототип системы для игры в «Jeopardy!» на основе проекта Piquant неизменно заканчивались неудачей. Сама мысль о том, что однажды Piquant сможет составить конкуренцию лучшему игроку «Jeopardy!» Кену Дженнигсу, казалась просто нелепой. Феруччи пришлось признать, что его команде придется начинать с нуля, а сам проект потребует масштабных исследований и разработок, на которые уйдет по меньшей мере полдесятилетия. В 2007 г. он получил одобрение от руководства IBM и принялся за разработку, как сам об этом говорит, «самой сложной интеллектуальной архитектуры, которую когда-либо видел мир»{134}. Он привлек к решению этой задачи ресурсы всей компании, собрав вместе специалистов по искусственному интеллекту из различных подразделений IBM, а также лучших университетов, включая МIT и Университет Карнеги — Меллона{135}.

Команда Феруччи, в которую в конечном итоге вошло около двадцати исследователей, начала работу с создания массивного набора справочной информации, которая должна была послужить основой для ответов Watson. В него вошло приблизительно 200 млн страниц информации, включая словари и справочники, произведения литературы, газетные архивы, веб-страницы и почти все содержимое «Википедии». Затем они собрали исторические данные по всем выпускам телевикторины «Jeopardy!». Свыше 180 000 подсказок из предшествующих игр послужили исходным материалом для алгоритмов машинного обучения Watson, тогда как результаты лучших игроков были использованы для оттачивания игровой стратегии суперкомпьютера{136}. При разработке Watson были созданы тысячи отдельных алгоритмов, каждый из которых был направлен на решение конкретной задачи, включая, например, поиск по тексту, сравнение дат, времени и мест, анализ грамматических конструкций в подсказках и преобразование исходной информации в надлежащим образом оформленные возможные ответы.

При поиске ответа Watson сначала разбирает подсказку на составные части, анализирует слова и пытается понять, что именно он должен найти. Этот кажущийся столь простым этап сам по себе представляет задачу колоссальной трудности для компьютера. Рассмотрим, например, подсказку из категории «Блоги Линкольна», которая использовалась при обучении Watson: «Секретарь Чейз только что передал это мне в третий раз. И знаешь что, дружище? На этот раз я это принимаю». Чтобы у машины был хоть какой-то шанс дать правильный ответ, она должна для начала понять, что первое слово «это» в данном примере выступает в качестве заместителя ответа, который она и должна найти{137}.

Как только Watson заканчивает анализ подсказки, он запускает сразу сотни алгоритмов, каждый из которых применяет отличный от остальных подход, пытаясь найти возможный ответ в содержащемся в памяти компьютера массиве справочных материалов. Если вернуться к приведенному выше примеру, то сначала Watson выделяет слово «Линкольн» в названии категории как значимое, а слово «блоги» игнорирует, воспринимая его как фактор отвлечения внимания: в отличие от человека, машина не способна понять, что сценаристы шоу пытались представить Авраама Линкольна блогером.

По мере того как конкурирующие поисковые алгоритмы выдают сотни возможных ответов, Watson начинает их сравнивать и ранжировать по определенным критериям. Один из используемых машиной методов отбора предполагает вставку возможного ответа в исходную подсказку таким образом, чтобы в итоге получилось утверждение; затем машина снова обращается к справочным материалам в поисках подкрепляющих данное утверждение данных. Итак, одному из поисковых алгоритмов удается отыскать правильный ответ — «прошение об отставке». В этом случае Watson может попробовать обнаружить в своем наборе данных что-то вроде следующего утверждения: «Секретарь Чейз только что подал Линкольну прошение об отставке в третий раз». Он найдет большое количество близких совпадений, что увеличит степень уверенности суперкомпьютера в правильности данного конкретного ответа. Кроме того, при оценке возможных ответов Watson обращается к большому объему исторических данных: он точно знает, какие алгоритмы показывают наилучшие результаты при работе с вопросами определенного типа, а также очень внимательно «прислушивается» к тем из них, которые демонстрируют самые высокие показатели. Способность Watson правильно ранжировать сформулированные на естественном языке ответы, а затем определять степень уверенности в правильности ответа и решать, нажимать кнопку в «Jeopardy!» или нет, является одной из определяющих характеристик системы — тем самым качеством, которое ставит его на передний край в мире технологий искусственного интеллекта. Машина IBM «знает, что она знает», т. е. делает что-то такое, что легко дается людям и ускользает практически от всех компьютеров, когда они погружаются в массивы неструктурированной информации, предназначенной для людей, а не для машин.

Watson одержал верх над чемпионами «Jeopardy!» Кеном Дженнигсом и Брэдом Раттером в двух играх, показанных в эфире американского телевидения в феврале 2011 г., обеспечив компании IBM тот всплеск общественного внимания, на который она изначально и рассчитывала. Но еще задолго до того, как шумиха, поднявшаяся в СМИ вокруг этого выдающегося достижения, стала стихать, началась реализация проекта, который имел куда более серьезные последствия: специалисты IBM запустили кампанию по поиску возможностей для применения возможностей Watson в реальном мире. Одной из самых многообещающих областей является медицина. При использовании в качестве инструмента диагностики Watson обеспечивает получение точных ответов на основе анализа громадного количества медицинской информации, включающей учебники, научные журналы, клинические исследования и даже записи врачей и медсестер, относящиеся к конкретным пациентам. Ни один врач не сможет сравниться с Watson по способности погружаться в огромные массивы данных и обнаруживать в них неочевидные взаимосвязи — особенно если информация берется из источников, находящихся на стыке медицинских специальностей[30]. К 2013 г. Watson уже помогал диагностировать заболевания и корректировать планы лечения пациентов в крупных медицинских учреждениях, включая Кливлендскую клинику и Онкологический центр Андерсона при Техасском университете.

В ходе адаптации Watson к выполнению практических задач исследователям IBM пришлось проверить на прочность один из ключевых постулатов революции больших данных: идею о том, что прогнозирования на основе корреляции достаточно и что глубинные причинно-следственные связи, как правило, не поддаются анализу, да и сам такой анализ не нужен. Новые возможности открывает программный комплекс WatsonPaths, позволяя пойти дальше простого поиска ответов на вопросы; показывая исследователям конкретные источники, к которым обращался Watson; логику, которой он руководствовался при оценке, и выводы, которые он сделал в процессе поиска ответа. Другими словами, Watson постепенно приближается к тому, чтобы обеспечивать более глубокое понимание того, почему что-то соответствует истине. WatsonPaths также используется в качестве средства обучения студентов-медиков методам диагностирования. Менее чем через три года после успешного завершения группой людей проекта по созданию и обучению Watson ситуация поменялась — во всяком случае в определенной мере — с точностью до наоборот, и теперь люди учатся у компьютерной системы решать сложные примеры{138}.

Другими очевидными сферами практического применения системы Watson являются обслуживание клиентов и техническая поддержка. В 2013 г. IBM объявила о начале сотрудничества с компанией Fluid, Inc., являющейся крупным поставщиком услуг в области интернет-торговли и консалтинга. Цель проекта — разработать для интернет-магазинов систему помощи клиентам, которая обеспечивала бы индивидуальный подход и умела пользоваться естественным языком так, как это делают опытные продавцы-консультанты в магазинах розничной торговли. Если вы собираетесь в поход и вам нужна палатка, вам достаточно будет просто сказать что-нибудь вроде: «В октябре мы с семьей отправляемся в поход на север штата Нью-Йорк, и мне нужна палатка. Что посоветуете?» В ответ вы получите конкретные рекомендации по выбору палатки, а также информацию о других вещах, которые могут пригодиться в походе и о которых вы могли забыть{139}. Как я уже говорил в первой главе, появление такой возможности в виде приложения для смартфона, с помощью которого покупатели смогут получить рекомендации на естественном языке, подобно тому, как это происходит в традиционных магазинах, — лишь вопрос времени.

Еще одна компания под названием MD Buyline, Inc., специализирующаяся на предоставлении больницам информации о новейших медицинских технологиях и последних научных исследованиях, также планирует использовать Watson для поиска ответов на вопросы сугубо технического характера, поступающие от больниц, планирующих закупку нового оборудования. Система будет использовать данные о технических характеристиках оборудования, ценах и клинических исследованиях, чтобы оперативно сформулировать конкретные рекомендации врачам и сотрудникам, отвечающим за закупки{140}. Пробует себя Watson и в финансовой отрасли, где суперкомпьютер может стать средством выработки персональных рекомендаций финансового характера на основе углубленного анализа информации о клиентах, а также данных о ситуации на рынке и в экономике. Но если говорить о ближайшем будущем, то, пожалуй, самые серьезные последствия для рынка труда может иметь использование Watson в колл-центрах, занимающихся обслуживанием клиентов, — не случайно в том самом году, когда Watson одержал триумфальную победу в «Jeopardy!», IBM уже сотрудничала с Citigroup в рамках проекта по изучению возможностей для практического применения системы в сфере розничного банковского обслуживания, на которую приходится огромная доля бизнеса этой компании{141}.

Разработанная IBM технология все еще делает свои первые шаги. Watson — как и конкурирующие с ним системы, которые наверняка заявят о себе совсем скоро, — способен произвести революцию в том, как мы задаем вопросы и даем на них ответы, а также в том, как мы подходим к анализу информации — как внутри организаций, так и в процессе взаимодействия с клиентами. При этом не следует заниматься самообманом: если бы не системы этого типа, значительная часть выполняемой ими аналитической работы досталась бы людям, занимающимся умственным трудом.

Строительные блоки в облаке

В ноябре 2013 г. компания IBM объявила о переносе системы Watson со специально разработанного для него компьютерного оборудования, которое использовалось во время игр «Jeopardy!», в облако. Другими словами, теперь Watson будет пользоваться ресурсами огромного массива подключенных к Интернету серверов. Разработчики смогут напрямую подключаться к системе и использовать революционные технологии когнитивных вычислений IBM в собственных настольных и мобильных приложениях. Любопытно, что по производительности эта последняя версия Watson в два раза быстрее своего предшественника времен «Jeopardy!». IBM надеется, что уже в скором времени будет создана целая экосистема приложений, использующих технологии искусственного интеллекта для обработки естественного языка, и в каждом из них будет упоминание того, что оно работает «на базе Watson»{142}.

Миграция передовой технологии искусственного интеллекта в облако почти наверняка станет мощным фактором автоматизации служебных обязанностей белых воротничков. Облачные вычисления стали полем ожесточенной конкурентной борьбы между крупнейшими компаниями в отрасли информационных технологий, включая Amazon, Google и Microsoft. Google, например, предлагает разработчикам воспользоваться возможностями облачного приложения, реализующего технологии машинного обучения, а также мощнейшей вычислительной системы, позволяющей разработчикам решать сложнейшие проблемы с большим объемом вычислений, обеспечивая выполнение их программ на высокопроизводительных суперкомпьютерах, например состоящих из объединенных в сеть отдельных серверов. Amazon является ведущим поставщиком услуг облачных вычислений в отрасли. Благодаря десяткам тысяч компьютеров, составляющих основу облачного сервиса Amazon, небольшой компании Cycle Computing, специализирующейся на задачах, связанных с большими объемами вычислений, понадобилось всего лишь 18 часов, чтобы решить проблему, с которой один компьютер не смог бы справиться и за 260 лет. По оценкам компании, до появления облачных вычислений на создание суперкомпьютера, способного найти решение этой проблемы, ушло бы $68 млн. Для сравнения: в облаке Amazon можно арендовать 10 000 серверов приблизительно за $90 в час{143}.

В сфере технологий автоматизации умственного труда разворачиваются те же процессы, что и области робототехники, которая готовится к настоящей революции, обеспеченной удешевлением и повышением производительности программных и аппаратных компонентов. Как только технологии вроде Watson, нейронных сетей с возможностью углубленного обучения и систем генерирования связной письменной речи окажутся в облаке, они, по существу, превратятся в строительные блоки, которые можно будет комбинировать множеством разных способов. Следуя примеру умельцев, которые быстро нашли применение технологии Kinect компании Microsoft в качестве недорого средства обеспечения трехмерного машинного зрения для роботов, разработчики также найдут неожиданные — и, возможно, революционные — возможности для применения на практике строительных блоков, состоящих из ПО, находящегося в облаке. Каждый такой блок является своего рода «черным ящиком», т. е. он может быть использован программистами, которые могут даже до конца и не понимать, как он работает. В конечном итоге все это наверняка приведет к созданию командами специалистов прорывных технологий искусственного интеллекта, которые очень быстро будут применяться повсеместно и станут доступны даже для непрофессиональных программистов.

Но если инновации в робототехнике приводят к появлению осязаемых объектов — машин, которые часто ассоциируются с конкретными профессиями (к примеру, установка по производству бургеров или робот, занимающийся высокоточной сборкой), прогресс в области программной автоматизации, скорее всего, будет не столь заметен для рядового человека; во многих случаях результаты будут скрыты от чужих глаз за стенами офисов, а влияние на работу организаций и их сотрудников будет носить более глобальный характер. Процесс автоматизации профессий, связанных с умственным трудом, вероятнее всего, будет выглядеть следующим образом: команда консультантов в области информационных технологий придет в крупную организацию и создаст там с нуля системы, способные произвести революцию в подходах к ведению бизнеса, одновременно делая ненужной работу сотен и даже тысяч квалифицированных сотрудников. Более того, одним из открыто заявленных IBM мотивов разработки технологии Watson было повышение конкурентоспособности собственного консалтингового подразделения корпорации, на которое наряду с продажей ПО сейчас приходится львиная доля выручки. В то же время предприниматели уже ищут способы использования тех же самых строительных блоков на основе облачных технологий для создания доступных программных средств автоматизации, ориентированных на нужды малого и среднего бизнеса.

Появление облачных вычислений уже оказало значительное влияние на состояние рынка труда в сфере информационных технологий. В период технологического бума в 1990-е гг. у многих компаний и организаций, независимо от их размера, возникла потребность в ИТ-специалистах, умеющих настраивать и обслуживать персональные компьютеры, вычислительные сети и ПО. В результате было создано огромное количество хорошо оплачиваемых работников. Однако к началу XXI в. ситуация поменялась: все больше и больше компаний стали пользоваться услугами громадных централизованных вычислительных центров, делегируя им функции своих ИТ-подразделений.

Использование больших площадок для размещения облачных сервисов обеспечивает колоссальную экономию ресурсов, а административные задачи, для выполнения которых когда-то приходилось нанимать целую армию ИТ-специалистов, были в значительной степени автоматизированы. К примеру, компания Facebook внедрила приложение под названием «Киборг», относящееся к классу интеллектуального ПО, для постоянного мониторинга десятков тысяч серверов, выявления проблем и — во многих случаях — их устранения без посторонней помощи. В ноябре 2013 г. один из топ-менеджеров рассказал, что система «Киборг» ежедневно решает тысячи проблем, с которыми иначе пришлось бы разбираться вручную. Также он отметил, что с помощью данной технологии один технический специалист может обслуживать до 20 000 компьютеров{144}.

Центры обработки данных для облачных вычислений часто строятся в относительно удаленных от больших городов районах, где много дешевой земли и, что особенно важно, электроэнергии. Региональные и местные власти активно борются за право размещения вычислительных центров, привлекая компании вроде Google, Facebook и Apple щедрыми налоговыми льготами и другими привилегиями финансового характера. Разумеется, их первоочередная цель — создание рабочих мест для местных жителей; но эти надежды редко сбываются. В 2011 г. корреспондент The Washington Post Майкл Розенвалд опубликовал материал, в котором рассказал, что после постройки компанией Apple, Inc. гигантского центра обработки данных стоимостью $1 млрд в городе Мейден в штате Северная Каролина было создано лишь 50 рабочих мест с полной занятостью. Разочарованные жители не могли «понять, как столь дорогостоящий объект площадью несколько сотен акров может обслуживаться таким небольшим количеством сотрудников»{145}. Объясняется это, разумеется, тем, что вся рутинная работа выполняется алгоритмами вроде «Киборга».

Влияние данной тенденции на рынок труда выходит за пределы центров обработки данных, распространяясь на компании, пользующиеся сервисами облачных вычислений. В 2012 г. Роман Станек, который возглавляет компанию Good Data в Сан-Франциско, использующую облачные сервисы Amazon для анализа данных приблизительно 6000 клиентов, заявил, что «раньше для выполнения этой работы каждому из наших корпоративных [клиентов] требовалось не менее пяти человек. А это — 30 000 человек. Мы обходимся 180. Не знаю, чем все эти люди занимаются сейчас, но эту работу они больше делать не смогут. Это консолидация по принципу "победитель получает всё"»{146}.

Исчезновение тысяч рабочих мест для высококвалифицированных специалистов в области информационных технологий, скорее всего, — лишь первое звено в цепи глубинных сдвигов, которые будут иметь куда более серьезные последствия для работников умственного труда и их востребованности. По меткому выражению одного из основателей Netscape венчурного инвестора Марка Андриссена: «Программное обеспечение пожирает мир». Теперь еще это ПО чаще всего будет размещаться в облаке. А облако — отличный плацдарм для вторжения практически во все сферы занятости и уничтожения почти всех рабочих мест для белых воротничков, предполагающих работу с информацией на компьютере.

Алгоритмы решают всё

Если говорить о заблуждениях в отношении компьютерных технологий, от которых давно пора избавиться, в первую очередь следует упомянуть глубокую веру в то, что компьютеры строго подчиняются заданной программе. Как мы видели, алгоритмы машинного обучения ежедневно обрабатывают горы данных, выявляя статистические связи и, по существу, создавая собственные программы на основе результатов поиска. Но и это еще не все — в некоторых случаях компьютеры выходят за рамки привычного, проникая в сферы, которые, по убеждению подавляющего большинства людей, являются исключительной прерогативой человеческого сознания: машины начинают демонстрировать признаки любопытства и творчества.

В 2009 г. Ход Липсон, возглавляющий Лабораторию креативных машин при Корнельском университете, и аспирант Майкл Шмидт построили систему, которая оказалась способна самостоятельно открывать фундаментальные законы природы. Липсон и Шмидт начали с монтажа двойного маятника — хитроумного механизма, состоящего из двух прикрепленных друг к другу маятников. Когда оба маятника колеблются, они движутся по очень сложным траекториям, которые кажутся хаотичными. Далее экспериментаторы использовали датчики и камеры для фиксации движения маятников, получив в результате поток данных. Наконец, они предоставили своему ПО возможность самостоятельно задавать начальную позицию маятника. Другими словами, разработчики создали исследователя с искусственным интеллектом, который может проводить собственные эксперименты.

Они дали программе полную свободу: она могла самостоятельно отпускать маятник, а затем тщательно изучать полученные данные о его перемещениях с целью вычисления математических уравнений, описывающих поведение маятника. Алгоритм контролировал все аспекты эксперимента; при каждом повторении он случайным образом выбирал положение, из которого маятник должен был начать движение, а затем выполнял анализ и выбирал новое положение, которое с наибольшей вероятностью должно было приблизить его к пониманию законов, определяющих движение маятника. Липсон отмечает, что система «не является пассивным алгоритмом, который выступает в роли простого наблюдателя. Она задает вопросы. Это — любопытство»{147}. Программе, которая позже получила название «Эврика», хватило несколько часов, чтобы сформулировать ряд физических законов, описывающих движение маятника, включая второй закон Ньютона; при этом она смогла сделать это, не получив предварительно никакой информации о физике или законах движения и не будучи запрограммированной на их изучение.

В «Эврике» применяется генетическое программирование — метод, повторяющий принципы биологической эволюции. Алгоритм начинает с составления уравнений путем случайного сопоставления различных строительных блоков, состоящих из математических выражений, а затем проверяет, насколько хорошо получившиеся уравнения соответствуют данным[31]. Уравнения, которые не проходят проверку, отбраковываются, а те, которые демонстрируют определенный потенциал, перекомпоновываются таким образом, чтобы в конечном итоге из них могла получиться точная математическая модель{148}. Процесс нахождения уравнения, описывающего поведение естественной системы, уж точно нельзя назвать пустячной задачей. По словам Липсона: «[П]режде на создание одной прогнозирующей модели у [ученого] могла уйти целая жизнь»{149}. Шмидт добавляет: «[Ф]изики вроде Ньютона и Кеплера могли бы запустить этот алгоритм на компьютере и всего после нескольких часов вычислений получить законы, объясняющие падение яблока или движение планет»{150}.

Когда Шмидт и Липсон опубликовали статью с описанием своего алгоритма, на них обрушился шквал запросов на получение доступа к их программе от других ученых. В связи с этим в конце 2009 г. они решили сделать «Эврику» доступной через Интернет. За прошедшее с того момента время с помощью этой программы удалось получить интересные результаты в ряде областей науки, включая упрощенный вариант уравнения, описывающего биохимическую природу бактерий, которую ученые до сих пор не могут до конца понять{151}. В 2011 г. Шмидт основал в районе Бостона стартап Nutonian, Inc. с целью коммерциализации «Эврики» в качестве инструмента анализа больших данных как в бизнесе, так в научной сфере. Одним из результатов проделанной работы стал перенос «Эврики» — по примеру системы Watson компании IBM — в облачную среду и превращение ее в приложение, которое доступно другим разработчикам ПО в виде встраиваемого модуля.

Большинство из нас склонны — что вполне естественно — связывать идею творчества исключительно с мозгом человека, но будет нелишним напомнить, что сам наш мозг — несомненно самое сложное «изобретение» из всех ныне существующих — является продуктом эволюции. С этой точки зрения вряд ли стоит удивляться тому, что очень часто при попытке создания способных к творчеству машин используются методы генетического программирования. Суть генетического программирования заключается в том, чтобы научить компьютерные алгоритмы проектировать самих себя путем естественного отбора в соответствии с описанными Дарвином принципами. Все начинается с генерирования случайного компьютерного кода, который затем многократно редактируется с помощью методов, имитирующих процесс полового размножения. Время от времени в код вбрасывается случайная мутация, в результате чего процесс его формирования может пойти совершенно другим путем. Появляющиеся новые алгоритмы подвергаются проверке на пригодность, в результате которой они либо выживают, либо — что происходит намного чаще — умирают. Одним из ведущих исследователей в этой области является профессор Стэнфордского университета, специалист в области информационных технологий и консалтинга Джон Коза. Он проделал большую работу по использованию генетических алгоритмов в качестве «средств автоматизации изобретательской деятельности»[32]. Коза привел по меньшей мере семьдесят шесть примеров того, как в результате использования генетических алгоритмов были получены результаты, способные конкурировать с плодами работы инженеров и ученых. Приведенные им примеры относились к самым разным областям, включая проектирование электрических цепей, механические системы, оптику, восстановление ПО и гражданское строительство. В большинстве из них алгоритмы воспроизвели существующие разработки, но по крайней мере в двух случаях генетические программы сумели создать патентоспособные изобретения{152}. По мнению Коза, генетические алгоритмы обладают неоспоримым преимуществом перед разработчиками-людьми, поскольку не ограничены рамками сложившихся представлений; другими словами, они с большей вероятностью могут найти принципиально новый подход к решению проблемы{153}.

Если исходить из предположения Липсона о способности «Эврики» проявлять любопытство и утверждения Коза об отсутствии у компьютеров предубеждений, придется допустить, что творчество не является чем-то, выходящим за пределы возможностей компьютеров. Окончательно поверить в это можно только в том случае, если компьютер сумеет создать что-нибудь, что человек сочтет произведением искусства. Мы воспринимаем художественное творчество — наверное, в большей степени, чем любой другой вид интеллектуальной деятельности, — в качестве уникального проявления человеческого сознания. Как заметил журналист Time Лев Гроссман: «Создание произведения искусства относится к одному из тех видов деятельности, которые мы связываем с людьми — и только с людьми. Это — акт самовыражения; вы не можете заниматься этим, если у вас нет своего "Я"»{154}. Если мы признаем саму возможность того, что компьютер может быть настоящим художником, нам придется полностью пересмотреть свои представления о природе машин.

В фильме 2004 г. «Я, робот» главный герой, которого играет Уилл Смит, спрашивает робота: «Может робот написать симфонию? Может робот взять холст и превратить его в прекрасный шедевр?» В своем ответе — «А ты можешь?» — робот исходит из того, что, по правде говоря, подавляющее большинство людей тоже неспособны на это. Однако если бы Смит задал свой вопрос в 2015 г., то он бы получил куда более уверенный ответ: «Да».

В июле 2012 г. Лондонский симфонический оркестр исполнил композицию под названием «Переходы — в бездну». Один из критиков назвал ее «утонченной и восхитительной»{155}. Это событие стало первым в истории случаем исполнения именитым оркестром музыкального произведения, полностью написанного машиной. Автором композиции был Iamus — кластер компьютеров, на котором запущен алгоритм искусственного интеллекта с уклоном в музыку. Iamus (назван в честь героя греческой мифологии, как считалось, он мог понимать язык птиц) был разработан исследователями из Университета Малаги в Испании. Система начинает работу с минимальным набором информации, включая, например, тип инструментов, которые будут использоваться при воспроизведении музыки, а затем без какого-либо вмешательства со стороны человека за считаные минуты создает сложнейшие композиции, способные вызывать по-настоящему сильную эмоциональную реакцию у слушателей. Iamus уже написал миллионы уникальных композиций в классическом для модернизма стиле; вероятно, в будущем он будет адаптирован и к другим музыкальным жанрам. Подобно «Эврике», за созданием Iamus последовало учреждение стартапа с целью коммерциализации технологии. Новая компания под названием Melomics Media, Inc. начала продавать музыку через интернет-магазин, похожий на iTunes. Вся разница в том, что продажа созданных Iamus композиций не обуславливается требованием об авторских отчислениях, благодаря чему покупатели могут использовать эту музыку так, как им заблагорассудится.

Музыка — не единственный вид искусства, который освоили компьютеры. Профессор Симон Колтон из Лондонского университета, занимающийся креативными компьютерными вычислениями, создал программу искусственного интеллекта под названием The Painting Fool, к которой, как он надеется, в будущем все будут относиться как к серьезному художнику (рис. 4.1). «Цель проекта — не разработать ПО, которое будет обрабатывать фотографии, чтобы они были похожи на рисунок; для этого уже многие годы используется Photoshop, — отмечает Колтон. — Цель — проверить, могут ли люди воспринимать творчество компьютерной программы как что-то, заслуживающее внимания само по себе»{156}.

Колтон встроил в систему набор возможностей, которые он называет «способностью к оценочным суждениям и воображению». Программное обеспечение The Painting Fool может идентифицировать эмоции на фотографиях людей, а затем создавать абстрактные портреты, передающие эти эмоциональные состояния. Кроме того, оно может генерировать воображаемые объекты, используя методы на основе принципов генетического программирования. Программа Колтона даже умеет критиковать саму себя. Для этого она использует приложение под названием Darci, созданное исследователями из Университета Бригама Янга.

Разработчики Darci начали с создания базы картин, в которой каждое произведение искусства сопровождалось описательными прилагательными «мрачное», «печальное», «вдохновляющее» и т. п., данными им людьми. Затем они обучили нейронную сеть так, чтобы она могла формировать ассоциации, и, наконец, загрузили в нее новые картины, которые она должна была самостоятельно охарактеризовать. Программа The Painting Fool может использовать результаты работы Darci при принятии решения о достижении или недостижении поставленных целей в процессе создания полотна{157}.

Я не хочу сказать, что в скором времени толпы художников и композиторов лишатся своей работы. Я лишь хочу обратить внимание на то, что для методов, используемых в ПО с творческим уклоном, многие из которых, как мы могли убедиться, основываются на генетическом программировании, можно найти множество других способов применения. Если компьютеры могут сочинять музыку и проектировать электронные компоненты, то нет ничего невероятного в том, что совсем скоро они сформулируют новую правовую доктрину или придумают новый подход к решению какой-либо проблемы в менеджменте. Пока же реальная угроза автоматизации по-прежнему распространяется лишь на те виды умственного труда, которые отличаются наибольшей степенью рутинности и шаблонности. Однако ситуация меняется очень быстро.

Нигде так не ощущается стремительный ход прогресса, как на Уолл-стрит. Там, где когда-то вся торговля в большой степени зависела от непосредственного общения — либо среди несмолкающего гула голосов на биржевых площадках, либо по телефону, — теперь она во многом определяется действиями машин, взаимодействующих по оптоволоконным каналам связи. По некоторым оценкам, на алгоритмы автоматизированной торговли сейчас приходится не менее половины или даже 70 % всех операций на фондовом рынке. Эти изощренные роботы-трейдеры, во многих из которых используются самые передовые разработки в области искусственного интеллекта, не ограничиваются простым выполнением стандартных торговых операций. Чтобы получить прибыль, они отслеживают действия паевых инвестиционных фондов и пенсионных фондов, пытаясь выявить интересующие их акции и скупить их накануне крупных сделок, инициируемых такими фондами. Они стараются обмануть другие алгоритмы, сначала наводняя систему фиктивными заявками-приманками, а затем отзывая их за доли секунды. И Bloomberg, и Dow News Service предлагают специализированные продукты в машиночитаемом формате, призванные удовлетворить потребность в финансовых новостях прожорливые алгоритмы, которые могут — в течение приблизительно нескольких миллисекунд — превратить их в прибыльные торговые операции. Новостные службы также предоставляют оперативные количественные данные, благодаря чему машины всегда в курсе того, какие именно акции и иные инструменты инвестирования пользуются наибольшей популярностью{158}. Twitter, Facebook и блогосфера также служат источниками входных данных для этих соперничающих друг с другом алгоритмов. В 2013 г. группа физиков опубликовала в журнале Nature статью, в которой рассказала о результатах проведенного ею исследования мировых финансовых рынков. В частности, ученые заявили о «нарождающейся экосистеме конкурирующих машин, натравливающих друг на друга „стаи“ хищнических алгоритмов» и предположили, что роботизированная торговля не просто вышла из-под контроля разработавших соответствующие системы людей, но и оказалась выше их понимания{159}.

В этом мире, населенном алгоритмами, которые пребывают в состоянии постоянной борьбы, события разворачиваются столь стремительно, что ни один даже самый быстрый трейдер никогда не сможет за ними угнаться. Более того, скорость — иногда измеряемая в миллионных или даже миллиардных долях секунды — имеет настолько критическое значение для успеха алгоритмической торговли, что фирмы с Уолл-стрит в совокупности уже инвестировали миллиарды долларов в создание вычислительных центров и прокладку коммуникационных каналов, стремясь получить хотя бы незначительное преимущество в скорости. К примеру, в 2009 г. компания Spread Networks потратила целых $200 млн на прокладку новой волоконно-оптической линии связи длиною 1328 км напрямую из Чикаго в Нью-Йорк. Вся работа проводилась в режиме максимальной секретности, чтобы конкуренты ничего не заподозрили, — и это несмотря даже на то, что часть маршрута пролегала через Аллеганские горы и для ее прокладки использовалась взрывчатка. С вводом новой волоконно-оптической линии компания получила преимущество в скорости над существующими линиями связи в три или четыре тысячных секунды. Этого было достаточно, чтобы любая система алгоритмической торговли, использующая новый канал, легко обходила своих конкурентов по рынку. Оказавшись в невыгодной ситуации, фирмы с Уолл-стрит выстроились в очередь на аренду канала связи — по некоторым сведениям, им пришлось выложить за эту услугу в десять раз больше стоимости аренды более медленного канала. Ведется работа по прокладке аналогичного кабеля по дну Атлантического океана между Лондоном и Нью-Йорком; ожидается, что новый канал позволит сократить текущее время выполнения операций на пять тысячных секунды{160}.

Влияние всех этих технологий автоматизации на рынок труда очевидно: даже в период роста фондового рынка в 2012–2013 гг. крупные банки с Уолл-стрит не переставали выступать с объявлениями о массовых увольнениях, часто приводивших к исчезновению десятков тысяч рабочих мест. На рубеже XXI в. на Уолл-стрит работало почти 150 000 финансистов; к 2013 г. это число сократилось чуть более чем на 100 000 — и это при том, что как объем транзакций, так и прибыли отрасли поднялись до рекордно высоких значений{161}. На фоне общего роста уровня безработицы на Уолл-стрит было создано по крайней мере одно высокооплачиваемое рабочее место: в конце 2012 г. Дэвид Феруччи, специалист в области информационных технологий, руководивший проектом по созданию Watson, ушел из IBM, откликнувшись на предложение о работе от одного хеджевого фонда с Уолл-стрит, где ему предстояло применить последние разработки в области искусственного интеллекта для моделирования экономики; судя по всему, предполагалось, что наличие таких моделей должно стать конкурентным преимуществом торговых алгоритмов фирмы{162}.

Офшоринг и рабочие места, требующие высокой квалификации

Констатируя все более высокую автоматизацию рабочих мест, занимаемых сейчас так называемыми белыми воротничками, приходится признать, что все худшее для них — в особенности для представителей профессий, требующих по-настоящему высокой квалификации, — еще впереди.

Казалось бы, это не относится к практике офшоринга — переводу рабочих мест, связанных с умственной работой, в страны с низкой оплатой труда за счет использования электронных средств коммуникации. Высокообразованные и высококвалифицированные специалисты, такие как юристы, рентгенологи и в особенности программисты и эксперты в области информационных технологий, уже почувствовали на себе значительное влияние этого процесса. Например, в Индии работают целые армии операторов колл-центров и ИТ-специалистов, а также специалистов по оформлению налоговой документации, хорошо знакомых с налоговым кодексом США, и юрисконсультов, прошедших специальную подготовку для ведения дел в рамках не индийского, а американского законодательства и готовых в любой момент за небольшую плату провести анализ законодательства и правоприменительной практики для американских фирм, являющихся участниками судебного разбирательства. На первый взгляд, феномен офшоринга никак не связан с атакой компьютеров на рабочие места. Однако все как раз наоборот: очень часто офшоринг предшествует автоматизации, а рабочие места, создаваемые в странах с низким уровнем оплаты труда, оказываются недолговечными, уступая натиску новых технологий. К тому же новые разработки в области искусственного интеллекта способствуют еще большему ускорению темпов офшоризации рабочих мест, которые пока еще не могут быть полностью автоматизированы.

Большинство экономистов рассматривают практику офшоринга как еще один пример глобализации мировой торговли, утверждая, что офшоринг выгоден для всех сторон. Например, в 2004 г., в период работы в качестве председателя Экономического совета при президенте в администрации Буша, профессор Гарвардского университета Грегори Мэнкью заявил, что офшоринг — «самое последнее проявление положительного эффекта от торговли, о котором экономисты говорят по крайней мере со времен Адама Смита»{163}. Многочисленные данные свидетельствуют об обратном. Торговля материальными активами сопровождается созданием множества вспомогательных рабочих мест в различных областях, включая транспортировку, дистрибуцию и розничную торговлю. Кроме того, существуют факторы естественного характера, которые отчасти компенсируют последствия глобализации: например, компания, которая решает перенести производство в Китай, вынуждена нести транспортные расходы, а также мириться с большой задержкой между выпуском продукции и ее появлением на потребительском рынке. Офшоринг с использованием электронных каналов, напротив, практически не связан ни с одним из этих неудобств. Перенос рабочих мест в регионы с низкой оплатой труда происходит мгновенно и с минимальными издержками. При этом если и создаются вспомогательные рабочие места, то чаще всего в стране, где работа выполняется.

По моему мнению, рассматривать офшоринг в контексте «свободной торговли» неправильно. Было бы уместнее связать этот процесс со своего рода виртуальной иммиграцией. Давайте представим, например, что некая компания решает построить огромный колл-центр для своей службы поддержки клиентов к югу от Сан-Диего, в непосредственной близости от границы с Мексикой. Тысячи низкооплачиваемых сотрудников каждое утро будут получать разрешение на работу и переправляться через границу на автобусах. В конце рабочего дня автобусы будут вывозить их обратно. Есть ли какая-либо разница между этой ситуацией (которую, разумеется, следует рассматривать в контексте понятия иммиграции) и переносом рабочих мест в Индию или на Филиппины с использованием электронных каналов связи? В обоих случаях сотрудники, по сути, «въезжают» в США с целью оказания услуг, непосредственными получателями которых являются субъекты экономики США. Самое большое различие заключается в том, что программа предоставления однодневного разрешения на работу сотрудникам из Мексики, вероятно, принесла бы намного большую пользу экономике Калифорнии. Следует помнить о рабочих местах для водителей автобусов, а также о людях, которые будут заниматься обслуживанием громадного объекта на американской стороне границы. В рабочее время сотрудники смогут тратить деньги на обеды или даже просто время от времени выпивать по чашке кофе, тем самым способствуя росту потребительского спроса в рамках местной экономики. Компания — владелец центра в Калифорнии должна будет платить налог на недвижимость. Перенос рабочих мест в другие страны в виртуальной форме не сопровождается ни одним из этих преимуществ. В связи с этим я нахожу весьма забавным то, что многие консерваторы в США твердо убеждены в необходимости защищать границы от иммигрантов, которые, скорее всего, займут рабочие места в сферах, не пользующихся большой популярностью среди американцев, и в то же время не выражают никакого беспокойства относительно открытости виртуальной границы для высококвалифицированных специалистов, отбирающих у американцев рабочие места, от которых они уж точно бы не отказались.

В своей аргументации экономисты вроде Мэнкью, разумеется, оперируют укрупненными показателями, преуменьшая несоразмерность влияния практики офшоринга на две разные группы людей: тех, для кого она — зло, и тех, для кого она — благо. С одной стороны, относительно небольшая, но все-таки заметная группа людей — насчитывающая миллионы человек — может пострадать от значительного падения доходов, снижения качества жизни и отсутствия перспектив в будущем. Многие из них вложили немалые средства в образование и дополнительное обучение. При этом некоторые работники лишатся всех источников дохода. Наверняка Мэнкью возразил бы, что эти потери будут компенсированы общей пользой для всех потребителей. К сожалению, несмотря на возможную выгоду для потребителей от снижения цен в результате офшоринга, эта экономия, вероятнее всего, затронет десятки или даже сотни миллионов человек, позволив им сократить расходы на совсем небольшую величину, равную нескольким пенни, и не оказав хоть сколько-нибудь значимого влияния на благосостояние каждого в отдельности. Ну и, конечно, нет нужды напоминать, что далеко не все доходы достанутся потребителям: значительная их часть осядет в карманах немногочисленных управленцев, инвесторов и бизнесменов, которые и без того не бедствуют. Пожалуй, нет ничего удивительного в том, что эта асимметричность не является тайной для большинства обычных работников, но при этом, судя по всему, она неизменно ускользает от внимания многих экономистов.

Одним из немногих экономистов, признающих разрушительный потенциал офшоринга, является бывший вице-председатель Совета управляющих Федеральной резервной системы Алан Блайндер, который в 2007 г. выступил на страницах The Washington Post со статьей под названием «Свободная торговля — это прекрасно, но мне не дает покоя офшоринг» (Free Trade's Great, but Offshoring Rattles Me){164}. Блайндер провел ряд исследований с целью оценки влияния офшоринга на экономику в будущем и пришел к выводу, что 30–40 млн рабочих мест в США, т. е. рабочие места приблизительно четверти всего экономически активного населения страны, потенциально могут быть перенесены в другие страны. По его словам, «то, что мы видим сейчас, — лишь верхушка офшорингового айсберга; его настоящие размеры могут нас шокировать»{165}.

Практически все профессии, которые главным образом предполагают обработку информации и никак не привязаны к конкретному месту — например, в силу необходимости общаться с клиентами напрямую, — потенциально могут стать жертвой офшоринга в относительно недалеком будущем, а в последующем будут полностью автоматизированы. То, что следующим этапом станет автоматизация, отлично укладывается в логику прогресса. Поэтому можно ожидать, что с развитием технологий все больше и больше рутинных задач, которые сейчас выполняются работниками за пределами США в рамках модели офшоринга, в конце концов будут полностью переданы машинам. Это уже случилось с некоторыми видами работ в колл-центрах — выполнявшие их люди были заменены технологиями автоматизации голосового общения. Приход в сферу обслуживания клиентов по-настоящему мощных систем обработки естественного языка (например, системы Watson компании IBM) создает угрозу для огромного числа рабочих мест в офшоринговых колл-центрах.

На фоне этих процессов становится очевидным, что тем компаниям — и целым странам, которые вложили немалые средства в офшоринг, видя в нем путь к богатству и процветанию, не останется ничего другого, как подняться на следующую ступень по лестнице создания добавленной стоимости. Чем больше стандартных видов деятельности будет автоматизироваться, тем больше рабочих мест, требующих высокой квалификации и профессиональных знаний, будет попадать в поле зрения тех, кто специализируется на офшоринге. Я думаю, мы очень сильно недооцениваем ту роль, которую прогресс в области искусственного интеллекта, а также революция в области больших данных могут сыграть в ускорении темпов офшоризации все более широкого круга профессий, требующих высокой квалификации. Как мы видели, одним из постулатов подхода к менеджменту на основе больших данных является утверждение о том, что результаты алгоритмического анализа являются полноценной заменой человеческим суждениям и опыту. Даже до того, как прикладное ПО на основе искусственного интеллекта достигнет в своем развитии момента, когда станет возможной полная автоматизация всех задач, его уже можно будет использовать в качестве эффективного инструмента, который дает доступ ко все большему количеству аналитических возможностей и институциональных знаний, обеспечивающих бизнесу конкурентные преимущества. Получив в свое распоряжение такой инструмент, толковый молодой сотрудник офшоринговой компании вскоре сможет конкурировать с опытными специалистами из развитых стран, получающими за свою работу достойное вознаграждение.

Если объединить офшоринг с автоматизацией, эта комбинация может иметь по-настоящему сокрушительные последствия для рынка труда. В 2013 г. исследователи из Школы Мартина при Оксфордском университете провели работу, в ходе которой подробно изучили 700 профессий и специальностей в США. В результате они пришли к выводу, что почти 50 % соответствующих рабочих мест могут быть полностью автоматизированы{166}. Алан Блайндер и Алан Крюгер из Принстонского университета провели аналогичное исследование в отношении офшоринга и обнаружили, что около 25 % рабочих мест в США находятся под угрозой переноса в страны с низким уровнем оплаты труда{167}. Остается только надеяться, что в обоих этих исследованиях речь идет об одних и тех же рабочих местах! Во всяком случае это следует из анализа приведенных в них названий профессий и их описания — в значительной степени они совпадают. Однако если рассматривать последовательность возникновения во времени этих двух явлений, то ситуация выглядит несколько иначе. Во многих случаях первым заявляет о себе офшоринг, который в значительной мере выступает в качестве катализатора процесса автоматизации, затягивая многие виды высококвалифицированного труда в зону риска.

Появление мощных инструментов на основе искусственного интеллекта означает, что все больше работников в развивающихся странах могут конкурировать с высокооплачиваемыми специалистами в странах с развитой экономикой. Стремительное развитие технологий заставляет нас пересмотреть многие из базовых представлений о том, какие именно виды работ могут быть делегированы исполнителям в других странах. Например, почти все мы уверены, что те, чья деятельность связана с выполнением каких-то физических операций, могут не беспокоиться за свои рабочие места. Но достаточно вспомнить о военных летчиках, которые каждый день совершают вылеты на беспилотных летательных аппаратах в Афганистане, физически находясь на западе США. По аналогии легко представить ситуацию, когда работники из других стран будут управлять работой оборудования в удаленном режиме, используя свою способность к зрительному восприятию и манипулированию объектами для компенсации тех аспектов деятельности, которые роботы пока не могут выполнять самостоятельно. Еще одним фактором, препятствующим переносу рабочих мест, считается необходимость в личном общении. Однако с появлением технологий удаленного присутствия ситуация полностью изменилась, о чем убедительно свидетельствует пример проекта, в рамках которого преподаватели из корейских школ учили английскому языку детей на Филиппинах, не присутствуя на уроках физически. В будущем, которое уже не за горами, к этим технологиям добавятся технологии создания развитых сред виртуальной реальности, что будет способствовать устранению последних барьеров на пути процесса миграции рабочих мест из страны в страну и упрощению процесса непосредственного взаимодействия с клиентами и заказчиками.

На фоне набирающего темпы офшоринга выпускники колледжей в США и других развитых странах могут столкнуться с мощнейшей конкуренцией, шансы на победу в которой будут зависеть не столько от зарплатных ожиданий, сколько от когнитивных способностей соперников. Общая численность населения Индии и Китая составляет приблизительно 2,6 млрд человек, т. е. в восемь раз превышает численность населения США. Если допустить, что 5 % населения обладают развитыми когнитивными способностями, то мы получим цифру 130 млн человек — а это более 40 % всего населения США. Другими словами, мы вынуждены признать, что, согласно закону нормального распределения, в Китае и Индии намного больше умных людей, чем в США. Разумеется, это не должно вызывать беспокойство до тех пор, пока экономика этих стран способна создавать возможности для всех этих умных специалистов. Однако в реальности все совсем по-другому. Национальная стратегия Индии в области экономики включает создание мощной отрасли, специально нацеленной на захват рабочих мест в США и Европе с использованием электронных средств коммуникации. Да и Китай, даже несмотря на то, что темпы роста экономики в этой стране по-прежнему являются предметом зависти для всего остального мира, с каждым годом все труднее справляется с задачей обеспечения достаточного количества рабочих мест в сфере умственного труда для выпускников своих высших учебных заведений, число которых стремительно растет. В середине 2013 г. китайские власти признали, что лишь половина новоиспеченных специалистов смогла найти работу, тогда как за год до того с этой проблемой столкнулись только 20 % выпускников. Причем, если учесть вакансии с временной занятостью и внештатные позиции, а также тех, кто решил продолжить обучение в магистратуре и аспирантуре, и сотрудников, получивших работу в рамках государственных программ распределения, которые рассматриваются китайскими властями наравне с рабочими местами с постоянной занятостью, эти цифры окажутся еще более внушительными{168}.

До настоящего времени основным препятствием, не позволявшим квалифицированным специалистам из Китая включиться в конкурентную борьбу за рабочие места в индустрии офшоринга, было недостаточно хорошее владение английским и другими европейскими языками. Но даже этот барьер, судя по всему, легко преодолевается благодаря современным технологиям.

У таких технологий, как нейронные сети со способностью к углубленному обучению, есть все шансы превратить машинный синхронный перевод из области научной фантастики в часть повседневной реальности, причем ждать осталось совсем недолго. В июне 2013 г. Хьюго Барра, отвечающий в Google за разработку операционной системы Android, отметил, что, по его оценке, работоспособный «универсальный переводчик», который можно будет использовать как при личном общении, так и во время разговора по телефону, должен появиться в ближайшие несколько лет. Также Барра упомянул о наличии у Google «близкого к совершенному» инструмента для синхронного голосового перевода с английского на португальский и обратно{169}. Кажется неизбежным, что по мере исчезновения с рынка труда рабочих мест, предполагающих выполнение стандартных задач в области умственного труда, в результате их повсеместной автоматизации, будет усиливаться конкуренция за те немногие позиции, которые будут оставаться недоступными для машин. Самые умные люди будут иметь значительное преимущество в этой борьбе, и при поиске работы они наверняка не ограничатся внутренним рынком. В отсутствие препятствий для виртуальной иммиграции позиции выпускников рядовых учебных заведений в развитых странах на мировом рынке труда кажутся все более шаткими.

Образование и взаимодействие с машинами

До сих пор проблема сокращения рабочих мест в результате развития технологий автоматизации, как правило, решается предоставлением работникам возможностей для прохождения дополнительного обучения и повышения квалификации. Считается, что так они могут перейти в другой, более высокий сегмент рынка труда. Как мы видели в главе 1, активное внедрение роботов и технологий самообслуживания в различных отраслях, например в сфере быстрого питания и розничной торговли, грозит безработицей миллионам людей, занимающимся малоквалифицированным трудом. Можно не сомневаться, что именно переподготовка и переобучение будут предложены этим людям в качестве главного решения проблемы трудоустройства. Однако, как следует из содержания этой главы, вечное противостояние технологий и образования приближается к развязке: машины подбираются к профессиям, требующим высокой квалификации.

Среди экономистов, наблюдающих за развитием этой тенденции, формируется новый вариант привычного подхода к проблеме безработицы: по их мнению, в будущем вся работа будет выполняться во взаимодействии с машинами. Наиболее активными проповедниками этой идеи стали Эрик Бринолфссон и Эндрю Макафи из MIT, которые советуют людям «присоединиться к машинам» и перестать видеть в них соперников.

Несмотря на всю его разумность, новым этот совет вряд ли можно назвать. Обучение работе с новейшими технологиями всегда было ключом к успешной карьере. Раньше это называлось «обучением навыкам работы на компьютере». Тем не менее мысль о том, что сейчас, на этом последнем витке прогресса, сопровождающемся экспоненциальным ростом информационных технологий, данное решение может считаться адекватным, вызывает очень большие сомнения.

Олицетворением идеи симбиоза машины и человека стала относительно малоизвестная игра под названием «шахматный фристайл». Сейчас, когда прошло более десяти лет после победы суперкомпьютера Deep Blue компании IBM над чемпионом мира по шахматам Гарри Каспаровым, все сходятся в том, что при игре в шахматы с компьютером один на один у человека нет никаких шансов на победу. Шахматный фристайл, напротив, командная игра. Группы игроков, каждый из которых по отдельности может и не быть гроссмейстером с мировым именем, соревнуются друг с другом. При этом им разрешается пользоваться компьютерными программами для игры в шахматы при подготовке к каждому ходу. На сегодняшний день команды людей с доступом к разным шахматным алгоритмам могут победить любой компьютер.

У идеи о том, что вместо полной автоматизации в будущем на рынке труда будет доминировать принцип взаимодействия человека и машины, есть ряд очевидных недостатков. Первый контраргумент — никто не может поручиться, что доминирование смешанных команд из людей и машин в шахматах будет продолжаться вечно. По моему мнению, используемый этими командами подход — оценка и сравнение результатов применения различных шахматных алгоритмов при принятии решения о следующем ходе — уж очень сильно напоминает то, что делает система Watson компании IBM, когда она одновременно запускает сотни алгоритмов поиска информации, а затем ранжирует полученные результаты для определения оптимального. Не думаю, что буду далек от истины, если предположу, что шахматный «метакомпьютер» с доступом ко множеству алгоритмов в конечном итоге сможет одержать победу над любой командой людей, в особенности если речь идет о скорости.

Кроме того, даже если подход с использованием смешанных команд из людей и машин способен обеспечить преимущество в будущем, сохраняет актуальность вопрос о готовности работодателей инвестировать в реализацию этого преимущества. Несмотря на все лозунги и слоганы, которыми корпорации пичкают своих сотрудников, правда в том, что большинство компаний не готовы доплачивать кругленькие суммы за показатели производительности «мирового уровня», когда речь идет о выполнении больших объемов более или менее рутинной работы в рамках повседневной деятельности. Если у вас есть какие-либо сомнения на этот счет, я бы предложил вам попробовать позвонить вашему интернет-провайдеру. Бизнес будет вкладывать деньги в те направления, которые имеют критически важное значение для его основной деятельности, — другими словами, в те виды деятельности, которые обеспечивают ему конкурентное преимущество. В общем все, как и прежде. Да и к тому же — и это важнее — нет и речи о привлечении новых людей. Работники, которых компании, вероятнее всего, будут нанимать, чтобы вооружить последними технологическими новинками, — это те же самые люди, которым и сегодня не грозит безработица. Речь идет о небольшом количестве самых отборных сотрудников. В своей книге 2013 г. «Среднего более не дано» (Average Is Over)[33] экономист Тайлер Коуэн цитирует одного из знатоков шахматного фристайла, который называет лучших игроков продуктами «генетической аномалии»{170}. Вряд ли можно расценивать его слова как подтверждение идеи о том, что взаимодействие машины и человека является универсальным решением для всех, кто лишится своей рутинной работы. Не будем также забывать и о проблеме офшоринга, о которой говорилось выше. Среди 2,6 млрд жителей Индии и Китая найдется немало тех, кто сделает все, чтобы получить место в элите наемных сотрудников.

Кроме того, есть достаточные основания полагать, что многие из рабочих мест, предполагающих взаимодействие с машинами, будут существовать относительно недолго. Вспомним пример WorkFusion и то, как разработанные этой компанией алгоритмы машинного обучения постепенно автоматизируют все больше и больше видов работ, выполняемых фрилансерами. Подводя итог, приходится констатировать: если вам доведется работать в связке с интеллектуальной программной системой или под ее руководством, то — осознаете вы это или нет — вы сами научите ее всему, что вы знаете и умеете, и в конечном итоге она вас заменит.

Еще одно наблюдение: во многих случаях претендентов на рабочие места, связанные с взаимодействием с машинами, ждет горькое разочарование — как говорится, «будь осторожен в своих мечтах». Чтобы понять, о чем идет речь, давайте рассмотрим в качестве примера ситуацию, складывающуюся сейчас с раскрытием информации в области права. Когда корпорация становится участником судебного разбирательства, перед ней встает задача тщательного изучения огромного количества внутренней документации с целью поиска той, которая потенциально может иметь отношение к рассматриваемому в суде делу. По правилам эта информация должна быть в обязательном порядке передана другой стороне разбирательства. Даже малейшее несоблюдение этих правил влечет за собой серьезные правовые последствия. Одним из парадоксов эпохи электронной документации является то, что само число таких документов, в особенности в форме сообщений электронной почты, очень сильно выросло по сравнению с эрой печатных машинок и бумаги. Для работы с этим несметным числом документов юридические фирмы применяют новые методики.

Первый подход предполагает полную автоматизацию. Речь идет о так называемом ПО типа e-Discovery, в основе которого лежат мощные алгоритмы, способные анализировать миллионы электронных документов и автоматически отбирать среди них все, что имеет отношение делу. Эти алгоритмы не ограничиваются простым поиском по ключевым словам: зачастую в них применяются методы машинного обучения, которые могут находить в тексте необходимые концепты независимо от их формулировки{171}. Прямым следствием внедрения этого подхода стало исчезновение большого количества рабочих мест для юристов и их помощников, когда-то тративших все свое время на разбор бесконечных коробок с бумажной документацией.

Также получил распространение и другой подход: юридические фирмы передают работу по поиску подлежащей раскрытию документации специальным компаниям, которые нанимают толпы выпускников юридических факультетов. Все эти выпускники — жертвы лопнувшего «пузыря» в сфере юридического образования. Не имея возможности найти полноценную работу в качестве юристов — и часто изнывая под бременем неподъемных выплат по образовательным кредитам, — они нанимаются операторами по обработке документов. Каждый из них сидит перед монитором, на котором непрерывным потоком отображаются документы. Помимо документа на экране есть две кнопки: «Соответствует» и «Не соответствует». Несостоявшиеся юристы просматривают документ на экране и щелкают нужную кнопку. После этого появляется новый документ и т. д.{172} Бывает, что им приходится просматривать до восьмидесяти документов в час{173}. У этих молодых юристов нет никаких шансов оказаться в зале суда, научиться чему-то новому и добиться чего-то в профессии — никакого движения вперед. Вместо этого они вынуждены — час за часом — щелкать кнопки «Соответствует» и «Не соответствует»[34].

При сравнении этих двух конкурирующих подходов сразу встает вопрос о жизнеспособности модели, предполагающей взаимодействие компьютера и человека. Даже при относительно низкой оплате труда (по меркам юристов) таких сотрудников полностью автоматизированная обработка кажется куда более выгодной с точки зрения затрат. Что касается низкого качества этих рабочих мест, вы можете обвинить меня в том, что я намеренно выбрал не самый оптимистичный пример, чтобы сгустить краски. Но разве при взаимодействии с машинами люди не будут контролировать ситуацию, делая так, чтобы вся стоящая работа доставалась им, а не машинам? Разве они будут довольствоваться ролью простого винтика или шестеренки в работе большого механизма?

Главная проблема, возникающая при анализе этого радужного, но, скорее всего, далекого от реальности взгляда на будущее, заключается в том, что он противоречит имеющимся данным. В изданной в 2007 г. книге «Цифродробители» (Super Crunchers) профессор Йельского университета Йен Айрес ссылается на исследование, показывающее, что алгоритмические подходы демонстрируют более высокие результаты, чем люди, являющиеся экспертами в соответствующей области. Когда контроль над процессом доверяется людям, а не компьютерам, это почти всегда негативно сказывается на результатах. Даже когда эксперты заранее получают доступ к результатам работы алгоритмов, их выводы все равно оказываются хуже тех, к которым машины приходят самостоятельно. Таким образом, если говорить об участии людей в процессе, лучше всего доверять им задачи, связанные с предоставлением системе определенной информации, и не передавать им полный контроль. Как отмечает Айрес: «Появляется все больше данных в пользу другого, куда более унизительного, дегуманизированного механизма организации взаимодействия эксперта и [алгоритмических] средств»{174}.

Я хочу сказать, что даже если и существуют профессии, в которых человек и машина взаимодействуют на равных, то их относительно немного[35] и большинство из них недолго задерживаются на рынке труда. При этом во многих случаях такая работа не приносит удовлетворения и даже унизительна для человека. На этом фоне сложно найти аргументы в поддержку призыва помочь людям получить в будущем одно из таких мест, научив их необходимым методам работы, не говоря уже о том, что мы вряд ли сможем четко сформулировать, чему именно мы должны их научить. По правде говоря, я воспринимаю этот призыв как попытку любыми способами вдохнуть жизнь в набившую оскомину концепцию (в очередной раз дать работникам возможность пройти профессиональную переподготовку) и сохранить ее еще на какое-то время. Мы приближаемся к точке, где все будет совершенно по-другому и где нам придется куда более серьезно менять свои подходы.

Первыми жертвами автоматизации умственного труда, безусловно, станут позиции начального уровня, занимаемые выпускниками колледжей. Как мы видели в главе 2, уже сейчас можно наблюдать признаки того, что этот процесс начался. В период с 2003 по 2012 г. медианный доход выпускника колледжа со степенью бакалавра в США упал почти с $52 000 до суммы, едва превышающей $46 000 (в ценах 2012 г.). В то же время совокупная задолженность по образовательным кредитам в течение этого времени выросла в три раза — приблизительно с $300 млрд до $900 млрд{175}.

Несоответствие между работой и квалификацией стало настоящим бичом недавних выпускников: почти каждый студент колледжа знает выпускника, которому полученная квалификация не помогла избежать работы в кофейне. В марте 2013 г. канадские экономисты Пол Бодри, Дэвид Грин и Бенджамин Сэнд опубликовали научную работу под названием «Великий разворот спроса на навыки и когнитивные задачи» (The Great Reversal in the Demand for Skill and Cognitive Tasks){176}. Если вкратце, то за этим броским названием стоит следующее: авторы статьи обнаружили, что общий спрос на квалифицированный труд в США достиг своего пика приблизительно в 2000 г., после чего он начал стремительно падать. Результат — все больше выпускников колледжей вынуждены соглашаться на работу, которая не требует практически никакой квалификации, зачастую вытесняя с рынка труда людей без дипломов о высшем образовании.

Причем серьезно пострадали даже те, кто специализировался в области естественных наук и техники. Как мы уже видели, рынок труда в сфере информационных технологий изменился до неузнаваемости в результате повышения уровня автоматизации, связанного с растущей популярностью облачных вычислений, а также офшорингом. Широко распространенное мнение о том, что диплом инженера или специалиста в области информационных технологий является гарантией трудоустройства — по большому счету всего лишь миф. В апреле 2013 г. Институт экономической политики (Economic Policy Institute) провел исследование, в ходе которого выяснилось, что лишь половине из выпускаемых американскими колледжами инженеров и специалистов в области информационных технологий удается найти работу по специальности. Авторы исследования пришли к выводу, что «число выпускников намного превышает спрос на них в отрасли»{177}. Становится все более очевидно, что огромное количество людей будут стараться получить качественное образование, но при этом не смогут найти применения своим знаниям в экономике будущего.

Хотя некоторые экономисты, уделяющие большое внимание изучению исторических данных наконец начинают приходить к пониманию влияния развития технологий на рабочие места, требующие высокой квалификации, как правило, они с большой осторожностью относятся к попыткам экстраполировать эту тенденцию в будущее. Исследователи, работающие в области искусственного интеллекта, часто демонстрируют куда большую смелость в суждениях. Например, Норико Араи, математик из Национального института информатики в Японии, руководит проектом по разработке системы, которая должна будет пройти вступительные экзамены в Токийском университете. По мнению Араи, если компьютер сможет продемонстрировать такое сочетание аналитических и языковых навыков, которого достаточно для поступления в самый престижный университет Японии, то, скорее всего, он в конечном итоге сможет делать то же, что и многие из выпускников. Араи предсказывает возможность массового замещения людей машинами на рынке труда в ближайшие 10−20 лет. В качестве одной из главных целей своего проекта она видит попытку оценить возможное влияние внедрения технологий искусственного интеллекта на рынок труда. Араи беспокоится, что замена 10−20 % квалифицированных работников средствами автоматизации станет «настоящей катастрофой», заявляя, что «даже не хочет думать о том, к чему приведет замена 50 %». Потом она добавляет, что это будет нечто «посерьезнее катастрофы, но в случае успешного развития технологий искусственного интеллекта в будущем исключать возможность такого развития событий нельзя»{178}.

Сама сфера высшего образования исторически является одним из главных рынков труда для высококвалифицированных специалистов. Многие из них, в особенности те, кто доходит до защиты диссертации, как правило, начинают свою карьеру первокурсниками и проводят в колледже всю жизнь. В следующей главе мы посмотрим на то, как эта отрасль — а вместе с ней и многие карьерные возможности — также может оказаться на пороге фундаментальных изменений, обусловленных развитием технологий.

В марте 2013 г. в ответ на информацию о том, что оценкой эссе, написанных в рамках стандартизированных тестов, будут заниматься машины, небольшая группа ученых, состоящая главным образом из специалистов по английскому языку и преподавателей письменного английского, выступила в Интернете с петицией, направленной против данной инициативы. В этой петиции под названием «Профессионалы против оценки машинами студенческих эссе в ответственных случаях» (Professionals Against Machine Scoring of Student Essays in High Stakes Assessment){179} отражено общее мнение авторов о том, что алгоритмическое оценивание эссе, помимо прочего, отличается упрощенностью, неточностью, произвольностью и предвзятостью, не говоря уже о том, что оно выполняется «устройством, которое на самом деле даже не умеет читать». Меньше чем за два месяца петицию подписали почти 4000 преподавателей и специалистов, а также все уважаемые интеллектуалы, включая Ноама Хомского.

Разумеется, в идее использовать компьютеры для оценки тестов нет ничего нового: уже многие годы они занимаются простейшей задачей оценки тестов с несколькими вариантами выбора. В этом контексте они рассматриваются как средство снижения трудоемкости. Однако стоит лишь алгоритмам покуситься на область, которая, по всеобщему мнению, в значительной степени зависит от человеческих навыков, включая способность выносить суждения, как тут же многие преподаватели начинают видеть в технологиях угрозу. В основе машинных технологий оценки эссе лежат передовые средства искусственного интеллекта; основная стратегия, используемая при оценке студенческих эссе, во многом схожа с методологией, реализованной в онлайн-переводчике Google. Сначала в алгоритмы машинного обучения загружается большое количество образцов с оценками, выставленными преподавателями-людьми. Затем алгоритмы применяются при оценке новых студенческих эссе; при этом они выдают результат практически мгновенно.

Авторы петиции, безусловно, правы в том, что участвующие в оценивании машины «не умеют читать». Однако, как мы уже видели на примере других случаев применения больших данных и технологий машинного обучения, это не имеет никакого значения. Методы, основанные на анализе статистических корреляций, очень часто не уступают лучшим экспертам или даже превосходят их по эффективности. Например, в 2012 г. сотрудники Педагогического колледжа Университета Акрона провели исследование, в ходе которого сравнили результаты работы машин с оценками, поставленными преподавателями. Выяснилось, что применение машинных технологий позволило «добиться практического такого же уровня точности и при этом в некоторых случаях ПО оказалось даже надежнее». В исследовании приняли участие девять компаний, занимающихся разработкой решений для автоматизации оценивания, в нем было использовано свыше 16 000 студенческих эссе с проставленными оценками из государственных школ шести штатов США{180}.

Одним из самых ярых противников машинного оценивания и одним из инициаторов протестной петиции 2013 г. является Лес Перельман, бывший директор программы обучения письменной речи в МIT. Перельману удалось ввести в заблуждение алгоритмы оценивания с помощью нескольких абсурдных эссе, некоторые из которых заслужили высокую оценку машин. Однако, по моему мнению, навыки, требуемые для составления бессмысленных текстов специально для того, чтобы обмануть ПО, в общем и целом сравнимы с навыками, необходимыми для написания логически выстроенного эссе. Это противоречит выводу Перельмана о том, что систему легко обмануть. На самом деле следовало бы задаться вопросом: а способен ли студент, который не владеет развитыми навыками письменной речи, обмануть ПО, используемое для оценивания? Исследование специалистов из Университета Акрона показывает, что это невозможно. Впрочем, одна из поднимаемых Перельманом проблем заслуживает внимания: опасение, что в будущем студентов будут учить так, чтобы их работы нравились алгоритмам, которые, по его мнению, «дают студентам непропорционально много баллов за длинные и вычурные высказывания»{181}.

Несмотря на все споры, у алгоритмического оценивания есть все шансы стать главным методом в школах, которые продолжают искать способы сокращения издержек. Этот подход имеет неоспоримые преимущества в ситуациях, когда требуется оценить большое количество эссе. И дело не только в скорости и низкой стоимости: алгоритмический подход обеспечивает такой уровень объективности и надежности, единственной альтернативой которому в случае с преподавателями-людьми является привлечение нескольких проверяющих. Например, многие языковые курсы предполагают ежедневное ведение дневника; при использовании алгоритма для оценки любой записи и, возможно, даже получения рекомендаций по улучшению текста будет достаточно простого щелчка мыши. Представляется разумным предположить, что автоматизированное оценивание — по крайней мере в ближайшем будущем — будет применяться во вводных курсах, посвященных базовым навыкам. Вряд ли преподающим английский профессорам стоит бояться вторжения алгоритмов в работу семинаров по писательскому мастерству для хорошо подготовленных студентов. При этом внедрение алгоритмов в рамках вводных курсов может привести к вытеснению ассистентов-преподавателей, выполняющих сейчас рутинную работу по оцениванию текстов.

Шумиха вокруг вопроса о привлечении роботов к оцениванию эссе представляет собой лишь небольшой пример ответной реакции, которая, несомненно, не заставит себя ждать, когда набирающий обороты рост информационных технологий в полной мере скажется на сфере образования. Значительное увеличение производительности, которое изменило до неузнаваемости многие отрасли, пока практически не коснулось колледжей и университетов. Преимущества информационных технологий до сих пор не нашли применения в высших учебных заведениях. Этим — по крайней мере отчасти — объясняется стремительный рост стоимости обучения в течение последних десятилетий.

Есть веские основания полагать, что в скором времени все будет по-другому. Одним из главных проводников изменений, конечно же, станут онлайн-курсы, которые ведут в Интернете преподаватели элитных учебных заведений. Нередко такие курсы привлекают огромное количество желающих, а значит, им суждено стать важным фактором распространения автоматизированных подходов к преподаванию и оцениванию. В начале 2013 г. консорциум элитных университетов edX, созданный с целью продвижения бесплатных онлайн-курсов, объявил о том, что он готов бесплатно предоставить ПО для оценивания эссе любому образовательному учреждению, которое обратиться к нему с соответствующим запросом{182}. Другими словами, алгоритмические системы оценивания стали еще одним примером доступного через Интернет тиражируемого ПО, которое будет способствовать ускорению неизбежного процесса автоматизации квалифицированного труда.

Взлет и падение массовых открытых онлайн-курсов

Бесплатные курсы в Интернете, подобные тем, которые предлагает консорциум edX, являются частью тенденции, связанной с ростом популярности массовых открытых онлайн-курсов (МООК), которые ворвались в общественное сознание в конце лета 2011 г., когда два специалиста в области компьютерных вычислений из Стэнфордского университета — Себастьян Трун и Питер Норвиг объявили о том, что любой сможет бесплатно пройти их вводный курс по искусственному интеллекту по Интернету. Оба этих человека были знаменитостями в своей области, и оба были тесно связаны с Google: Трун руководил в Google разработкой автономных автомобилей, а Норвиг занимал должность директора по научным исследованиям в этой компании, а также был одним из авторов наиболее авторитетного учебника по искусственному интеллекту. В течение нескольких дней после объявления более 10 000 человек подали заявку на прохождение курса. Когда корреспондент The New York Times Джон Маркофф опубликовал на первой полосе статью о курсе{183}, количество желающих превысило 160 000 человек более чем из 190 стран. Количество онлайн-студентов из одной только Литвы превышало общее количество студентов и аспирантов в Стэнфорде. Самому молодому было десять лет, а самому пожилому — семьдесят, и все они хотели воспользоваться уникальной возможностью познакомиться с основами теории искусственного интеллекта непосредственно от двух ведущих специалистов в этой области, что до того было доступно лишь приблизительно 200 студентам Стэнфорда{184}.

Десятинедельный курс был поделен на короткие сегменты продолжительностью по несколько минут, построенные приблизительно на тех же принципах, что и исключительно популярные видеоролики для учеников средней школы, созданные авторами онлайн-академии Khan Academy. Я ознакомился с несколькими разделами курса и убедился в том, насколько эффективен и привлекателен данный формат. В видеороликах не было никаких визуальных ухищрений — большую часть времени Трун или Норвиг излагали материал, используя для записей обычный блокнот. После каждого короткого сегмента следовал интерактивный тест, состоящий из вопросов с вариантами ответа. Этот метод обеспечивает эффективное усвоение ключевых идей курса по мере его прохождения. Всего курс просмотрели приблизительно 23 000 человек — это те, кто сдал заключительный экзамен и получил сертификат о прохождении курса от Стэнфордского университета.

Всего за несколько месяцев вокруг феномена МООК сформировалась абсолютно новая отрасль. Заручившись поддержкой венчурных инвесторов, Себастьян Трун основал новую компанию под названием Udacity для проведения бесплатных или недорогих онлайн-курсов. Лучшие университеты США и всего мира один за другим начали присоединяться к этой инициативе. Еще два профессора из Стэнфорда — Эндрю Нг и Дафни Коллер, получив $22 млн в виде первоначальных инвестиций, основали Coursera и начали сотрудничать со Стэнфордским, Мичиганским, Пенсильванским и Принстонским университетами. Гарвард и МIT оперативно инвестировали $60 млн в создание edX. В ответ на это основатели Coursera добавили к первоначальному списку Университет Джона Хопкинса и Калифорнийский технологический институт. Через восемнадцать месяцев с этим веб-ресурсом сотрудничали уже более ста учебных заведений со всего мира.

К началу 2013 г. ажиотаж вокруг МООК достиг своего апогея на фоне феноменального роста количества слушателей курсов. Все думали, что онлайн-курсы — провозвестник новой эпохи, которая откроет двери в мир элитарного образования всем желающим без всякой платы или за минимальное вознаграждение. Бедняки из Африки и Азии должны были получить доступ к университетам «Лиги плюща» посредством дешевых планшетов и смартфонов. Обозреватель The New York Times Томас Фридман назвал МООК «началом мировой революции в высшем онлайн-образовании» и предположил, что онлайн-курсы способны «подключить к решению самых больших проблем мирового масштаба еще один миллиард умов»{185}.

Но всему этому не суждено было сбыться, что стало понятно в конце 2013 г. после публикации учеными из Пенсильванского университета двух исследований. Авторы одного из них проанализировали участие миллиона человек, записавшихся на онлайн-курсы на сайте Coursera, и обнаружили, что у МООК «относительно немного активных участников; что активность заметно падает — в особенности после первых 1−2 недель курса — и что очень немногие из них добираются до конца курса»{186}. Лишь половина записавшихся просматривали хотя бы одну лекцию! Процент прошедших курс полностью варьировался в пределах 2−24, составляя в среднем 4 %. Также МООК не удалось привлечь существенное количество бедных и малообразованных студентов, которым, как все надеялись, они должны были принести наибольшую пользу: приблизительно 80 % записавшихся уже имели высшее образование.

Несколько месяцев спустя выяснилось, что резонансный совместный проект Udacity и Государственного университета Сан-Хосе также не оправдал возлагавшиеся на него надежды. Все началось в январе 2013 г., когда Себастьян Трун и губернатор Калифорнии Джерри Браун объявили на пресс-конференции о реализации образовательной программы, направленной на предоставление студентам из малоимущих слоев населения доступа к недорогим онлайн-курсам по основам математики, алгебры и статистики. Данная программа рассматривалась в качестве возможного решения проблемы высокой стоимости обучения и переполненности государственных колледжей. Когда первые группы студентов завершили обучение в рамках курсов, стоимость которых составляла всего $150 и которые включали индивидуальные онлайн-консультации с преподавателями, результаты оказались удручающими. Три четверти студентов, записавшихся на курс по алгебре (почти 90 % из них были выпускниками средней школы), провалились. В общем и целом результаты студентов МООК были намного хуже результатов студентов, посещавших занятия в Университете Сан-Хосе. После этого университет принял решение о заморозке программы — во всяком случае на какое-то время{187}.

Отказавшись от идеи универсального образования, Udacity теперь уделяет основное внимание узкоспециальным курсам, помогающим тем, кто уже работает, получить конкретные навыки технического характера. Например, такие компании, как Google и Salesforce, используют данную образовательную платформу для проведения курсов, призванных научить разработчиков ПО работать с продуктами этих компаний. Также Udacity начала сотрудничать с Технологическим институтом Джорджии в рамках проекта, участники которого впервые в истории МООК получат возможность получить магистерскую степень в области компьютерных вычислений. Плата за программу, состоящую из трех семестров, составит всего $6600, что на 80 % меньше стоимости при очной форме обучения. Расходы по подготовке программы взяла на себя компания AT&T, которая планирует направить для участия в ней многих из своих сотрудников. На начальном этапе Технологический институт Джорджии планирует набрать около 375 студентов, но в дальнейшем институт собирается увеличить численность учащихся до нескольких тысяч.

МООК продолжают развиваться и совершенствоваться, а значит, надежда на то, что они совершат мировую революцию, которая обеспечит доступ к высококачественному образованию сотням миллионов бедняков по всему миру, в конце концов, может осуществиться. Однако сейчас уже очевидно, что в ближайшее время большую часть аудитории онлайн-курсов все-таки будут составлять те, кто уже имеет высокую мотивацию для получения дополнительного образования. Другими словами, МООК суждено конкурировать за тех же самых людей, которые идут в обычные университеты. Допуская, что потенциальные работодатели могут рассматривать МООК в качестве преимущества, в конечном итоге это может привести к коренной перестройке высшего образования.

Академические кредиты и анализ компетентности

Когда Трун и Норвиг подвели итоги своего курса по теории искусственного интеллекта в 2011 г., они обнаружили, что высший балл получили 248 участников — они не дали ни одного неправильного ответа на экзаменационные ответы. Также выяснилось, что в этой группе лучших учеников не было ни одного студента Стэнфорда. Более того, самый успешный из прошедших курс представителей этого университета даже не вошел в первые четыре сотни участников. При этом никто из «звезд» курса не получил ни один кредит Стэнфордского университета или хотя бы обычный сертификат, подтверждающий достижения.

За несколько месяцев до того, как администрация Стэнфордского университета впервые узнала о наплыве желающих пройти курс, ее представители несколько раз вызывали отвечающих за данную инициативу профессоров на совещания, посвященные вопросу о документах, которые могли бы быть выданы участникам онлайн-курса в качестве подтверждения его прохождения. Проблема заключалась не только в том, что десятки тысяч людей, с которых университет не мог взять те $40 000, которые ежегодно вносят в качестве платы за обучение его обычные студенты, потенциально могли присвоить себе частичку престижа Стэнфордского университета, но и в отсутствии возможности проверить личность студентов в удаленных уголках мира. В итоге администрация согласилась с тем, что в качестве подтверждения прохождения курса в Интернете его участники смогут получить самый простой документ — своего рода «справку об окончании». Руководство Стэнфорда было настолько озабочено точностью терминологии, что, когда кто-то из журналистов в заметке о курсе использовал слово «сертификат», оно сразу же обратилось в газету с требованием заменить его на другое, более расплывчатое.

Что касается озабоченности руководства Стэнфорда проблемой установки личности студентов онлайн-курсов, эти опасения не были беспочвенными. И действительно, одной из самых больших трудностей, связанных с выдачей академических кредитов или официальных документов за МООК, является обеспечение того, чтобы их получил именно тот человек, который прошел курс и сдал все экзамены. При отсутствии надежной процедуры установления личности можно ожидать, что в скором времени появится целая отрасль, которая будет специализироваться на прохождении курсов и сдаче экзаменов. Более того, уже сейчас существует несколько сайтов, предлагающих услуги по прохождению онлайн-курсов за других людей в обмен за определенное вознаграждение. В конце 2012 г. журналисты с сайта Inside Higher Ed решили проверить работу этих ресурсов и под видом студентов отправили на некоторые из них запросы на прохождение вводного онлайн курса по экономике, проводимого Пенсильванским университетом. В ответ они получили предложения о прохождении курса за плату в размере от $775 до $900 с гарантией получения оценки не ниже «B». И это за курс в обычном подразделении Пенсильванского университета, занимающемся традиционным дистанционным обучением и выдающем стандартные документы о получении образования, т. е. в организации, в которой проверка личности студента должна вызывать куда меньше трудностей, чем в рамках открытого курса с огромным количеством участников{188}. Всего в Пенсильванском университете учатся около 6000 студентов и аспирантов — капля по сравнению с тем количеством людей, которые могут записаться на какой-нибудь популярный МООК.

Еще одной серьезной проблемой массовых онлайн-курсов стало жульничество. В 2012 г. организаторы Coursera получили десятки жалоб на плагиат среди слушателей курсов по гуманитарным дисциплинам. Учитывая, что в таких курсах оценки за работы выставляются не алгоритмами, а сокурсниками, организаторам в ответ на многочисленные жалобы пришлось выяснять, какие из обвинений соответствовали действительности, а какие — нет. После того как в рамках курса, посвященного писательскому мастерству в жанре научной фантастики и фэнтези, прозвучали обвинения в том, что в эссе некоторых студентов были целые куски из «Википедии» и других ранее опубликованных источников, профессор Мичиганского университета Эрик Рабкин, который проводил данный курс, был вынужден направить всем 39 000 участникам письмо с предупреждением о запрете на использование чужих работ. Однако в своем письме он также подчеркнул, что «обвинение в плагиате является очень серьезным поступком, совершать который следует только при наличии конкретных доказательств»{189}. Самое удивительное в этих историях о плагиате то, что за участие в таких курсах кредиты не выдаются. Очевидно, некоторые жульничают «просто потому, что это можно делать» или, возможно, по причине незнания правил. В любом случае, если за прохождение таких курсов будут начисляться академические кредиты, это, несомненно, станет мощным стимулом для жульничества.

У проблемы установления личности и жульничества есть ряд возможных решений, носящих чисто технический характер. Самый простой способ — начинать каждую сессию с вопросов, требующих ввода персональных данных. Если вы планируете жульничать, наняв кого-нибудь для прохождения курса от вашего имени, скорее всего, вы хорошенько задумаетесь, стоит ли это того, чтобы давать этому человеку ваш номер социального страхования. Однако этот подход трудно осуществим за пределами США. Еще один метод предполагает наличие включенной камеры на устройстве учащегося на всем протяжении занятий, чтобы организаторы могли наблюдать за ним. В 2013 г. edX — консорциум МООК, основанный Гарвардским университетом и МIT, — начал выдавать студентам, участвующим в занятиях под наблюдением вездесущего ока веб-камеры, за дополнительную плату сертификаты с отметкой о подтверждении личности. Такие сертификаты могут быть предоставлены потенциальному работодателю, но, как правило, не могут использоваться для получения академических кредитов. Наблюдение со стороны прокторов — дорогостоящий процесс, который, очевидно, не может быть распространен на десятки тысяч людей, принимающих участие в бесплатном курсе, но, судя по всему, на эту роль могут подойти алгоритмы распознавания лица, аналогичные тем, что используются в настоящее время в Facebook. Также в ближайшем будущем стоит ожидать появления алгоритмов, способных идентифицировать студентов на основе результатов анализа ритма нажатия клавиш, и алгоритмов, которые поставят крест на плагиате за счет автоматического сравнения письменных работ с огромными собраниями существующих работ{190}.

Одним из наиболее многообещающих способов выдачи академических кредитов за МООК может стать проверка уровня компетентности. В рамках этого подхода студенты смогут получать кредиты, не посещая занятия, а выполняя специальные тесты для демонстрации компетентности в определенных областях. Первыми идею образования на основе компетентности (Competence-Based Education, CBE) реализовали на практике преподаватели Западного губернаторского университета (Wester Governer's University, WGU) — онлайн-организации, решение о создании которой обсуждалось на конференции 1995 г. при участии губернаторов девятнадцати штатов на западе США. Начав работу в 1997 г., к 2013 г. WGU имел уже более 40 000 студентов, среди которых было много тех, кто хотел завершить начатое обучение или получить новую специальность. Когда в сентябре 2013 г. Университет Висконсина объявил о введении программы на основе анализа компетентности с выдачей дипломов, это послужило толчком к дальнейшему развитию данного подхода.

CBE может оказаться идеальным для МООК, поскольку в нем проводится граница между самими курсами и выдаваемыми после них документами об образовании. При этом проблемы установления личности студента и жульничества будут касаться только этапа оценочного тестирования. Это открывает перед венчурным капиталом возможности по созданию фирмы, которая возьмет на себя работу по проведению тестов и выдаче образовательных документов, не принимая никакого участия в хлопотном и затратном деле организации курсов. Студенты с достаточным уровнем мотивации смогут самостоятельно выбрать, как им достичь необходимого уровня компетентности, включая МООК, самообразование и традиционные занятия, а затем сдать тест под контролем упомянутой фирмы для получения кредитов. Такого рода тесты могут быть достаточно сложными, по сути, выступая в качестве своего рода фильтра, который отчасти напоминает процесс поступления в престижные учебные заведения. Если такому стартапу удастся создать надежную репутацию организации, выдающей кредиты и сертификаты только студентами с высоким уровнем компетентности, и если — что, наверное, важнее всего — он сможет наладить прочные связи с крупнейшими работодателями, обеспечив востребованность своих выпускников на рынке труда, у него будут все шансы перевернуть индустрию высшего образования.

Ежегодный опрос высшего руководства почти 3000 американских колледжей и университетов показал, что в течение 2013 г. произошло значительно снижение ожиданий, связанных с дальнейшим развитием МООК. Почти 40 % опрошенных заявили, что массовые онлайн-курсы не являются жизнеспособным методом обучения; в ходе аналогичного опроса за год до того с этим мнением согласилась лишь четверть управленцев из сферы высшего образования. Журнал The Chronicle of Higher Education также выступил с далеким от оптимизма отчетом, отмечая, что «за прошедший год МООК не продемонстрировали никаких признаков победы над существующей системой оценивания и выдачи документа об образовании, что ставит под вопрос их репутацию в качестве проводника радикальных изменений, как поначалу это казалось многим обозревателям»{191}.

Один из парадоксов МООК заключается в том, что, несмотря на все их недостатки в качестве массового образовательного инструмента, для студентов, обладающих достаточным уровнем мотивации и самодисциплины, они могут стать феноменально эффективным методом обучения. Когда Трун и Норвиг только начинали публиковать свои материалы по искусственному интеллекту в Интернете, они с удивлением обнаружили, что посещаемость их лекций в Стэнфорде резко пошла вниз: к концу курса из 200 записавшихся на них студентов университета регулярно посещали лекции всего лишь 30. Оказалось, что остальные предпочитали заниматься в рамках онлайн-курса. Также они обнаружили, что новый формат МООК помог их университетским студентам показать в среднем более высокие результаты на экзаменах по сравнению со студентами, изучавшими тот же самый курс в прежние годы.

Наверное, было бы слишком преждевременно объявлять о том, что МООК потерял свою актуальность. Скорее, мы просто являемся свидетелями обычного для новых технологий явления — трудностей роста. Стоит вспомнить, что, например, операционная система Microsoft Windows заняла доминирующие позиции в отрасли только после выхода в свет ее третьей версии — более чем через пять лет после появления на рынке. Кроме того, нельзя исключать, что на самом деле пессимизм руководства высших учебных заведений в отношении жизнеспособности МООК в будущем во многом связан с опасениями, вызванными возможным влиянием этих курсов на финансовое положение возглавляемых ими учреждений и на сектор высшего образования в целом.

В преддверии новой эпохи

Если МООК все-таки удастся совершить революцию, то это будет революция в отрасли, которая приносит почти $0,5 трлн в год и обеспечивает работой более 3,5 млн человек{192}. В период с 1985 по 2013 г. стоимость высшего образования выросла на 538 %, тогда как общий индекс потребительских цен увеличился лишь на 121 %. Расходы на образование по темпам роста превысили даже затраты на медицину, которые выросли приблизительно на 286 % за тот же период{193}. Значительная часть этих расходов оплачивается кредитами на обучение, общая сумма которых сейчас в США составляет $1,2 трлн. Приблизительно 70 % студентов высших учебных заведений в США занимают деньги на образование; в среднем выпускники начинают свою карьеру с долгом в размере чуть меньше $30 000{194}. При этом нужно помнить, что лишь около 60 % студентов, получающих образование в рамках программ бакалавриата, заканчивают обучение в течение шести лет; таким образом, остальные вынуждены расплачиваться по накопленным долгам без диплома{195}.

Что удивительно, доля фактических расходов на образовательный процесс в колледжах и университетах в резко выросшей стоимости высшего образования относительно невелика. В своей книге 2013 г. «Колледж без прикрас» (College Unbound) Джеффри Селинго приводит данные, собранные небольшой исследовательской организацией Delta Cost Project, которая пользуется большим авторитетом в области анализа индустрии высшего образования. В период с 2000 по 2010 г. крупные государственные исследовательские университеты увеличили расходы на предоставление услуг студентам на 19 %, административные нужды — на 15 %, а текущую деятельность — на 20 %. При этом расходы на преподавание намного отстали в своем росте от остальных показателей, поднявшись всего лишь на 10 %{196}. Более того, в системе калифорнийских университетов в 2009−2011 гг. количество сотрудников на факультетах уменьшилось на 2,3 %, даже несмотря на увеличение набора студентов на 3,6 %{197}. Чтобы сэкономить на зарплатах преподавателей, университеты все чаще переводят своих сотрудников на частичную занятость или вообще выводят за штат, оплачивая их труд исходя из количества прочитанных курсов — в некоторых случаях сотрудники получают за курс длиною один семестр всего лишь $2500 — и лишая их всех дополнительных выплат и льгот. В особенности остро эта проблема стоит в гуманитарных науках, где огромное количество сотрудников, надеявшихся на получение бессрочных контрактов, оказалось после защиты диссертации на внештатных позициях, что с точки зрения карьеры университетского преподавателя равносильно тупику.

Если расходы на преподавание в основной своей части увеличились незначительно, величина затрат на администрацию и материальную сторону образовательного процесса выросла многократно. Во многих крупных кампусах в настоящее время больше администраторов, чем преподавателей. В тот самый двухлетний период, когда персонал факультетов в Калифорнийском университете уменьшился более чем на 2 %, число сотрудников руководящего звена выросло на 4,2 %. Расходы на специалистов, занимающихся индивидуальным консультированием студентов, также резко выросли: на эти позиции в американских университетах теперь приходится почти треть всех рабочих мест для преподавателей{198}. Создается ощущение, что сфера высшего образования превратилась в самодостаточную машину по созданию рабочих мест для людей с кучей дипломов и степеней — разумеется, если только речь не идет о тех, кто по-настоящему хочет преподавать. Другой крупной статьей расходов стала необычайная щедрость при строительстве роскошного жилья для студентов, а также развлекательных и спортивных сооружений. Селинго пишет, что «самым абсурдным проявлением расточительства является Lazy River, по сути дела, представляющий собой тематический парк водных аттракционов, в котором студенты могут поплавать на плотах»{199}. Администрации Бостонского университета, Университета Акрона, Университета Алабамы и Университета Миссури считают такие места развлечений неотъемлемой частью университетской жизни.

Самым важным фактором, конечно же, стала готовность студентов и их семей вносить неуклонно растущую плату за пускай и не стопроцентную, но все-таки некоторую гарантию вхождения в средний класс. Поэтому неудивительно, что многие наблюдатели склонны рассматривать высшее образование в качестве «пузыря», ну или по крайней мере многоуровневого карточного домика, стоящего на пороге цифрового апокалипсиса, аналогичного тому, который пережил газетный и журнальный бизнес. По мнению экспертов, предлагаемые элитными университетами МООК являются тем механизмом, который, скорее всего, приведет к реализации сценария «победитель получает всё» — обязательного атрибута перехода любой отрасли на цифровые технологии.

В США более 2000 колледжей и университетов, предлагающих четырехлетние образовательные программы. Если добавить к ним учреждения, дающие двухлетнее образование, эта цифра превысит 4000. При этом лишь 200–300 из них конкурентоспособны. Учебных заведений с хорошей репутацией — тех, которые могут считаться по-настоящему элитными, — разумеется, и того меньше. Представьте, что в будущем студенты колледжей смогут записываться на онлайн-курсы, проводимые профессорами Гарварда или Стэнфорда, а затем получать подтверждающие документы, которые будут приниматься работодателями и учреждениями, занимающимися послевузовским образованием. Кто в этом случае захочет залезать в долги, чтобы оплачивать обучение в третьесортном учебном заведении?

По мнению Клейтона Кристенсена, профессора Гарвардской школы бизнеса и эксперта по революционным инновациям в различных отраслях экономики, очевидный ответ на этот вопрос сулит безрадостное будущее тысячам учебных заведений. В одном из интервью, которое Кристенсен дал в 2013 г., он заявляет, что «через 15 лет половина американских университетов могут оказаться банкротами»{200}. Даже если большинству высших учебных заведений удастся остаться на плаву, нетрудно представить, насколько сократится прием и, соответственно, прибыль, следствием чего станут массовые увольнения и среди руководства, и среди преподавателей.

Многие люди исходят из того, что революция начнется на самом верху, когда студенты начнут массово записываться на курсы университетов «Лиги плюща». Это мнение основывается на допущении, что переход на цифровые технологии затронет то, что мы называем «образованием». Однако сам тот факт, что учреждения вроде Гарварда или Стэнфорда готовы давать образование бесплатно, является свидетельством правоты тех, кто рассматривает их в качестве источника дипломов и степеней, а не знаний. Дипломы элитных учебных заведений не поддаются массовому копированию, как, скажем, файлы с музыкальными композициями в цифровом формате; они больше похожи на выпускаемые ограниченным тиражом произведения искусства или выпускаемые центральным банком бумажные деньги. Если их будет много, их ценность упадет. Я подозреваю, что по этой причине по-настоящему элитарные университеты всегда будут негативно относиться к идее о выдаче окончившим курсы дипломов и сертификатов, представляющих хоть какую-то ценность.

Более вероятно, что главной движущей силой революции станут учебные заведения, стоящие на ступеньку ниже, в особенности крупные государственные университеты, имеющие репутацию важных научных центров и выпускающие огромное количество специалистов — а также обладающие мощными брендами, ассоциирующимися с выдающимися футбольными и баскетбольными командами — и все чаще испытывающие трудности с финансированием на фоне сокращения государственных расходов. Совместный проект Технологического института Джорджии и Udacity по подготовке дипломированных специалистов в области компьютерных вычислений с использованием МООК, а также эксперимент Университета Висконсина по выдаче дипломов по результатам оценки компетентности позволяют заглянуть в будущее, в котором эти явления станут массовыми. Как я уже говорил ранее, одна или несколько частных фирм могут занять большую долю рынка, предложив возможность получения документов о профессиональном образовании исключительно по результатам прохождения специальных тестов.

Даже если развитие МООК в ближайшем будущем не приведет напрямую к выдаче дипломов и прочих востребованных рынком документов об образовании, такие курсы в любом случае могут стать угрозой для бизнес-моделей многих колледжей. Массовые вводные лекции в рамках таких курсов, как «Экономика» и «Психология», являются жизненно важными источниками дохода для колледжей, давая им возможность с минимальными затратами для себя обучать сотни студентов, большинство из которых вносит полную плату. Как только студенты получат возможность заменить такие курсы бесплатными или недорогими МООК, проводимыми знаменитыми профессорами из элитных учебных заведений, они не преминут это сделать, что само по себе станет настоящим ударом по финансовой стабильности многих не самых лучших учебных заведений.

Массовость МООК сама по себе станет важным фактором внедрения инноваций по мере их развития. Участие студентов в таких курсах сопровождается сбором огромного количества данных о них самих и о том, что приводит их к успеху или неудаче. Как мы видели, применение методов обработки больших данных почти всегда дает важные наблюдения, которые позволяют со временем добиваться более высоких результатов. Образование тоже не стоит на месте, а значит, можно ожидать, что с появлением новых технологий они будут все чаще использоваться в рамках МООК. Например, адаптивные системы обучения можно считать своего рода роботизированными преподавателями. Эти системы тщательно отслеживают успехи отдельных студентов, предлагая им индивидуальное обучение и персональную помощь. Они также способны подстраиваться под темп обучения, соответствующий способностям студентов. У нас уже есть примеры успешной работы таких систем. В частности, это показывает недавно проведенное рандомизированное исследование, включавшее анализ статистических данных по вводным курсам в шести государственных университетах. В рамках исследования все студенты были поделены на две группы: преподавание для членов первой группы проводилось в традиционном формате, тогда как главным методом во второй было роботизированное обучение с ограниченным количеством аудиторных часов. Оказалось, что результаты обучения были схожими в обеих группах студентов, «включая процент успешно сдавших экзамены, количество баллов на заключительном экзамене и результаты стандартной оценки статистической грамотности»{201}.

Если сфера высшего образования все-таки «падет» под стремительным натиском цифровых технологий, весьма велика вероятность того, что результаты последующей трансформации будут носить неоднозначный характер. С одной стороны, стоимость высшего образования снизится, и оно станет доступно более широкому кругу людей, но, с другой, внедрение новых технологий может привести к разрушению отрасли, которая сама по себе является важным поставщиком рабочих мест для высококвалифицированных специалистов. И, как мы уже видели на примере целого ряда других отраслей, стремительное развитие технологий автоматизации на основе ПО ставит крест на будущем многих рабочих мест, которые требуют высокой квалификации и которые, вероятнее всего, будут интересовать новых выпускников. Пока алгоритмы оценивания эссе и роботы-преподаватели будут учить студентов навыкам письменной речи, многие из рутинных задач по написанию текстов, выполняемых начинающими специалистами, будут автоматизированы с помощью алгоритмов вроде тех, что разрабатываются компанией Narrative Science.

Также нельзя исключать естественную синергию роста популярности МООК и практики офшоринга в области умственного труда. Если выпускникам массовых онлайн-курсов все-таки начнут выдавать дипломы о высшем образовании, это неизбежно приведет к тому, что значительная часть этих дипломов достанется студентам из развивающихся стран. К тому же они будут составлять большую часть самых успешных студентов. А значит, по мере привыкания к найму специалистов в рамках этой новой парадигмы работодатели будут все чаще искать подходящих кандидатов в других странах.

Высшее образование является одной из двух главных отраслей экономики США, которым до настоящего момента удавалась оставаться в стороне от стремительного прогресса в области цифровых технологий. Тем не менее внедрение различных инноваций, включая МООК, автоматизированные алгоритмы оценивания и адаптивные системы обучения, указывает на то, что эта отрасль уже встала на путь революционных изменений. В следующей главе речь пойдет об еще одном оплоте доцифровой эпохи — системе здравоохранения, для покорения которой роботам придется преодолеть еще даже большее сопротивление, чем в случае с высшим образованием.

В мае 2012 г. в клинику Марбургского университета в Германии поступил мужчина 55 лет. У пациента отмечались жар, воспаление пищевода, низкий уровень гормона щитовидной железы и ухудшение зрения. До того он уже побывал у нескольких врачей, которых его состояние привело в полное замешательство. К моменту госпитализации в клинику в Марбурге он почти ослеп, а также у него были все признаки сердечной недостаточности. За несколько месяцев до того на другом континенте весьма похожая медицинская загадка привела к операции по пересадке сердца женщине 59 лет в Медицинском центре Университета Колорадо в Денвере.

Как оказалось, у обеих этих загадок была одна и та же разгадка: отравление кобальтом{202}. Оба пациента ранее перенесли операцию по протезированию тазобедренного сустава с использованием металлического протеза. По мере изнашивания металлические имплантаты выделяли частицы кобальта, оказывая продолжительный токсический эффект на организм пациентов. По удивительному совпадению, описывающие эти два случая статьи были опубликованы независимо друг от друга в двух ведущих медицинских журналах в один и тот же день в феврале 2014 г. В статье немецких врачей содержалась одна поразительная деталь: в отличие от американских коллег, которые решили прибегнуть к хирургической операции, немецким специалистам удалось разрешить загадку благодаря тому, что один из них вспомнил сериал «Доктор Хаус», показанный в феврале 2011 г. В одной из серий главный герой доктор Грегори Хаус столкнулся с аналогичной проблемой и поставил нетривиальный диагноз: отравление кобальтом в результате протезирования тазобедренного сустава.

Тот факт, что две группы врачей могут с большим трудом поставить один и тот же диагноз — да еще и тогда, когда решение проблемы можно найти в сериале, который идет в прайм-тайм перед миллионами телезрителей, — показывает всю степень ограниченности медицинских знаний и навыков диагностирования конкретного врача — и это в эпоху, когда Интернет настолько облегчил доступ к информации и максимально расширил возможности для взаимодействия! В результате процесс диагностирования и лечения заболеваний в основных своих чертах остался практически неизменным. Одним из самых важных положительных последствий применения технологий искусственного интеллекта и больших данных в медицине может стать пересмотр традиционного подхода к решению проблем и получение доступа ко всей той информации, которая сейчас заключена в голове каждого отдельно взятого врача или опубликована в малоизвестных медицинских журналах.

До настоящего времени успехи в развитии информационных технологий, под влиянием которых во многих областях экономики произошла настоящая революция, в основной своей части обходили стороной сферу здравоохранения. Особенно трудно найти хоть какие-нибудь свидетельства внятного положительного воздействия технологий, когда речь заходит об эффективности всей системы в целом. В 1960 г. на здравоохранение приходилось менее 6 % экономики США{203}. К 2013 г. эта величина выросла в три раза, почти достигнув 18 %, а расходы на здравоохранение на душу населения в США взлетели до уровня, в два раза превышающего аналогичные показатели в большинстве промышленно развитых стран. Если влияние технологий по-прежнему будет носить столь же асимметричный характер, приводя к снижению зарплат и безработице в большинстве отраслей экономики на фоне продолжающегося роста расходов на здравоохранение, это может стать одним из самых серьезных факторов риска в будущем. С этой точки зрения опасность заключается не в том, что роботов в здравоохранении будет слишком много, а, наоборот, в том, что их будет слишком мало. Если технологии не справятся со своими задачами в области здравоохранения, это приведет к резкому росту бремени расходов — которые, в конце концов, станут просто неподъемными — как на уровне отдельных домохозяйств, так и экономики в целом.

Искусственный интеллект в медицине

Общий объем информации, которая может оказаться полезной для врача, пытающегося поставить диагноз конкретному пациенту или выработать оптимальную стратегию лечения, поражает воображение. Врачам приходится иметь дело с непрерывным потоком новых открытий, инновационных методов лечения и результатов клинических исследований, публикуемых в научно-медицинских журналах по всему миру. Например, в базе данных MEDLINE, размещенной в Интернете Национальной медицинской библиотекой США, содержится более 5600 различных журналов, в каждом из которых ежегодно публикуются десятки и даже сотни научных статей. Кроме того, существуют миллионы медицинских документов, историй болезни и описаний конкретных случаев, в которых может быть важная информация. По некоторым оценкам, приблизительно каждые пять лет общий объем всех этих данных{204}. Даже в узкоспециальных областях медицинской практики трудно представить себе человека, который мог бы усвоить адекватный объем необходимой ему информации — чаще всего все ограничивается лишь небольшой его долей.

Как мы видели в главе 4, медицина относится к тем областям, в которых, как надеются специалисты IBM, внедрение технологии Watson может привести к революционным изменениям. Система IBM способна перерабатывать огромные объемы информации в самых разных форматах, а затем практически мгновенно делать выводы, которые могут ускользнуть даже от самого дотошного исследователя. Легко поверить, что уже в ближайшем будущем она превратится в незаменимый инструмент диагностики — по крайней мере в практике врачей, имеющих дело с особенно сложными случаями.

Ежегодно через хьюстонскую больницу Онкологического центра Андерсона при Техасском университете, который традиционно считается лучшим специализированным онкологическим учреждением в США, проходит более 100 000 пациентов. В 2011 г. команда разработчиков Watson из IBM начала совместную работу с врачами центра с целью создания версии системы, специально адаптированной под нужды врачей-онкологов, занимающихся лечением пациентов с лейкемией. Основная задача проекта — создать интерактивного помощника, который будет рекомендовать оптимальные методы лечения на основе всех имеющихся данных, подбирать пациентам клинические курсы в соответствии с их индивидуальными особенностями и указывать на возможные факторы риска и побочные эффекты, представляющие угрозу для конкретных пациентов. Уже на начальном этапе проекта выяснилось, что работа движется не так быстро, как ожидали специалисты IBM. Главным образом это было обусловлено трудностями, связанными с необходимостью проектирования алгоритмов, в которых учитывались бы все особенности диагностирования и лечения онкологических заболеваний. Рак, как оказалось, сложнее «Jeopardy!». Тем не менее в январе 2014 г. в The Wall Street Journal вышла статья, в которой сообщалось, что в проекте по созданию системы диагностирования и лечения лейкемии на основе Watson в Онкологическом центре Андерсона «вновь появилась надежда» на появление работоспособной версии{205}. Исследователи рассчитывают, что в ближайшие два года им удастся расширить возможности системы, с тем чтобы она могла работать с другими видами онкологических заболеваний. Весьма вероятно, что уроки, извлеченные IBM из этого пилотного проекта, позволят компании быстрее добиваться успеха при применении технологии Watson на практике в будущем.

Как только будет обеспечена стабильная работа системы, сотрудники Центра Андерсона планируют открыть к ней доступ через Интернет, чтобы врачи по всему миру могли использовать ее в качестве мощного ресурса. По мнению специалиста по лейкемии Кортни Динардо, технология Watson «может сделать онкологическую помощь более доступной», предоставляя любому врачу «доступ к самым последним научным знаниям и опыту Онкологическому центру Андерсона». «Что касается врачей, не являющихся специалистами по лейкемии, — продолжает она, — система может служить источником независимого экспертного мнения, давая им возможность пользоваться теми же знаниями и той же информацей», которые использует в своей работе лучший в стране онкологический центр. Динардо также считает, что, помимо рекомендаций по лечению конкретных пациентов, система «станет уникальной исследовательской платформой, которая может использоваться для формулирования проблем, проверки гипотез и решения важнейших научных задач»{206}.

Хотя в настоящее время Watson, конечно, и является самым амбициозным и выдающимся примером практического применения технологий искусственного интеллекта в медицине, существуют и другие, не менее важные примеры. В 2009 г. исследователи из Клиники Мейо в Рочестере, в штате Миннесота создали искусственную нейронную сеть, предназначенную для диагностирования случаев эндокардита — заболевания, связанного с воспаление внутренней оболочки стенки сердца (эндокарда). Как правило, при эндокардите в пищевод пациенту вводится зонд с целью диагностирования потенциально смертельной инфекции, которая может быть причиной воспаления. Данная процедура не только причиняет неудобства пациенту, но еще и связана с большими расходами и риском для здоровья. Чтобы обойтись без инвазивного вмешательства, врачи из клиники Мейо научили нейронную сеть ставить диагноз на основе результатов стандартных анализов и наблюдаемых симптомов. В ходе исследования с участием 189 пациентов было установлено, что система выдает правильный результат более чем в 99 % случаев, избавляя свыше половины пациентов от необходимости проходить инвазивную диагностическую процедуру{207}.

Одним из важнейших последствий внедрения технологий искусственного интеллекта в медицине должно стать снижение процента непоправимых ошибок как при диагностировании, так и в лечении. В ноябре 1994 г. журналистка 39 лет, мать двоих детей Бетси Леман, получившая широкую известность благодаря своей колонке о связанных со здоровьем проблемах в The Boston Globe, получила назначение на третий курс химиотерапии — очередной этап ее непрекращающейся борьбы с раком молочной железы. Леман госпитализировали в Институт онкологии Дана-Фарбер в Бостоне, считающийся — наряду с Центром Андерсона — одним из лучших онкологических центров в стране. В соответствии с планом лечения Леман должна была получить циклофосфамид — высокотоксичный препарат, убивающий клетки опухоли, — в очень большой дозе. Делавший назначение научный сотрудник по ошибке написал в направлении не ту цифру, в результате чего доза, в которой Леман получила препарат, оказалась в четыре раза выше предусмотренной планом лечения. 3 декабря 1994 г. Леман умерла от передозировки препарата{208}.

Леман лишь одна из 98 000 пациентов, ежегодно умирающих в США в результате медицинских ошибок, которые можно было предотвратить{209}. По оценке Института Медицины США, в 2006 г. от одних только ошибок при назначении препаратов пострадали как минимум 1,5 млн американцев. Цена этих ошибок — $3,5 млрд в виде дополнительных расходов на лечение в год{210}. Применение системы искусственного интеллекта с доступом к подробной медицинской документации, а также информации о препаратах, включая данные о вызываемых ими побочных эффектах и возможном токсическом действии, вероятно, позволило бы предотвратить такие ошибки даже в сложных случаях, предполагающих взаимодействие нескольких препаратов. Такая система могла бы использоваться врачами и медсестрами в качестве интерактивного помощника, обеспечивая мгновенную проверку как безопасности, так и эффективности препарата перед его применением и тем самым спасая людские жизни или избавляя пациентов от ненужных неудобств и расходов, в особенности в ситуациях, когда персонал больницы теряет внимание из-за усталости или отвлекающих факторов.

Как только в своей эволюции в качестве практического инструмента в медицине технологии искусственного интеллекта достигнут точки, когда они смогут выступать в качестве компетентных консультантов, способных формулировать независимые заключения со стабильно высоким уровнем качества, они также могут помочь обуздать высокие издержки, связанные с профессиональной ответственностью врачей. Стараясь обезопасить себя от возможных судебных исков, многие специалисты предпочитают перестраховаться и назначают своим пациентам все мыслимые анализы. Имея на руках задокументированное независимое мнение, сформулированное системой искусственного интеллекта в соответствии с принятыми стандартами медицинской практики, врачи получают своего рода «индульгенцию», которая может защитить их от таких исков. Это может привести к снижению расходов на ненужные медицинские анализы и обследования, а также снизить стоимость страхования на случай врачебной ошибки[36].

Если заглянуть еще дальше в будущее, можно легко представить, как внедрение технологий искусственного интеллекта приведет к настоящей революции в подходах к оказанию медицинских услуг. Как только машины докажут, что они способны ставить точный диагноз и назначать эффективное лечение, вероятно, врачам больше не нужно будет лично присутствовать при каждом визите пациента в клинику.

Сразу после триумфальной победы Watson в «Jeopardy!» в 2011 г. я предположил в своей колонке в The Washington Post, что с внедрением этой технологии откроется возможность для формирования нового класса медицинских специалистов: людей с четырехлетним университетских образованием или степенью магистра, имеющих навыки общения с пациентами и проведения осмотров с последующей передачей этой информации в стандартную систему диагностирования и назначения лечения{211}. Имея навыки работы с широким кругом наиболее часто встречающихся случаев, эти новые врачи, услуги которых будут обходиться дешевле, помогут справиться с резким ростом числа пациентов с хроническими проблемами и заболеваниями, включая избыточный вес и диабет.

Разумеется, представляющие интересы врачей организации будут противодействовать появлению этих менее образованных конкурентов[37]. Однако в реальности подавляющее большинство выпускников медицинских факультетов не испытывают интереса к работе в качестве семейных врачей; еще меньше их вдохновляет перспектива работы в сельских районах страны. По данным различных исследований, в течение ближайших пятнадцати лет на фоне ухода на пенсию многих специалистов система здравоохранения столкнется с нехваткой 200 000 врачей. При этом планом реализации Закона о доступном медицинском обслуживании предусматривается включение в систему здравоохранения 32 млн новых пациентов{212}. Не будем забывать и о стареющем населении, которое все больше нуждается в медицинской помощи. Учитывая, что новоиспеченные врачи, которые обычно обременены большими долгами по образовательным кредитам, в большинстве своем отдают предпочтение более прибыльным специальностям, проблема нехватки врачей-терапевтов, оказывающих первичную медицинскую помощь, будет стоять особенно остро.

Тут и пригодится этот новый класс специалистов, обученных работе со стандартной системой искусственного интеллекта, заключающей в себе все те знания, на приобретение которых у обычных врачей уходит по меньшей мере десять лет интенсивной подготовки. Они смогут работать с обычными случаями, направляя пациентов, нуждающихся в более узкоспециализированной помощи, к врачам. Новые перспективы построения интересной карьеры могут пойти на пользу выпускникам колледжей, особенно если учесть сужение рынка труда в других сферах под влиянием развития интеллектуального ПО.

В некоторых областях медицины, в частности тех из них, которые не требуют непосредственного взаимодействия с пациентами, развитие технологий искусственного интеллекта должно привести к резкому росту производительности труда и в конечном итоге — к полной автоматизации. Например, врачей-рентгенологов учат интерпретировать изображения, полученные с помощью различных методов сканирования, которые используются в медицине. Учитывая стремительный прогресс в области обработки и распознавания изображений, можно предположить, что совсем скоро машины узурпируют задачи, традиционно выполняемые рентгенологами. Программное обеспечение уже умеет распознавать людей на фотографиях, опубликованных в Facebook, и даже помогает выявлять потенциальных террористов в аэропортах. В сентябре 2012 г. FDA выдала разрешение на применение автоматизированной системы ультразвуковой диагностики рака молочной железы. Данное устройство, разработанное компанией U-Systems, Inc., предназначено для выявления опухолей у тех 40 % женщин, которым не подходит стандартная технология маммографического исследования по причине высокой плотности тканей молочной железы. Интерпретацией изображений по-прежнему занимаются рентгенологи, но теперь для принятия решения им достаточно трех минут. Для сравнения: при использовании традиционных ручных средств ультразвуковой диагностики на анализ полученных изображений уходит двадцать-тридцать минут{213}.

Автоматизированные системы также могут стать надежным источником независимого мнения. Наиболее эффективным — правда, и весьма дорогостоящим — методом диагностики рака считается метод, при котором два рентгенолога сначала внимательно изучают каждый снимок, полученный методом маммографии, а затем обсуждают выявленные отклонения, пока не достигнут консенсуса. При использовании этой стратегии «двойного исследования» обеспечивается значительно более высокий процент выявляемых случаев рака, а также существенное сокращение случаев вызова пациентов для прохождения повторных обследований. В 2008 г. в New England Journal of Medicine были опубликованы результаты исследования, показывающего, что второго врача можно заменить машиной. В частности, было доказано, что результаты работы рентгенолога в связке с компьютерной системой диагностирования сопоставимы с результатами работы двух врачей, интерпретирующих изображения независимо друг от друга{214}.

Еще одной сферой, в которой технологии искусственного интеллекта уже успели заявить о себе, является патология. Ежегодно более 100 млн женщин по всему миру проходят обследование под названием «мазок Папаниколау» с целью диагностирования рака шейки матки. В ходе данного обследования полученные клетки шейки матки помещаются на предметное стекло и изучаются под микроскопом специалистом лаборатории или врачом с целью определения признаков злокачественных новообразований. Это очень трудоемкая процедура, которая может стоить до $100 за обследование. Однако сейчас многие диагностические лаборатории занимаются внедрением мощной автоматизированной системы сканирования компании BD из Нью-Джерси, специализирующейся на производстве медицинского оборудования. В 2011 г. в журнале Slate вышла серия статей об автоматизации данной процедуры, в одной из которых обозреватель новых технологий Фархад Манджу назвал систему сканирования BD FocalPoint GS Imaging System «чудом медицинской техники», чье «программное обеспечение для анализа изображений быстро сканирует предметные стекла в поисках более чем 100 визуальных признаков аномальных клеток». Затем система «ранжирует стекла в соответствии с вероятностью наличия заболевания» и, наконец, «определяет по 10 областей на каждом стекле для изучения человеком»{215}. Машина намного лучше аналитиков-людей справляется с работой по выявлению случаев рака, при этом обеспечивая почти двукратное сокращение времени обследования.

Роботы в больничном деле и фармакологии

В аптеке при Медицинском центре Калифорнийского университета в Сан-Франциско ежедневно готовится приблизительно 10 000 отдельных доз различных лекарств, хотя вы не найдете там ни одного фармацевта, который прикасался бы к таблеткам или флаконам. Всеми этапами подготовки тысяч различных препаратов — от организации хранения и перемещения больших объемов фармацевтической продукции до упаковки и выдачи отдельных таблеток — занимается мощная автоматизированная система. Она оснащена манипулятором, который непрерывно перемещается от одного контейнера к другому, захватывая нужное количество таблеток и помещая их в небольшие пластиковые пакетики. Каждая доза отправляется в свой пакетик, на который затем наносится штрихкод с информацией о препарате и пациенте. При этом установка располагает лекарства для одного пациента в том порядке, в котором они должны приниматься в течение дня. Когда приходит время приема, отвечающая за выдачу лекарств медсестра сканирует штрихкод сначала на упаковке с препаратами, затем — на браслете на запястье пациента. Если они не совпадают или выдача препарата осуществляется в неправильное время, раздается предупреждающий сигнал. Еще три специализированных робота занимаются подготовкой инъекционных препаратов; один из них работает исключительно с высокотоксичными препаратами химиотерапии. Данная система практически полностью исключает ошибки, обусловленные так называемым «человеческим фактором»: люди просто не участвуют в процессе.

Автоматизированная система в Калифорнийском университете в Сан-Франциско стоимостью $7 млн лишь один из наиболее ярких примеров процесса трансформации фармацевтической отрасли в результате внедрения робототехники. Гораздо менее дорогостоящие роботы, ненамного отличающиеся размерами от вендинговых машин, наводняют розничные аптеки в супермаркетах. Чтобы работать фармацевтом в США, необходимо сначала долго и много учиться (четыре года после бакалавриата для получения квалификации врача), а затем пройти очень сложный экзамен для получения соответствующей лицензии. При этом труд фармацевта хорошо оплачивается: по данным за 2012 г., средний годовой заработок в этой отрасли составил $117 000. Тем не менее особенно в условиях розничной аптеки, большая часть такой работы состоит из рутинных и повторяющихся операций, сопровождающихся постоянным страхом совершить ошибку, которая может кому-то стоить жизни. Другими словами, многое из того, чем занимаются фармацевты, идеально подходит для автоматизации.

Когда лекарство для пациента покидает пределы больничной аптеки, все чаще его доставкой занимается специальный робот. Такие машины уже курсируют по коридорам громадных медицинских комплексов, доставляя препараты, лабораторные образцы, еду для пациентов и свежее белье. Эти роботы умеют объезжать препятствия и пользоваться лифтами. В 2010 г. больница «Эль Камино» в Маунтин-Вью взяла в лизинг у компании Aethon, Inc. девятнадцать роботов-доставщиков за $350 000 в год. По словам одного из руководителей больницы, расходы на услуги людей, выполняющих ту же самую работу, составили бы более $1 млн{216}. В начале 2013 г. компания General Electric объявила о том, что планирует разработать мобильного робота, который будет находить, мыть, стерилизовать и доставлять тысячи хирургических инструментов, используемых в операционных. Для того чтобы машина могла легко находить инструменты, на них будут наноситься чипы определения местоположения на основе технологии радиочастотной идентификации (RFID){217}.

Если не брать в расчет фармацевтику, а также внутрибольничную логистику и транспортировку, пока автономные роботы не нашли широкого применения в медицине. Хирургические роботы используются повсюду, но их задача — расширить возможности хирурга, а фактическая стоимость роботизированной хирургии превышает стоимость традиционных методов. В настоящее время ведется предварительная работа по созданию более сложных хирургических роботов. Например, консорциум европейских исследователей при поддержке ЕС работает над проектом I-Sur, направленным на автоматизацию базовых процедур, включая пунктирование, разрезание и наложение швов{218}. Тем не менее, учитывая, что в обозримом будущем вряд ли возникнет ситуация, когда пациент будет подвергнут инвазивной процедуре без врача, готового в любой момент вмешаться и взять все в свои руки, даже если такая технология и появится, полученная экономия будет минимальной в лучшем случае.

Роботы для ухода за пожилыми людьми

Население всех развитых и многих развивающихся стран стремительно стареет. По прогнозам, к 2030 г. в США будет свыше 70 млн пожилых людей — 19 % населения. Для сравнения: в 2000 г. этот показатель составлял всего лишь 12,4 %{219}. В Японии благодаря большей продолжительности жизни и меньшей рождаемости эта проблема стоит еще острее: к 2025 г. треть населения этой страны будет старше 65 лет. Ситуация усугубляется и тем, что японцам свойственно граничащее с ксенофобией неприятие иммигрантов, которые могли бы спасти положение. В результате количество специалистов по уходу за пожилыми в Японии уже на 700 000 меньше реальной потребности, и этот разрыв, как ожидается, в ближайшие десятилетия будет только увеличиваться{220}.

На фоне стремительно растущего общемирового демографического дисбаланса перед сферой робототехники открывается прекрасная возможность: разработка доступных машин, помогающих в уходе за пожилыми людьми. Вышедший на экраны в 2012 г. комедийный фильм «Робот и Фрэнк», в котором рассказывается история пожилого человека и ухаживающего за ним робота, дает представление о том радужном будущем, которое мы все хотели бы видеть. В самом начале фильма зрителям объявляют, что действие происходит в «недалеком будущем». Затем на экране появляется робот, который демонстрирует выдающуюся ловкость и сноровку, способен вести осмысленную беседу и в общем и целом ведет себя как человек. В какой-то момент в фильме со стола падает стакан, и робот умудряется поймать его в воздухе. Боюсь, это совсем не «недалекое будущее».

И действительно, главная проблема существующих сейчас роботов, предназначенных для ухода за пожилыми людьми, заключается в том, что они мало что умеют. Первым прорывом стало создание терапевтических роботов в виде животных, таких, например, как робот «Паро» в виде детеныша тюленя, который может составить компанию пожилому человеку (цена — около $5000). Роботы другой разновидности поднимают и переносят пожилых людей, экономя время и силы социальных работников. Однако такие машины дорого стоят и много весят — их вес может в десять раз превышать вес поднимаемого ими человека, и поэтому, вероятнее всего, они будут использоваться только в домах престарелых и больницах. Создание недорогого робота, обладающего достаточными манипуляционными возможностями, чтобы помогать пожилому человеку поддерживать личную гигиену, является исключительно сложной задачей. В последнее время появились экспериментальные образцы, способные выполнять отдельные задачи. К примеру, исследователи из Технологического института Джорджии сконструировали робота, способного обтирать губкой пациента в постели. Но все-таки создание доступного многозадачного робота для ухода за пожилыми, способного самостоятельно помогать людям, которые почти во всем зависят от окружающих, все еще остается делом далекого будущего.

Одним из следствий этих пугающих своей сложностью технических проблем является то, что, несмотря на теоретически огромную нишу рынка, число стартапов, которые бы занимались проектированием роботов для ухода за пожилыми людьми, относительно невелико, а венчурные инвесторы совсем не спешат вкладывать деньги в это направление. Главным источником надежды на успех в этой области, несомненно, является Япония, которая стоит на пороге кризиса национального масштаба и в которой, в отличие от США, нет негативного отношения к сотрудничеству между частным сектором и государственными органами. В 2013 г. японское правительство приступило к реализации программы, предусматривающей покрытие двух третей расходов на разработку недорогих однозадачных роботизированных устройств для помощи пожилым людям и ухаживающими за ними социальным работникам{221}.

Пожалуй, самой заметной инновацией в сфере ухода за пожилыми, разработанной в Японии к настоящему моменту, является так называемая «гибридная вспомогательная конечность» (Hybrid Assistive Limb, HAL) — механизированный экзоскелет, как будто шагнувший к нам со страниц научно-фантастической литературы. Костюм HAL, разработанный профессором Йосиюки Санкаи из Университетеа Цукубы, является плодом двадцатилетней научно-исследовательской работы. Датчики костюма способны улавливать и интерпретировать сигналы мозга. Человеку в таком костюме, питаемом от батарей, достаточно лишь подумать о том, что он хочет встать или идти, как тут же запустятся мощные приводы, которые помогут ему осуществить задуманное. Также доступна версия для верхней части тела, помогающая социальному работнику поднимать пожилого человека.

Благодаря HAL прикованные к коляске пожилые люди смогли встать и пойти. Компания Cyberdyne из Санкаи также спроектировала более прочную версию экзоскелета для использования сотрудниками атомной электростанции компании Daiichi в Фукусиме, занимающимися ликвидацией последствий катастрофы 2011 г. По словам представителей компании, костюм почти полностью нейтрализует те 60 кг, которые весит надеваемая сотрудниками защита от радиации из тяжелых вольфрамовых пластин[38]. HAL — первое устройство для ухода за пожилыми, получившее сертификат Министерства экономики, торговли и промышленности Японии. Аренда костюма стоит всего $2000 в год, благодаря чему он уже используется более чем в трехстах больницах и домах престарелых{222}.

Еще одной группой новых разработок, появления которой можно ожидать уже в ближайшем будущем, вероятно, станут роботизированные средства содействия при ходьбе и недорогие роботы, которые будут приносить лекарства, подносить стакан с водой и находить такие часто теряемые предметы, как очки. (Скорее всего, для реализации этой технологии на предметы будут устанавливаться RFID-метки.) Также появляются роботы, которые могут отслеживать перемещения людей с деменцией и следить за их состоянием. Кроме того, в некоторых больницах и учреждениях по уходу за пожилыми врачи и медсестры уже используют роботов телеприсутствия для общения с пациентами на расстоянии. Разработка устройств этого типа не связана с большими трудностями, поскольку им не требуется совершать сложные манипуляции. Что касается использования робототехники в уходе, то в ближайшем будущем все будет сводиться главным образом к машинам, которые будут оказывать помощь, контролировать и обеспечивать взаимодействие. Доступные роботы, способные самостоятельно выполнять по-настоящему полезные задачи, появятся не скоро.

Учитывая низкую вероятность появления в ближайшем будущем универсальных автономных роботов для ухода за пожилыми людьми, кажется разумным ожидать, что надвигающаяся нехватка социальных работников, оказывающих помощь на дому, в значительной мере компенсирует любые связанные с развитием технологий потери на рынке труда, которые будут иметь место в других секторах экономики. Возможно, люди просто перейдут на работу в сферу здравоохранения и ухода за пожилыми. По прогнозу Бюро трудовой статистики США, к 2022 г. будет создано 580 000 новых рабочих мест для специалистов по индивидуальному уходу и 527 000 рабочих мест для дипломированных медсестер (спрос на представителей этих двух профессий растет в США быстрее, чем на кого-либо еще), а также 424 000 специалистов по уходу на дому и 312 000 сиделок{223}. Все вместе это дает 1,8 млн рабочих мест.

Звучит солидно. Но теперь давайте вспомним, что, по оценкам Института экономической политики, в результате Великой рецессии экономика США не досчиталась 7,9 млн рабочих мест (по состоянию на январь 2014 г.). Эта цифра включает 1,3 млн рабочих мест, которые были потеряны во время спада и так и не были восстановлены, а также еще 6,6 млн рабочих мест, которые просто не были созданы{224}. Другими словами, если бы даже все эти 1,8 млн рабочих мест появились сегодня, они бы закрыли брешь лишь на четверть.

Еще одним фактором, разумеется, является то, что эти рабочие места являются низкооплачиваемыми и не особенно подходят для значительной части населения. Согласно данным Бюро трудовой статистики, специалисты по уходу на дому и индивидуальному уходу получали в 2012 г. в среднем менее $21 000, а требования к их образованию были на уровне «неполного среднего образования». К тому же у большинства людей просто не хватит терпения, чтобы преуспеть на такой работе. Если вы ненавидите штамповать одни и те же виджеты изо дня в день, это одно. Но, если у вас вызывает отвращение работа, связанная с уходом за зависящим от вас пожилым человеком, это уже серьезная проблема.

Если допустить, что прогнозы Бюро трудовой статистики верны и эти рабочие места действительно появятся в большом количестве, тут же встает вопрос о том, кто фактически будет оплачивать услуги этих работников. На фоне стагнации зарплат в течение нескольких десятилетий и перехода с пенсионных планов с фиксированными выплатами на пенсионные планы 401k, которые финансируются в недостаточной степени, при выходе на пенсию многие американцы окажутся без гарантированного минимального дохода. К моменту, когда большинству пожилых людей понадобится персональная ежедневная помощь, скорее всего, лишь немногие из них будут иметь достаточно средств, чтобы нанять сиделку, даже если зарплаты таких специалистов будут по-прежнему низкими. Это означает, что фактически сиделки и медсестры будут работать на государство в рамках различных программ, включая Medicare или Medicaid, и потому будут восприниматься, скорее, как проблема, а не решение.

Высвобождение потенциала данных

Как мы видели в главе 4, революция больших данных дает надежду на появление новых идей и существенное повышение эффективности. Более того, учитывая ту важную роль, которую они постепенно начинают играть в нашей жизни, сам факт наличия всех этих данных может послужить убедительным аргументом в пользу консолидации индустрии медицинского страхования либо способствовать формированию своего рода механизма обмена данными между компаниями, больницами и прочими заинтересованными сторонами. Доступ к большему объему данных может означать больше инноваций. Пример успеха Target, Inc. в прогнозировании беременности на основе анализа потребительского поведения людей показывает, что при наличии доступа к большим объемам данных больницы и страховые компании получат возможность выявлять корреляции между определенными контролируемым факторами и вероятностью положительного исхода в каждом конкретном случае. Как известно, еще на заре своей истории знаменитая компания AT&T спонсировала работу научно-исследовательского центра Bell Labs, ставшего источником большинства инноваций в области информационных технологий в XX столетии. Вероятно, нечто похожее могло бы произойти и в области медицинского страхования, если бы одна или несколько работающих в ней компаний взяли бы инициативу на себя. Правда, в этом случае источником инноваций стали бы не случайные открытия в тиши лабораторий, а непрерывный анализ больших объемов подробных данных о пациентах и больницах.

Медицинские датчики, которые могут быть имплантированы или просто прикреплены к телу пациента, станут еще одним важным источником данных. С этих устройств будет поступать непрерывный поток биометрической информации, которая может быть использована как для диагностики, так и для лечения хронических заболеваний. Одним из наиболее многообещающих направлений исследования является проектирование датчиков, способных контролировать уровень глюкозы в организме людей с диабетом. Используя постоянное подключение к смартфону или другому внешнему устройству, такие датчики могли бы мгновенно оповещать пациентов о выходе уровня глюкозы за пределы безопасного диапазона. В результате отпала бы потребность в неприятной процедуре взятия образцов крови для анализа. Ряд компаний уже производит средства мониторинга уровня глюкозы, которые могут быть имплантированы пациенту под кожу. В январе 2014 г. компания Google заявила о том, что ее специалисты работают над контактными линзами со встроенным крошечным датчиком глюкозы и модулем беспроводной связи. Предполагается, что линзы будут осуществлять непрерывный контроль уровня глюкозы на основе анализа состава слезной жидкости; в случае перехода уровня сахара в крови за пределы верхней или нижней границы допустимого диапазона мгновенно загорится крошечный светодиод, оповещая владельца линз об изменении.

Еще одним источником потока данных о здоровье станут потребительские устройства, такие как часы Apple Watch, о выпуске которых было официально объявлено в сентябре 2014 г.[39]

Расходы на здравоохранение и неработающий рынок

4 марта 2013 г. вышел выпуск журнала Time со статьей Стивена Брилла «Горькая пилюля» (Bitter Pill), обозначившей главную тему этого номера. Автор подробно проанализировал силы, стоящие за непрекращающимся ростом расходов на здравоохранение в США, а также рассказал о конкретных случаях вопиющего завышения цен, включая, например, наценку 10 000 % на ацетаминофен, который вы легко можете купить без рецепта в ближайшей аптеке или супермаркете Walmart. Наценка на стандартный анализ крови, который в рамках Medicare стоит всего $14, составляла $200 и более. Цены на компьютерную томографию, за которую клиенты Medicare платят приблизительно $800, раздувались до $6500 и выше. В одном из случаев подозрения на сердечный приступ, который на самом деле оказался обычной изжогой, обернулось расходами в размере $17 000 — и это не включая гонорар врача!{225}

Несколькими месяцами позже журналистка The New York Times Элизабет Розенталь выступила с серий статей на ту же тему, рассказав, в частности, о случае, когда обычная рана, которую можно было зашить тремя простыми стежками, обошлась более чем в $2000. Еще один пример — мазок клея на лбу малыша, который обошелся его родителям более чем в $1600. Наконец, с еще одного пациента взяли почти $80 за небольшой флакон местного обезболивающего, который стоит всего $5 в любом интернет-магазине. Розенталь также отмечает, что больница, которая закупает такие препараты оптом, скорее всего, заплатила за этот флакон куда меньше, чем взяла с пациента{226}.

Оба репортера пришли к выводу, что, как правило, источником грабительских поборов является подробный, но при этом весьма запутанный — а часто еще и секретный — перечень цен под названием «главный прейскурант» (сhargemaster). При ознакомлении с ценами в этом прейскуранте создается ощущение, что они ничем не обоснованы и не имеют никакого отношения к фактическим издержкам. Единственное, что можно утверждать с большой долей уверенности, это то, что цены в нем очень-очень высокие. И Брилл, и Розенталь констатируют, что в наиболее вопиющих случаях злоупотребления жертвами больниц становятся незастрахованные пациенты. Обычно больницы требуют от таких людей оплаты полной стоимости лечения и зачастую сразу же нанимают коллекторов или даже подают в суд при отсутствии у пациента возможности или желания оплачивать больничные счета. Но дело не только в больницах: даже крупные медицинские страховые компании все чаще при выставлении счетов используют тарифы, представляющие собой цены из больничного прейскуранта с небольшой скидкой. Другими словами, сначала расходы завышаются — в десятки, а во многих случаях и в сотни раз, — а затем к ним применяется скидка, скажем, 30 % или даже 50 %, величина которой зависит от умения страховой компании договориться с больницей. Представьте, что вы покупаете литр молока за $5, договорившись о 50 %-ной скидке от указанной в прейскуранте цены $10. Поэтому нет ничего удивительного в том, что больничные счета являются самым главным фактором непрекращающегося стремительного роста медицинских расходов в США.

История учит нас, что между развитием технологий и эффективным функционированием рыночной экономики существует тесная взаимосвязь, которую можно охарактеризовать как гармоничный симбиоз. Благоприятные рыночные условия стимулируют появление значимых инноваций и непрерывный рост производительности, т. е. тех двух сил, которые определяют наше благополучие[40]. Это не является секретом для самых проницательных (которым при обсуждении этого вопроса, вероятнее всего, придет в голову пример Стива Джобса и iPhone). Проблема в том, что рынок медицинских услуг функционирует неправильно, а значит, какие бы новые технологии ни внедрялись, это не приведет к снижению издержек до тех пор, пока в этой отрасли не будут решены проблемы системного характера.

Кроме того, многие, я думаю, не до конца понимают, что такое рынок медицинских услуг и как именно на нем должны применяться эффективные рыночные механизмы ценообразования. Для большинства здравоохранение — обычный потребительский рынок: если бы только мы могли убрать с дороги страховые компании и в особенности государство, переложив бремя ответственности за принятие решений и оплаты расходов на потребителя (или пациента), это бы привело к тем же инновациям и результатам, которые имели место в других отраслях (здесь снова уместно упомянуть Стива Джобса).

Однако правда в том, что здравоохранение просто нельзя сравнивать с другими рынками потребительских товаров и услуг, что уже более полстолетия не является секретом ни для кого. В 1963 г. лауреат Нобелевской премии экономист Кеннет Эрроу написал статью, в которой подробно разъяснил, чем услуги в сфере здравоохранения отличаются от прочих товаров и услуг. Среди прочего Эрроу подчеркивает в своей работе тот факт, что медицинские расходы исключительно плохо поддаются прогнозированию и часто достигают уровня, при котором потребители просто неспособны покрывать их из своих текущих доходов или эффективно планировать их заранее, как это происходит с другими видами расходов. Медицинскую услугу невозможно попробовать перед покупкой; это не то же самое, что зайти в салон связи и подержать в руках все интересующие вас смартфоны. При этом, разумеется, нельзя забывать об экстренных случаях, когда пациент находится без сознания или рискует умереть. Да и сам по себе этот вид деятельности настолько сложен и требует такого количества специальных знаний, что вряд ли стоит ждать принятия такого рода решений от обычного человека. Приравнивать пациентов к медицинским учреждениям неправомерно, и, как отмечает Эрроу, «обе стороны осознают это информационное неравенство и выстраивают свои взаимоотношения исходя из этого знания»{227}. Из чего можно сделать вывод, что по причине высокой стоимости, непредсказуемости и сложности основных медицинских процедур наличие той или иной страховой модели имеет ключевое значение для системы здравоохранения.

Также нужно понять, что большая часть медицинских расходов приходится на совсем небольшую группу людей с очень тяжелыми заболеваниями. По данным отчета Национального института управления здравоохранением за 2012 г., 20 % всех средств, расходуемых в рамках национальной системы здравоохранения, идут на лечение всего лишь 1 % населения — самой больной его части. При этом почти половина всех расходов ($623 млрд в 2009 г.) приходится на 5 % населения с наиболее тяжелыми заболеваниями{228}. Стоит также отметить, что в структуре расходов на здравоохранение в США прослеживается то же самое неравенство, что и в распределении доходов. Если изобразить их на графике, то получится распределение типа «победитель получает всё» / «длинный хвост», о котором шла речь в главе 3.

Значение столь высокой концентрации расходов трудно переоценить. Небольшая группа людей с тяжелыми заболеваниями, на которых мы тратим все свои деньги, разумеется, не в состоянии договориться о приемлемых ценах с поставщиками медицинских услуг; да и сами мы вряд ли хотим, чтобы они несли на своих плечах эту громадную финансовую ответственность. В качестве игроков на «рынке», который мы должны заставить работать, выступают не поставщики услуг и пациенты, а поставщики и страховые компании. Из статей Брилла и Розенталь следует важный вывод о том, что главным препятствием для нормального функционирования этого рынка является принципиальное неравенство сил между страховщиками и поставщиками услуг. С точки зрения одного отдельно взятого потребителя, страховая компания — мощная сила, от которой все зависит. Отчасти это справедливо. Однако на самом деле, если сравнивать их по степени влияния с поставщиками медицинских услуг, включая больницы, врачей и фармацевтическую промышленность, зачастую они оказываются в невыгодном положении. Этот неравенство сил еще больше усугубляется нарастающей волной консолидации среди поставщиков. В своей статье Брилл отмечает, что по мере нарастания тенденции к поглощению отдельными лечебными учреждениями «врачей частной практики и конкурирующих больниц, их возможности по оказанию давления на страховые компании становятся все шире и шире»{229}.

Представьте, как будет выглядеть работа врача уже в ближайшем будущем: имея в своем распоряжении мощный планшетный компьютер, он сможет несколькими касаниями по сенсорному экрану заказать целый ряд медицинских исследований, включая исследования методами визуализации. При этом результаты будут передаваться на устройство врача сразу после их завершения. А если пациенту понадобится КТ или, например, МРТ, результаты будут еще и сопровождаться подробным анализом, выполненным приложением на основе технологий искусственного интеллекта. ПО будет выявлять все отклонения от нормы на снимках и давать рекомендации по дальнейшему лечению, сформулированные на основе огромной базы медицинской документации и выявленных им аналогичных случаев. Врач сможет узнать, как именно лечили пациентов с аналогичными заболеваниями, какие проблемы возникли в ходе лечения и чем все закончилось. Все это, безусловно, упростит работу врача и сделает ее более эффективной; вероятность благоприятного исхода для пациента также должна возрасти. При таком сценарии вполне могут оправдаться надежды оптимистов из мира технологий на скорую революцию в здравоохранении.

Давайте теперь представим, что у врача есть финансовые интересы в отношении диагностической компании, занимающейся анализом образцов и визуальной диагностикой. Или, например, больница приобретает практику частного врача, и при этом у нее есть диагностическое подразделение. В этом случае расценки на исследования и методы визуализации будут иметь весьма отдаленное отношение к фактической стоимости этих услуг, которые — в случае включения их в больничный прейскурант — превращаются в настоящую золотую жилу. Таким образом, касаясь экрана планшета, ваш врач, по сути, печатает деньги.

Хотя этот пример пока остается умозрительным, существует множество свидетельств того, что внедрение новых технологий в сфере здравоохранения очень часто приводит не столько к повышению производительности, сколько к увеличению расходов. Главная причина этого — отсутствие эффективного механизма рыночного ценообразования, который бы позволил добиться лучшего результата. В отсутствие давления со стороны рынка поставщики услуг часто инвестируют в технологии, ориентированные на увеличение дохода, а не на повышение эффективности; и даже если им удается добиться более высокой эффективности, они и не думают снижать цены, оставляя всю прибыль себе.

Ярким примером того, как инвестиции в технологии приводят к многократному увеличению расходов на здравоохранение, является так называемая «протонная терапия», применяемая для лечения рака предстательной железы. В статье опубликованной в Kaiser Health News в мае 2013 г. журналистка Дженни Голд отметила, что «несмотря на все усилия по установлению контроля над расходами на здравоохранение, больницы по-прежнему спешат внедрять дорогостоящие новые технологии, причем даже тогда, когда соответствующее оборудование не лучше более дешевых аналогов»{230}. Она описывает один из элементов конструкции установки для протонной терапии: «огромное бетонное здание размером с футбольное поле стоимостью свыше $200 млн». В основе этой дорогостоящей новой технологии лежит идея о том, что при ее использовании пациенты получают меньшую дозу облучения; однако в ходе проведенных исследований не было выявлено никаких доказательств превосходства этой технологии над куда менее затратными методами{231}. Приведу слова специалиста в области здравоохранения Эзекиля Эмануэля: «У нас нет данных, оправдывающих применение этой технологии при оказании медицинской помощи. Ее единственная цель — извлечение прибыли»{232}.

Лично мне кажется очевидным, что массовый перевод отрасли здравоохранения на новые технологии принес бы куда больше пользы американцам, чем, скажем, модернизация сферы быстрого питания. Как бы там ни было, прямым результатом снижения цен и повышения эффективности в здравоохранении, скорее всего, станет повышение качества жизни и увеличение ее продолжительности. Более доступный фастфуд вполне может привести к обратному. Однако сфера быстрого питания развивается по законам рыночной конкуренции, чего не скажешь о здравоохранении. Пока будут создаваться условия для сохранения такого положения вещей, у нас не так много причин для оптимизма и надежды на то, что одного лишь быстрого развития технологий достаточно для обуздания стремительно растущих расходов на здравоохранение. Учитывая сложившиеся реалии, я бы хотел сделать небольшое отступление от нашего нарратива о технологиях, чтобы предложить вашему внимание две альтернативные стратегии — надеюсь, они смогут помочь изменить баланс сил между страховщиками и поставщиками услуг и обеспечить своего рода синергию рынка и технологий, которая приведет к желанной трансформации.

Консолидация отрасли и приравнивание медицинского страхования к коммунальным услугам

Одним из главных выводов, прямо следующих из анализа устанавливаемых поставщиками цен на услуги, является то, что Medicare (государственная программа для людей в возрасте 65 лет и старше) несравнимо более эффективна, чем остальные секторы нашей системы здравоохранения. Брилл пишет об этом так: «Если вы не защищены Medicare, рынок услуг здравоохранения вовсе не является для вас рынком. Это лотерея». Что касается тех, кто ранее не был застрахован, реализация Закона о доступном медицинском обслуживании (Affordable Care Act, Obamacare) наверняка улучшит их ситуацию, но, если говорить об ограничении роста больничных расходов, тут она мало что меняет: завышенные расходы будут перенесены на страховщиков, а точнее — на налогоплательщиков в форме субсидий, которые позволяют сделать медицинское страхование доступным для людей с невысокими доходами.

Тот факт, что Medicare относительно успешно справляется с задачей удержания большинства связанных с пациентами расходов на должном уровне и при этом имеет куда меньшие управленческие и накладные расходы, чем частные страховщики, — хороший аргумент в пользу того, чтобы просто расширить эту программу, включив в нее всех жителей страны. В итоге мы получим систему с единым плательщиком. По этому пути пошли некоторые другие развитые страны — и все они теперь не только тратят намного меньше денег на здравоохранение, чем США, но и, как правило, имеют лучшую статистику по таким показателям, как продолжительность жизни и детская смертность. Впрочем, какой бы логичной и разумной ни казалась система с единым плательщиком в лице государства, от реальности никуда не уйти: сама эта идея идеологически чужда приблизительно половине населения США. Создание такой системы, скорее всего, привело бы к упадку практически всего сектора частного медицинского страхования, что кажется маловероятным на фоне колоссального политического влияния, которое имеют представители данной отрасли.

На практике система с единым плательщиком всегда подразумевает центральную роль государства, но в теории все может быть по-другому. Еще один подход предполагает слияние всех частных страховых компаний в единую национальную корпорацию, которая будет осуществлять свою деятельность в условиях жесткого регулирования. Моделью такой корпорации может служить компания AT&T до ее разделения в 1980-е гг. Главная идея заключается в том, что здравоохранение во многом похоже на телекоммуникации: по сути, это коммунальная отрасль. Подобно системам водоснабжения и канализации или национальной энергетической инфраструктуре, система здравоохранения не стоит особняком: это системная отрасль, возможность эффективной работы которой имеет критическое значение для экономики и общества. Зачастую выполнение функций коммунального характера приводит к формированию естественной монополии. Другими словами, наибольшая степень эффективности достигается при наличии на рынке лишь одной фирмы.

Еще более эффективной вариацией на эту тему может стать создание условий для конкуренции между несколькими крупными страховыми компаниями — по сути, это будет официально санкционированная олигополия. Это должно привнести в систему элемент конкуренции. Такие компании будут достаточно крупными, чтобы твердо стоять на ногах во время переговоров с поставщиками услуг, и у них не будет иного выбора, как стараться обойти конкурентов по качеству услуг, поскольку их успех будет определяться репутацией. Жесткое регулирование отрасли позволит сдержать цены и не допустить участие компаний в сомнительных схемах, таких, например, как составление страховых программ по принципу отбора самых молодых и здоровых пациентов или предоставление схем с недостаточно высоким уровнем защиты. Вместо этого им придется сосредоточиться на по-настоящему инновационных и эффективных методах работы.

Консолидация существующих страховых компаний в одну «медицинско-коммунальную» компанию или несколько таких компаний дает возможность воспользоваться преимуществами системы с единым плательщиком и при этом сохранить отрасль. В этом случае акционеры частных страховых компанией не только ничего не потеряют, но, скорее всего, еще и получат выгоду от слияния предприятий отрасли. Впрочем, механизм осуществления такой консолидации далеко не очевиден. Один из возможных путей — выдача государством небольшого числа разрешений и даже проведение своего рода аукциона наподобие аукционов, проводимых при распределении вещательных частот[41].

Установка единых тарифов

В качестве альтернативы описанному выше подходу можно рассматривать реализацию единой системы тарифов. К тому же эта стратегия кажется более реалистичной. Суть ее в следующем: цены, по которым компании предоставляют медицинские услуги, устанавливаются правительством. Система единых тарифов будет работать подобно программе Medicare, диктующей поставщикам цены, но будет распространяться на всех пациентов и всех поставщиков. Такой подход уже используется в системе здравоохранения ряда стран, включая Францию, Германию и Швейцарию. В США подобная система была введена в штате Мэриленд для больниц. В итоге рост расходов на госпитализацию в этом штате был относительно невысоким{233}. Различные варианты реализации системы единых тарифов имеют свои особенности: тарифы могут устанавливаться путем коллективных переговоров между поставщиками и плательщиками или же они могут определяться специальной контролирующей комиссией на основе анализа фактических издержек конкретных больниц.

Поскольку в рамках системы единых тарифов все пациенты платят одну и ту же цену, ее внедрение в США неизбежно приведет к изменению соотношения расходов пациентов частных клиник и тех, кто является участником государственных страховых программ (Medicaid для малообеспеченных и Medicare для людей старше 65 лет). Установка единого тарифа приведет к значительному росту цен на услуги в рамках государственных программ, что повлечет увеличение налогового бремени. Пациенты — клиенты частных страховых компаний и в особенности те, кто не застрахован, в большинстве случаев получат выгоду от снижения цен, поскольку им больше не придется субсидировать государственные программы. Именно это произошло в Мэриленде[42].

Мне кажется, для получения немедленной экономии вместо назначения единой цены было бы куда проще установить потолок от имени единого плательщика. Например, допустим, что будет установлен потолок в размере тарифа Medicare плюс 50 %. В одном из примеров в статье Брилла говорится об анализе крови, который, по расценкам Medicare, стоит $14. Его стоимость можно было бы и повысить — вплоть до $21. Но при этом она бы никогда не поднялась до $200. Страховые компании с прочными позициями на рынке могли бы, как и раньше, договариваться о более выгодной для себя цене в рамках установленного потолка. Реализация этой стратегии позволила бы исключить самые серьезные злоупотребления и одновременно с этим обеспечила бы достаточную выручку поставщикам при условии, что лимиты будут относительно высокими. В отчете, опубликованном Американской ассоциацией больниц в 2010 г., утверждается, что платежи в рамках Medicare покрыли «90 % из каждого доллара, потраченного больницами на лечение пациентов — клиентов Medicare в 2009 г.»{234}. Если уж организация, которая занимается лоббированием интересов отрасли, заявляет, что Medicare покрывает 90 % больничных расходов, то для компенсации недостающих 10 % путем перераспределения бремени расходов будет достаточно установить потолок на уровне, немного превышающим текущие тарифы в рамках Medicare[43]. Кроме того, реализовать систему лимитов с единым плательщиком очень легко, так как в ее основе будут лежать опубликованные тарифы Medicare.

Одним из наиболее перспективных подходов к сдерживанию медицинских расходов, получающих все большую поддержку в текущих обстоятельствах, является переход от модели оплаты за конкретные услуги к системе «ответственного оказания медицинской помощи», в которой врачи и больницы получают фиксированную плату за обеспечение здоровья пациентов. Среди основных преимуществ этого подхода — переориентация системы поощрений в сторону стимулирования инноваций: новые технологии перестанут быть простым оправданием повышения платы — они превратятся в инструмент сокращения издержек и повышения эффективности оказываемой помощи. Однако такой разворот будет невозможен без переноса определенной доли финансового риска, связанного с оказанием помощи пациентам, со страховщиков (или правительства) на больницы, врачей и прочих поставщиков. Последние, разумеется, вряд ли легко согласятся принять на себя повышенный риск. Другими словами, чтобы обеспечить успешный переход к системе ответственного оказания медицинской помощи, нам по-прежнему нужно решить проблему неравенства сил на рынке, которая часто проявляется в отношениях между страховщиками и поставщиками.

Я думаю, что для обуздания неуклонно растущих расходов на здравоохранение в США необходимо будет реализовать одну из двух описанных мною общих стратегий. Нам придется перейти к системе с единым плательщиком, в которой правительство, одна крупная частная фирма или несколько таких фирм будут занимать более сильные позиции на рынке медицинского страхования, чем сейчас; альтернативный путь — мы должны будем призвать органы регулирования осуществлять прямой контроль над тарифами для выплат поставщикам. Ключом к решению проблемы в каждом из этих двух сценариев может стать активная работа по внедрению принципов ответственного оказания медицинской помощи. Оба подхода — в разных комбинациях — успешно применяются в других развитых странах. Итог — по-настоящему «свободный рынок», т. е. подход, при котором государство полностью выводится за рамки системы, а пациенты ведут себя как потребители в супермаркетах или салонах сотовой связи, никогда не будет работать. Как более 50 лет назад говорил Кеннет Эрроу, в здравоохранении все просто по-другому.

При этом я не утверждаю, что у этих подходов нет никаких серьезных недостатков. В обоих из них органы регулирования либо контролируют страховые взносы, либо устанавливают цены для оплаты услуг поставщиков. Самая очевидная угроза — риск перехода органов регулирования на сторону компаний отрасли. В этом случае крупные компании смогут оказывать влияние на государственную политику, корректируя ее в своих интересах. Попытки такого давления уже имеют место в рамках программы Medicare, несмотря на недвусмысленный запрет на использование ее положения на рынке при определении цен на лекарственные препараты. США являются практически единственной страной в мире, где происходит такое; во всех других странах обсуждением цен с компаниями — производителями препаратов занимается правительство. Результат — американцы, по сути, субсидируют более низкие цены на лекарства во всем остальном мире. За три года (в период с 2006 по 2009 г.) количество американцев, не выкупивших выписанные им лекарства, выросло на 68 %{235}. Это случается, когда пациенты сначала просят врача назначить им лекарства и выписать рецепт, а потом отказываются платить за них, когда узнают цену. Для меня остается загадкой, почему это не беспокоит американцев, в особенности рядовых членов Консервативной партии. Например, в свое время поводом для создания Партии чаепития послужила знаменитое высказывание сотрудника CNBC Рика Сантелли, в котором он выступил резко против того, чтобы налогоплательщики субсидировали тех, кто берет неподъемные ипотечные кредиты. Почему же простых американцев не заботит тот факт, что они берут на себя бремя фармацевтических расходов всего остального мира, включая ряд стран со значительно более высокими показателями дохода на душу населения, чем в США?

Но даже если забыть об этой проблеме, можно констатировать, что Medicare обеспечивает высококачественную систематическую медицинскую помощь по значительно более низким ценам, чем поделенный между множеством игроков частный сектор страхования. Другими словами, лучшее не должно становиться врагом хорошего. Тем не менее действующий в рамках Medicare запрет на ведение переговоров с фармацевтической промышленностью заслуживает куда большего внимания со стороны общественности. Производители утверждают, что высокие цены на препараты в США являются необходимым условием финансирования дальнейших исследований. Однако, скорее всего, существуют более эффективные и уж наверняка более справедливые способы обеспечения финансирования научных исследований в области фармацевтики{236}[44]. Возможности для реформирования или хотя бы оптимизации процедур проверки и регистрации новых препаратов Управлением по контролю за качеством пищевых продуктов и лекарственных препаратов США также, несомненно, существуют.

Еще одна проблема программы Medicare, которая непосредственно относится к теме этой книги, заключается в том, что возможна ситуация, при которой пожилые люди под влиянием рекламы идут к своему врачу и заставляют его выписать рецепт, а потом практически все расходы покрываются Medicare. В ходе одного из государственных аудитов выяснилось, что практически 80 % пожилых людей, воспользовавшихся поддержкой Medicare при оплате моторизованных скутеров, на самом деле в них не нуждались. Более того, такие устройства могут быть опасны для их здоровья. Все дело в том, что в 2011 г. два крупнейших производителя самокатов потратили более $180 млн на рекламу, направленную на тех, кто получает помощь в рамках Medicare{237}. Это еще одна проблема, которая заслуживает тщательного изучения, поскольку, как мы уже видели, в скором будущем может появиться множество роботизированного оборудования, предназначенного для оказания помощи на дому людям пожилого возраста. Эти разработки могут значительно улучшить качество жизни пожилых и при этом обеспечить сокращение расходов на уход за ними, но только если мы не будем платить за новые технологии в тех случаях, когда они не нужны или даже вредны. Представьте миллионы пожилых людей, сидящих в уютных креслах перед телевизорами, в которых крутят рекламные ролики о том, что Medicare с радостью оплатит им робота, умеющего находить пульт управления. Тут есть над чем подумать[45].

Несмотря на появившиеся в последнее время впечатляющие возможности по практическому применению технологий искусственного интеллекта и робототехники в сфере здравоохранения, которые стремительно расширяются, в большинстве своем они представляют собой лишь робкую попытку решения проблемы расходов на здравоохранение. Если не брать в расчет фармацевтов и, возможно, врачей и специалистов, занимающихся анализом изображений и лабораторных образцов, автоматизация хотя бы небольшой доли работ, выполняемых квалифицированными медицинскими работниками, остается задачей колоссальной сложности. Для тех, кто стремится построить карьеру в области, шансы на автоматизацию которой относительно невелики, по-прежнему нет ничего лучше работы квалифицированного медицинского работника, предполагающей непосредственное общение с пациентами. Разумеется, в будущем ситуация может измениться. Если пытаться заглянуть на двадцать-тридцать лет вперед, я думаю, никто не возьмется с уверенностью судить о том, на что будут способны технологии.

Конечно же, дело не только в технологиях. Здравоохранение в большей степени, чем любой другой сектор экономики, подчиняется сложной системе правил и норм, устанавливаемых органами государственной власти, органами регулирования (например, FDA) и органами лицензирования. Каждый шаг и каждое решение осложняются постоянной угрозой судебного преследования в случае ошибки — или неудачного стечения обстоятельств. Даже если взять фармацевтов, работающих в розничных аптеках, найти хотя бы какие-нибудь следы воздействия автоматизации на эту профессию очень трудно. Причина, скорее всего, в регулировании. Один из опрошенных Фархадом Манджу фармацевтов сказал: «Большинство фармацевтов сохраняют рабочие места только потому, что по закону выдавать препараты пациентам могут только они»{238}. Эти слова — по крайней мере сейчас — кажутся некоторым преувеличением. За последнее десятилетие карьерные перспективы новоиспеченных фармацевтов ухудшились значительно, и вполне возможно, что это только начало. В 2012 г. был опубликован отчет, в котором говорилось о «надвигающемся кризисе безработицы среди выпускников фармацевтических специальностей», а также делалось предположение, что уровень безработицы может достичь 20 %{239}. Впрочем, более вероятной причиной кажется стремительный рост числа выпускников на рынке труда, связанный с резким увеличением набора на фармацевтические специальности[46]. Если сравнивать с большинством других сфер профессиональной деятельности, никто не станет спорить с тем, что в силу ряда факторов, никак не связанных с техническими трудностями автоматизации, медицинские специалисты сохраняют необычайно прочные позиции на рынке труда.

Это хорошая новость для всех, кто работает в сфере здравоохранения. Но, если новые технологии так мало влияют на уровень расходов в области здравоохранения, несмотря на то что в других сферах занятости они произвели настоящую революцию, это только усугубит экономические угрозы, с которыми мы имеем дело. При таком положении вещей бремя растущих медицинских расходов будет становиться все более и более тяжелым по мере того, как развитие технологий будет порождать безработицу и постоянно растущее неравенство, а также приведет к стагнации или даже падению доходов большинства работников в других отраслях. В свете вышеизложенного приобретает особую актуальность проблема проведения содержательных реформ с целью устранения дисбаланса на рынке из-за неравенства позиций страховщиков и поставщиков, что позволит в полной мере раскрыть потенциал новых технологий в качестве инструмента повышения эффективности в здравоохранении. Если этого не сделать, мы рискуем оказаться в ситуации, когда состояние нашей экономики будет в конечном итоге определяться сектором, который не просто неэффективен, но еще и не особенно хорошо функционирует.

Возможность контролировать бремя расходов на здравоохранение имеет особенно большое значение, поскольку, как мы увидим в главе 8, последнее, что сейчас нужно американским домохозяйствам, это постоянное увеличение доли таких трат в располагаемом доходе. И без того стагнация доходов и растущее неравенство уже негативно влияют на массовый потребительский спрос, без которого непрерывный экономический рост просто немыслим.

До сих пор мы говорили в основном о том, как технологии могут трансформировать существующие сферы занятости. В следующей главе мы перескочим через десятилетие или даже более продолжительный период и представим, какой будет жизнь в условиях экономики будущего, наполненной совершенно новыми технологиями и отраслями.

Компания YouTube была основана тремя людьми в 2005 г. Менее чем два года спустя она была приобретена Google приблизительно за $1,65 млрд. В момент покупки штат YouTube составлял всего лишь 65 человек, большинство из которых были высококвалифицированными инженерами. Если поделить стоимость компании на число сотрудников, получается, что на каждого из них приходилось свыше $25 млн. В апреле 2012 г. компания Facebook приобрела стартап Instagram, разрабатывающий приложение для обмена фотографиями, за миллиард долларов. В компании работало 13 человек. Это примерно по $77 млн на каждого работника. Еще два года спустя, в феврале 2014 г., Facebook снова сделала решительный шаг, приобретя компанию WhatsApp, разрабатывающую одноименное мобильное приложение для обмена сообщениями, за $19 млрд. Штат WhatsApp составлял 55 человек, что делает каждого из них практически бесценным — по $345 млн на работника.

Стремительный рост стоимости компании в расчете на сотрудника наглядно демонстрирует, как с развитием информационно-коммуникационных технологий даже усилий небольшого коллектива оказывается достаточно для создания огромной инвестиционной стоимости и получения большой прибыли. Кроме того, пример этих компаний служит убедительным доказательством того, что связь между технологиями и рынком труда претерпела серьезные изменения. Бытует мнение — основанное на исторических свидетельствах, восходящих ко временам индустриальной революции, — что, хотя в некоторых случаях развитие технологий и может приводить к исчезновению рабочих мест, компаний и даже целых отраслей, оно также способствует появлению совершенно новых видов деятельности, а непрерывный процесс «созидательного разрушения» сопровождается формированием новых отраслей и сфер занятости, причем в таких областях, о которых мы пока даже не имеем представления. Классический пример — взлет автомобилестроения в начале XX столетия и последовавший за этим упадок отрасли, занимавшейся производством конных экипажей.

Впрочем, как мы видели в главе 3, информационные технологии достигли в своем развитии момента, когда их вполне можно отнести к коммунальному сектору экономики, как, например, электричество. Сейчас уже трудно поверить, что при появлении в будущем новых отраслей они смогут обойтись без использования мощного потенциала этой новой силы в мире коммунальных услуг, а также созданного ею распределенного машинного интеллекта. В результате лишь очень немногие из новых отраслей будут отличаться высокой трудоемкостью (а скорее всего, таких отраслей не будет вовсе). Учитывая, что в процессе созидательного разрушения жертвами «разрушения» станут в первую очередь трудоемкие виды деятельности в традиционных областях бизнеса, таких как розница и приготовление пищи, а «созидание» будет касаться в основном предприятий и отраслей, которые просто не нуждаются в большом количество наемных работников, общий уровень занятости оказывается под угрозой. Другими словами, экономика приближается к рубежу, после которого количество создаваемых рабочих мест будет всегда меньше величины, необходимой для обеспечения полной занятости.

YouTube, Instagram и WhatsApp — все это примеры компаний, работающих непосредственно в секторе информационных технологий. Мы уже привыкли видеть в этом секторе небольшой штат сотрудников при огромных стоимости компаний и выручке. Чтобы показать, как данный феномен выходит за рамки одной отрасли и становится чем-то универсальным, давайте остановимся чуть подробнее на двух технологиях, у которых есть все шансы стать важной частью нашей жизни в будущем: трехмерной печати и беспилотных автомобилях. В течение следующего десятилетия их значение будет неуклонно расти, что в конечном итоге может привести к глобальной перестройке рынка труда и экономики в целом.

Трехмерная печать

В трехмерной печати, которую еще называют «аддитивной технологией», используется управляемая компьютером печатающая головка, которая создает материальные объекты путем многократного наложения тонких слоев какого-либо материала. Благодаря этому методу послойного наложения трехмерные принтеры могут легко создавать объекты с изгибами и углублениями, которые трудно или даже невозможно воспроизвести с помощью традиционных методов производства. Самым распространенным материалом является пластик, но некоторые установки способны работать с металлом, а также с сотнями других материалов, включая высокопрочные композитные материалы, эластичные вещества и даже дерево. Самые сложные принтеры могут создавать объекты, содержащие десять и более различных материалов. Но самое удивительное заключается в том, что с помощью таких установок можно печатать сложные конструкции, включающие взаимосвязанные или движущиеся детали, в виде единого объекта, что исключает необходимость сборки.

Трехмерный принтер накладывает слои материала либо по шаблону, либо по модели, являющейся копией существующего объекта. Для создания модели используется трехмерный лазерный сканер или современные методы вроде компьютерной томографии (КТ). Например, знаменитый комик Джей Лено, который не только ведет собственное вечернее шоу на телевидении, но еще и является страстным коллекционером классических машин, пользуется этим методом для создания деталей.

Трехмерная печать идеально подходит для производства уникальных изделий, которые нужны в единичном экземпляре. Эта технология уже используется при создании зубных коронок, костных имплантатов и даже протезов конечностей. Еще одной популярной сферой ее применения является проектирование прототипов и архитектурных моделей.

Развитие технологии трехмерной печати сопровождается невероятным ажиотажем. При этом наибольшее внимание уделяется идее о том, что появление этой технологии означает конец традиционной модели фабричного производства. Все только и говорят о перспективах появления недорогих настольных установок. Некоторые из самых ярых приверженцев новой технологии предсказывают наступление эпохи распределенного производства, когда практически у каждого будет свой трехмерный принтер, с помощью которого можно будет напечатать все, что только может понадобиться его владельцу. Другие прогнозируют появление новой экономики ремесленников (или «умельцев»), в которой на смену фабрикам, занимающимся серийным производством, придут небольшие компании с уникальной местной продукцией.

Я думаю, у нас есть веские причины относиться к таким предсказаниям скептически. Самая важная из них — обратной стороной свободы модификации изделия, которую дает трехмерная печать, является отказ от эффекта масштаба. Если вам нужно напечатать несколько экземпляров документа, вы можете сделать это на своем домашнем лазерном принтере. Но, если вам понадобится 100 000 экземпляров, с точки зрения затрат вам будет намного выгоднее обратиться за помощью к тем, у кого есть промышленный принтер. Если сравнивать с традиционным производством, у трехмерной печати тот же самый недостаток. Кроме того, несмотря на стремительное падение цен на сами принтеры, сказать то же самое об используемых ими материалах, в особенности в тех случаях, когда пластик не подходит, никак нельзя. Другой недостаток установок — медленная скорость работы: на создание крупногабаритного монолитного объекта у потребительского трехмерного принтера может уйти несколько часов. Да и большинство вещей, которыми мы пользуемся, не станут лучше, если делать их на заказ; более того, зачастую стандартизация дает большие преимущества. Наверное, трехмерная печать — отличный выбор, когда вам нужно сделать персональный чехол для вашего iPhone, но напечатать сам телефон вы вряд ли когда-нибудь сможете[47].

Если дешевые настольные принтеры получат широкое распространение, это приведет к гибели рынка готовых изделий, которые могут создаваться с помощью таких машин. При этом наибольшую ценность будет представлять файл с цифровой моделью изделия. Возможно, некоторым предпринимателям и удастся добиться успеха на этом рынке, но, скорее всего, все закончится очередной реализацией модели «победитель получает всё», как это произошло с другими цифровыми продуктами и услугами. Также можно предположить, что пользователи смогут самостоятельно загружать множество бесплатных или открытых моделей для всего, что только можно себе представить. Таким образом, персональная трехмерная печать станет подобием Интернета: множество бесплатных или недорогих вещей для потребителей, но меньше возможностей для получения достойного дохода для подавляющего большинства людей.

Я не хочу сказать, что распространение трехмерной печати не будет иметь серьезных последствий. Вероятно, стоит ждать по-настоящему революционных перемен в промышленном производстве. Вместо того чтобы вытеснить традиционное производство, трехмерная печать станет его частью. Более того, это уже происходит. Данная технология уже нашла широкое применение в аэрокосмической отрасли, где ее часто используют для создания легковесных компонентов. Так, занимающееся авиастроением подразделение General Electric (GE) планирует производить с помощью трехмерной печати не менее 100 000 деталей к 2020 г., что позволит ей уменьшить вес одного самолетного двигателя примерно на 500 кг{240}. Чтобы понять, сколько топлива может быть сэкономлено, если каждый двигатель станет легче на полтонны, достаточно привести пример авиакомпании American Airlines, которая в 2013 г. решила заменить бумажные полетные инструкции экипажа электронными, загруженными на Apple iPad. Это позволило уменьшить вес каждого самолета на 16 кг — в результате расходы на топливо сократились на $12 млн в год{241}. Таким образом, если сделать самолет легче на 1,5 т, экономия составит миллиард долларов в год или даже более внушительную величину. Например, при производстве топливной форсунки — одного из компонентов, которые GE планирует печатать, — требуется сборка изделия из двадцати различных деталей. С помощью трехмерной печати оно может быть напечатано целиком, полностью собранным{242}.

Как мы видели в главе 1, производство станет более гибким, и во многих случаях фабрики будут располагаться ближе к местам потребления. Трехмерной печати предстоит сыграть определенную роль в этом переходе. Эта технология будет использоваться там, где это будет наиболее рентабельно: например, при создании деталей, которые нуждаются в модификации и подгонке, или, возможно, при печати сложных компонентов, требующих трудоемкой сборки. Там, где нельзя будет использовать трехмерную печать непосредственно для производства деталей по причине их большого размера, она все равно найдет применение: например, при создании оснастки и инструментов, используемых в традиционных методах производства. Другими словами, у трехмерной печати есть все шансы стать еще одной формой автоматизации фабричного производства. Производственные роботы и промышленные принтеры будут работать в тесном взаимодействии, все меньше нуждаясь во вмешательстве людей.

Учитывая, что в трехмерных принтерах могут использоваться практически любые виды материалов, эта технология находит все более широкое применение за пределами промышленного производства. Вероятно, наиболее необычным из них является печать человеческих органов. Компания Organovo из Сан-Диего, специализирующаяся на печати органических тканей, уже проводит эксперименты по печати человеческой печени и костных тканей из материала, содержащего клетки человеческого организма. На начальном этапе такие органы будут использоваться в научных исследованиях и тестировании лекарственных препаратов. Для производства органов, подходящих для пересадки, потребуется еще как минимум десять лет. Но, если такая технология все-таки появится, это будет иметь колоссальное значение для тех 120 000 человек, которые стоят в очереди на трансплантацию органов, — и это только в США{243}. Помимо ликвидации проблемы нехватки органов трехмерная печать также позволит формировать их из стволовых клеток конкретного пациента, что, по сути, исключит риск отторжения органа после трансплантации.

Еще одна популярная сфера применения новой технологии — печать еды. По мнению Хода Липсона, опубликовавшего в 2013 г. книгу под названием «Сделано на принтере: Новый мир трехмерной печати» (Fabricated: The New World of 3D Printing), цифровая кухня может сделать трехмерную печать обязательным атрибутом повседневной жизни, т. е. чем-то таким, что заставит множество людей пойти и купить домашний принтер{244}. В настоящее время пищевые принтеры используются при производстве дизайнерского печенья, выпечки и изделий из шоколада, но в будущем с их помощью также можно будет создавать уникальные комбинации ингредиентов, синтезируя невиданные вкусы и текстуры. Возможно, однажды трехмерные пищевые принтеры будут повсюду — как на домашней кухне, так и в ресторанах, а шеф-повара окажутся частью цифрового рынка, работающего по принципу «победитель получает всё», т. е. их ждет та же участь, что и профессиональных музыкантов.

Когда появится возможность масштабировать трехмерные принтеры в соответствии с размерами изделия, это будет самая настоящая революция. Профессор Бехрох Хошневис из Университета Южной Калифорнии занимается разработкой массивного трехмерного принтера, который сможет напечатать целый дом всего лишь за сутки. Управляемая компьютером установка перемещается по рельсам вдоль строительной площадки, накладывая слои бетона с помощью громадной печатной головки. Процесс полностью автоматизирован. При этом созданные принтером стены намного прочнее тех, которые строятся с применением традиционных методов{245}. С помощью этого принтера можно строить дома, офисные здания и даже многоуровневые комплексы. В настоящее время установка может строить только бетонные стены сооружения. Все остальные виды работ, включая установку дверей, окон и других частей здания, по-прежнему выполняются людьми. Однако легко представить строительные принтеры, которые в будущем смогут работать с различными материалами.

Достаточно ограниченное влияние трехмерной печати на промышленное производство может объясняться тем, что фабрики уже и без того в значительной степени автоматизированы. В строительной отрасли все может совсем по-другому. Строительство домов из деревянных конструкций является одной из самых трудоемких сфер экономики. Это один из тех немногих видов занятости, которые еще остались в экономике США для неквалифицированных работников. В этой стране почти 6 млн людей заняты в строительной отрасли; по оценкам Международной организации труда, всего в мире насчитывается 110 млн человек, занятых в строительстве{246}. С появлением трехмерных строительных принтеров строительство домов будет обходиться намного дешевле, а качество будет выше. Кроме того, это будет означать настоящий переворот в архитектуре. Правда, за это придется заплатить миллионами рабочих мест.

Беспилотные автомобили

3 марта 2004 г. произошло событие, которое определило дальнейшую судьбу технологий беспилотных автомобилей, превратив их из чего-то фантастического в часть окружающей нас реальности. В этот день состоялась DARPA Grand Challenge — гонка, которая, как надеялось Управление перспективных исследовательских проектов Министерства обороны США (Defense Advanced Research Projects Agency, DARPA), станет толчком к развитию автономных транспортных средств военного назначения. Пятнадцать роботизированных машин вышли на трассу, начинающуюся неподалеку от городка Барстоу в Калифорнии и петляющую на протяжении 240 км по всей территории пустыни Мохаве. На кону был миллион долларов — именно столько должно было достаться тому, кто первым пересечет финишную линию. Результаты состязания не оправдали ожиданий.

Ни одна из машин не смогла проехать даже десятой части трассы. Наилучший результат показала модифицированная версия «Хаммера» Университета Карнеги — Меллона, которая сошла с дистанции уже через 12 км, врезавшись в насыпь. Специалисты DARPA объявили гонку несостоявшейся и отказались от выдачи приза.

Однако управление не потеряло надежду: оно назначило повторное состязание и увеличило приз до $2 млн. Вторая гонка состоялась 8 октября 2005 г. Чтобы успешно пройти дистанцию, роботизированные транспортные средства должны были совершить более сотни резких поворотов, проследовать через три туннеля и преодолеть горный перевал по узкой грязной дороге, вьющейся между двух ущелий. Результат был ошеломляющий. Всего через 18 месяцев напряженной работы пять машин буквально выпрыгнули из канавы на финишную линию. Победитель — модифицированная версия «Фольксвагена-Туарега», спроектированная командой специалистов из Стэнфордского университета во главе с Себастьяном Труном, — успешно завершил гонку всего лишь за 7 часов. Через 10 минут финишную линию пересек «Хаммер» Университета Карнеги — Меллона усовершенствованной конструкции. В течение получаса показались еще два транспортных средства.

В ноябре 2007 г. DARPA устроило еще одно состязание. На этот раз агентство воссоздало городскую среду, в которой машинам-роботам предстояло делить дороги с тридцатью «Форд-Таурус», управляемыми профессиональными водителями. Беспилотные машины должны были соблюдать правила дорожного движения, следовать в потоке машин, парковаться и разъезжаться с другими транспортными средствами на загруженных перекрестках. Закончить гонку удалось шести из тридцати пяти роботизированных транспортных средств. Автомобиль специалистов из Стэнфорда снова победил, но позже был лишен первого места, когда судьи проанализировали данные и вычли баллы за нарушения законодательства Калифорнии о дорожном движении{247}.

В 2008 г. компания Google запустила собственный проект по разработке беспилотного автомобиля. Его возглавил Себастьян Трун, который пришел в компанию годом раньше, чтобы работать над другим проектом — Street View, после чего Google начала быстро переманивать лучших инженеров, работавших над транспортными средствами, которые участвовали в гонках DARPA. За два года команда специалистов разработала модифицированную версию «Тойота-Приус», которая была буквально напичкана сложным оборудованием, включая камеры, четыре разных радиолокационных системы и лазерный дальномер стоимостью $80 000, способный создавать полноценную трехмерную модель окружения транспортного средства. Автомобиль был способен отслеживать другие машины, объекты и пешеходов, различать дорожные знаки и реализовывать практически любой сценарий вождения. К 2012 г. парк автономных автомобилей Google наездил в общей сложности почти 500 000 км без аварий по различным дорогам — от переполненных транспортом скоростных магистралей с их многокилометровыми пробками до известной своей извилистостью Ломбард-стрит в Сан-Франциско. В октябре 2013 г. компания опубликовала данные, показывающие, что ее машины превосходят рядового водителя по плавности ускорения и торможения, а также по другим параметрам аккуратного вождения{248}.

Проект Google вызвал большой резонанс в автомобильной промышленности. Практически все крупные автопроизводители заявили о намерении создать по крайней мере полуавтономную систему вождения в течение ближайших 10 лет. На данный момент лидером является компания Mercedes-Benz. Ее «С-Класс» версии 2014 г. уже способен перемещаться без водителя в условиях городской среды, а также ездить по магистралям на скорости до 200 км/ч. Система выбирает в качестве ориентира либо дорожную разметку, либо едущий впереди автомобиль и осуществляет рулевое управление, а также выполняет ускорение и торможение. Однако на начальном этапе специалисты Mercedes избрали осторожный подход: водитель все время должен держать руки на руле.

И действительно, разрабатываемые автопроизводителями системы практически во всех случаях ориентированы на частичную автоматизацию, предполагающую, что конечный контроль осуществляет человек. Одной из самых серьезных проблем, связанных с автомобилями с полностью автоматическим управлением, может стать ответственность в случае аварии; некоторые аналитики предположили, что точно определить, кто виноват, в такой ситуации будет непросто. Крис Урмсон, один из инженеров, возглавлявших автомобильный проект Google, заявил на отраслевой конференции в 2013 г., что опасения такого рода неуместны и что по действующему законодательству США в случае аварии вся ответственность возлагается на производителя автомобиля. Ничего так сильно не боятся автопроизводители, как такой ответственности. Вряд ли юристы, специализирующиеся на претензиях по качеству продукции, смогут удержаться от соблазна утопить состоятельных автомобилестроителей в исках. Впрочем, продолжая свою мысль, Урмсон отметил, что, поскольку автоматически управляемые автомобили непрерывно собирают и сохраняют данные, по которым можно восстановить полную картину окружавшей автомобиль среды на момент аварии, необоснованные иски не будут иметь никакого шанса на успех{249}. Учитывая, что ни одна технология не способна обеспечить 100 %-ный уровень надежности, неизбежно наступит момент, когда автономная система все-таки станет причиной аварии, а производителю придется выступать ответчиком в тяжелом судебном разбирательстве. Решить эту проблему может принятие законов, устанавливающих разумные рамки для таких разбирательств.

Впрочем, полуавтономность сама по себе чревата проблемами. Ни одна из систем пока еще не способна справиться с любой ситуацией. В 2012 г. специалисты Google отметили в своем корпоративном блоге, что, несмотря на обнадеживающий прогресс в области разработки беспилотных автомобилей, «это только начало очень длинного пути» и что машинам компании все еще «нужно освоить покрытые снегом дороги, научиться интерпретировать сигналы о проведении временных работ и обрабатывать прочие сложные ситуации, с которыми приходится иметь дело водителям»{250}. Пожалуй, самым слабым местом технологии является та зона неопределенности, в которой автомобиль должен понять, что не способен самостоятельно справиться с ситуацией, и оперативно передать управление водителю. Инженеры, которые работают над такими системами, выяснили, что на то, чтобы оповестить водителя и обеспечить передачу контроля над транспортным средством, уходит около десяти секунд. Другими словами, система должна предвидеть возможную проблему задолго до ее фактического наступления; чтобы добиться этого и обеспечить высокий уровень надежности, требуется решить техническую задачу огромной сложности. Если бы не требование, чтобы водители держали руки на руле во время автономной езды, это бы еще больше усугубило проблему. Один высокопоставленный представитель Audi заметил, что при активации разрабатываемой этой компанией системы водителю «не разрешается спать, читать газеты или пользоваться ноутбуком»{251}. Не совсем понятно, как компания собирается обеспечить выполнение этого требования. Также неясно, будет ли водителю разрешено пользоваться смартфоном, смотреть фильмы и отвлекаться на другие занятия.

Как только будут преодолены эти препятствия, автономные автомобили смогут реализовать заложенный в них огромный потенциал, особенно с точки зрения повышения безопасности. В 2009 г. в США произошло приблизительно 11 млн дорожных происшествий с участием автомобилей, в результате которых погибло около 34 000 человек. По всему миру на дорогах ежегодно погибает 1,25 млн человек{252}. По оценкам Национального совета по безопасности транспорта, основной причиной 90 % аварий является человеческий фактор. Другими словами, появление по-настоящему надежной технологии беспилотных автомобилей может спасти огромное количество человеческих жизней. Предварительные данные показывают, что системы предотвращения столкновений уже оказывают положительный эффект. Проанализировав данные по страховым требованиям, специалисты Института по оценке ущерба на дорогах пришли к выводу, что некоторые модели автомобилей Volvo, оснащенные такими системами, попадают в аварии приблизительно на 15 % реже, чем автомобили без этих технологий{253}.

Помимо предотвращения аварий сторонники беспилотных автомобилей указывают на многие другие потенциальные преимущества. Автономные автомобили могут обмениваться информацией и взаимодействовать друг с другом. Они способны образовывать колонны, следуя друг за другом для экономии топлива. Взаимодействие на высоких скоростях во время движения по магистралям будет способствовать уменьшению или даже полному исчезновению пробок. В данном случае, по моему мнению, создаваемый вокруг этой возможности ажиотаж намного опережает реальность, в том числе и на ближайшее будущее. Кроме того, положительный эффект этого рода очень сильно зависит от наличия сети: чтобы он реализовался, доля автономных автомобилей на дорогах должна быть достаточно большой. Но правда в том, что огромное количество водителей в лучшем случае будут скептически относиться к технологии беспилотных автомобилей. Многим людям просто нравится водить. У журналов для любителей вождения, таких как Motor Trend и Car and Driver, миллионы подписчиков. И в самом деле, зачем нужен «идеальный аппарат для вождения», если вы не собираетесь его водить? Даже те водители, которые поддерживают саму идею такой технологии, вряд ли будут готовы сразу перейти на нее. Не будем забывать о последствиях стремительно растущего неравенства доходов и десятилетий стагнации заработной платы — новые автомобили становятся все менее доступными для значительной части населения. И действительно, последние данные показывают, что потребители в США вряд ли побегут в автосалоны, чтобы обменять свои автомобили на новые. В 2012 г. средний возраст автомобилей на дорогах США составил почти одиннадцать лет, что является абсолютным рекордом.

Более того, в некоторых случаях комбинация водителя-человека и водителя-робота приводит к дополнительным проблемам. Вспомните, когда вы в последний раз сталкивались с агрессивным водителем на дороге — человеком, который подрезал вас или, возможно, совершил неосторожный маневр на скоростной магистрали. Теперь представьте, что он делит дорогу с автономными автомобилями, которые, как он знает, специально запрограммированы на защитную реакцию независимо от ситуации. Ощутив себя «волком» в стаде «овец», такой водитель может начать вести себя еще более рискованно.

Самые оптимистичные поклонники технологии беспилотных автомобилей ожидают, что ощутимый эффект от ее введения почувствуется уже через пять-десять лет. Подозреваю, что на фоне технических трудностей, консерватизма населения и проблем, связанных с ответственностью и законодательством, такие прогнозы кажутся чересчур радужными. Тем не менее, я думаю, никто не сомневается в том, что, в конце концов, появятся по-настоящему автономные — или, если использовать другой термин, «беспилотные» — автомобили. Как только это произойдет, можно будет ждать революции не только в сфере автомобилестроения, но и во всех секторах нашей экономики и рынка труда, а также в отношении людей к автомобилям.

Возможно, самое важное, что следует осознать, когда речь идет о будущем, в котором ваша машина будет полностью автономной, это тот факт, что, скорее всего, это будет не ваш автомобиль. Большинство людей, серьезно размышлявших на тему оптимальной роли беспилотных машин, судя по всему, сходятся во мнении, что (по крайней мере в густонаселенных районах) парк этих автомобилей будет находится в совместном пользовании, что соответствует замыслам Google. В интервью Буркхарту Билгеру из журнала New Yorker сооснователь Google Сергей Брин пояснил это так: «Оглянитесь вокруг, прогуляйтесь по парковкам и вдоль многополосных дорог: в нашем мире доминирует транспортная инфраструктура. Она занимает уйму места»{254}.

В Google надеются, что им удастся победить принцип «водит тот, кто владеет», который сейчас преобладает в мире автомобилей. В будущем вы сможете в любой момент взять смартфон или другое подключенное к Сети устройство и вызвать беспилотный автомобиль. Автомобили больше не будут простаивать на парковках 90 % и более времени, что значительно повысит коэффициент их полезного использования. Одного этого уже будет достаточно для самой настоящей революции в области городской недвижимости. Огромные пространства, занимаемые сейчас парковками, станут доступны для использования в других целях. Следует оговориться, что беспилотные автомобили тоже должны будут где-то стоять, когда ими не будут пользоваться, но необходимости в дополнительном месте для беспорядочных заездов и выездов уже не будет: автомобили будут парковаться вплотную друг к другу. Если после вашего звонка на ближайших дорогах не окажется свободного автомобиля, вы просто получите следующий автомобиль в очереди.

Конечно, у скептиков, не верящих в то, что в конечном итоге автомобили превратятся в общественный ресурс, тоже имеются веские доводы. Прежде всего это будет прямо противоречить целям автомобильной промышленности, которая стремится сделать так, чтобы у каждого домохозяйства был по крайней мере один автомобиль. Кроме того, чтобы эта модель работала, придется сделать так, чтобы в пиковые часы жители пригородов по дороге на работу пользовались автомобилями не поодиночке, а вместе; в противном случае автомобилей будет так мало и плата за проезд будет настолько большой, что многие люди просто не смогут себе позволить их в периоды максимального спроса. С этим связана и проблема безопасности пассажиров машины, находящейся в совместном пользовании. Даже если ПО автомобиля способно решить проблемы логистики и обеспечить эффективное и своевременное оказание данной услуги, в отличие от автобуса или поезда, небольшой салон автомобиля — все-таки слишком интимное пространство, чтобы делить его с совершенно незнакомыми людьми. Впрочем, найти решение этой проблемы совсем нетрудно. Например, машины, предназначенные для совместного использования теми, кто перемещается в одиночку, могут быть просто разделены на своего рода купе. Вам не только не придется видеть других людей, с которыми вы будете делить автомобиль, — вы даже не будете о них знать. Чтобы справиться с ощущением закрытого пространства, в разделительные перегородки могут быть вмонтированы виртуальные окна; на экранах высокого разрешения будут демонстрироваться изображения, полученные с внешних камер. К тому моменту, когда беспилотные автомобили станут обычным делом, аппаратные средства, необходимые для достижения такого эффекта, станут более чем доступными. При использовании беспилотных автомобилей вы будете делать все то же самое, что и сейчас, когда путешествуете в одиночку: сначала перед вами остановится автомобиль, на одной из дверей загорится зеленый сигнал, вы сядете в него и поедете в точку назначения. Вы будете делить его с другими людьми, но при этом будете находиться в собственной виртуальной «капсуле». Для групп (и тех пассажиров, которые любят общаться) спроектировать специальные автомобили либо сделать так, чтобы перегородки в автомобиле опускались в случае согласия всех пассажиров[48].

В то же время «капсула» пассажира не обязательно должна быть «виртуальной». В мае 2014 г. Google объявила, что в ходе следующей фазы исследований в области беспилотных автомобилей ее специалисты сосредоточатся на разработке двухместных электромобилей с максимальной скоростью 40 км/ч, специально адаптированных к городской среде. Вызывать машины и задавать пункт назначения пассажиры будут с помощью мобильного приложения. Инженеры Google пришли к выводу, что идея о необходимости вернуть автомобиль под контроль водителя в случае чрезвычайной ситуации не может быть реализована, поэтому транспортные средства будут полностью автоматизированными — без руля и педали тормоза. В интервью с Джоном Маркофф из The New York Times Сергей Брин подчеркнул, что компания полностью отошла от подхода, предполагающего постепенное изменение конструкции, которого придерживаются крупные автопроизводители. В частности, он сказал: «Это не совсем соответствует нашей миссии — менять все до неузнаваемости»{255}.

Рынок также предлагает другие решения, ориентированные на совместное использование автоматически управляемых транспортных средств. Кевин Драм из Mother Jones, который думает, что «по-настоящему беспилотные автомобили появятся в течение десятилетия, и тогда все будет по-другому»{256}, предложил разрешить пассажирам покупать долю в обслуживающей автомобили компании по цене, составляющей лишь крохотную часть цены транспортного средства, в обмен на гарантированный доступ к нему. Другими словами, вы будете делить машину только с такими же подписчиками, как вы, а не с первым встречным[49].

Если модель совместного использования все-таки получит повсеместное распространение, более высокий коэффициент использования каждого автомобиля, разумеется, будет означать, что на то же количество людей понадобится меньше машин. Радости экологов и специалистов по городскому планированию не будет предела, чего не скажешь об автопроизводителях. Если даже не брать в расчет перспективу уменьшения количества машин на душу населения, под угрозой окажется будущее люксовых автомобильных брендов. Если вы не владеете машиной и используете ее всего лишь один раз, вас вряд ли будет беспокоить ее производитель или модель. Автомобили перестанут быть показателями статуса, а автомобильный рынок вполне может стать обычным массовым товарным рынком. По этим причинам, я думаю, можно с уверенностью сказать, что автопроизводители приложат все усилия, чтобы оставить человека в кресле водителя, даже если ему почти не придется участвовать в управлении. Автопроизводители окажутся перед выбором, который часто возникает перед влиятельными компаниями при появлении революционных технологий. В этой ситуации компания вынуждена выбирать между защитой бизнеса, который уже дает прибыль сегодня и будет это делать в ближайшем будущем, и содействием в распространении новой технологии, которая в конечном итоге может обесценить или даже просто уничтожить существующий бизнес. Как показывает история, практически всегда компании выбирают путь защиты уже сложившихся потоков выручки[50]. Если революции, о которой говорит Брин, и суждено случиться, то, скорее всего, это произойдет вне автомобильной промышленности. И, разумеется, Брин как раз тот человек, который способен эту революцию совершить.

Если автомобиль как объект частной собственности все-таки уйдет в прошлое, это будет иметь серьезные последствия для значительной части экономики и рынка труда. Вспомните обо всех этих автосалонах, мастерских по ремонту и заправочных станциях в паре километров от вашего дома. Их существование напрямую связано с тем фактом, что частная собственность на автомобили является повсеместным явлением. В мире будущего, каким его видит Google, роботизированные автомобили будут объединяться в парки. Таким образом, обслуживание, ремонт, страхование, заправка — все эти функции будут централизованы. А значит, бесчисленному множеству малых предприятий и связанных с ними рабочих мест суждено исчезнуть. Чтобы понять, сколько рабочих мест может оказаться под угрозой, представьте, что на одних только автомойках в одном только Лос-Анджелесе работают приблизительно 10 000 человек!{257}

Больше всех пострадают, разумеется, те, для кого вождение — это основной источник дохода. Профессия таксиста просто исчезнет. Автобусы либо будут автоматизированы, либо и вовсе пропадут с дорог, поскольку их заменят более удобные и персонализированные формы общественного транспорта. В службах доставки также может произойти сокращение рабочих мест. Например, компания Amazon уже экспериментирует с доставкой заказа в специальные контейнеры, располагающиеся в определенных местах. Почему бы не поставить эти контейнеры на колеса? За несколько минут до прибытия на место грузовик системы автоматизированной доставки оповестит клиента с помощью текстового сообщения, а затем просто подождет, пока клиент введет код и заберет посылку[51].

Несомненно, одними из первых на масштабное внедрение автоматически управляемых транспортных средств решатся коммерческие компании с большими автопарками. Эти компании уже сейчас несут громадную ответственность. Одна-единственная ошибка, совершенная всего одним водителем, может привести к очень серьезным последствиям. Как только технология докажет свою состоятельность и будет накоплено достаточно данных, недвусмысленно указывающих на более высокую степень безопасности и надежности, это станет мощным стимулом для перевода транспортных средств на автоматическое управление. Другими словами, в первую очередь беспилотные автомобили могут найти широкое применение как раз там, где от этого пострадает наибольшее количество рабочих мест.

Мне уже неоднократно довелось слышать о том, что уже в относительно недалеком будущем будет обеспечена полная автоматизация грузовиков, используемых в перевозках на дальние расстояния. Но и тут, я думаю, прогресс будет куда более умеренным, чем ожидается. Даже несмотря на то, что в скором будущем грузовики действительно смогут ездить самостоятельно, колоссальный риск, с которым связана эксплуатация таких транспортных средств, означает, что в обозримом будущем без человека в водительском кресле не обойтись. Эксперименты с автоматически управляемыми колоннами, состоящими из грузовиков, запрограммированными следовать за едущим перед ними транспортным средством, уже доказали состоятельность самой идеи. Она может найти свое применение, например, в местах боевых действий или в малонаселенных районах. В интервью, данном в 2013 г. журналисту Time Дэвиду фон Дрелю, топ-менеджер одной автотранспортной компании отметил, что существенным препятствием на пути к полной автоматизации может стать ужасное состояние инфраструктуры США{258}. Водителям грузиков приходится ежедневно иметь дело с суровой реальностью, в которой дороги и мосты буквально разваливаются, а дорожные работы никогда не заканчиваются. В то же время, как я уже говорил в главе 1, полный отказ от водителей делает доставку продуктов питания и других жизненно важных товаров уязвимой для хакеров и кибератак.

Если не брать в расчет электричество, автомобиль, наверное, как ни одно другое изобретение не сыграло столь же большой роли в становлении американского среднего класса и формировании структуры общества практически во всех развитых странах. Появление по-настоящему беспилотных транспортных средств может полностью перевернуть наши представления об автомобилях и способах взаимодействия с ними. Также это может привести к исчезновению миллионов стабильных рабочих мест для среднего класса и уничтожению множества компаний. Чтобы понять, какие общественные потрясения и конфликты нас ждут в будущем в случае распространения беспилотных автомобилей, достаточно взглянуть на нескончаемые баталии вокруг Uber — стартапа, разработавшего приложение, с помощью которого пользователи могут вызывать такси со смартфона. В какую бы страну эта компания ни приходила, она повсюду становится предметом жарких споров и объектом судебного преследования. В феврале 2014 г. таксомоторные компании Чикаго подали иск против города, обвиняя власти в том, что Uber полностью обесценивает почти 7000 выданных ими разрешений на работу, препятствуя нормальному функционированию рынка объемом свыше $2,3 млрд{259}. Представьте, какая буря возмущения ждет Uber, если автомобили этой компании начнут приезжать к пассажирам без водителей.

На фоне исчезновения рабочих мест и стагнации — или даже падения — медианного дохода домохозяйств мы рискуем оказаться в ситуации, когда все больше и больше людей не будут располагать достаточными средствами для поддержания высокого спроса на товары и услуги, предлагаемые экономикой. В следующей главе мы рассмотрим эту опасность и обсудим, угрожает ли она экономическому росту и может ли привести к новому кризису.

В одной популярной байке о Генри Форде II и Уолтере Рейтере, легендарном руководителе Объединенного профсоюза рабочих автомобильной промышленности, рассказывается о том, как они отправились осматривать завод по производству автомобилей, на котором только что были внедрены технологии автоматизации. В какой-то момент президент Ford Motor Company решил огорошить Рейтера: «Уолтер, как вы собираетесь заставить этих роботов платить членские взносы?» Рейтер, ни секунды не колеблясь, парировал: «Генри, а как вы собираетесь заставить их покупать ваши машины?»

Если даже этого разговора на самом деле никогда и не было, сама по себе эта забавная история отлично передает чувство тревоги относительно последствий повсеместной автоматизации: рабочие — тоже потребители, и без своих зарплат они не смогут покупать товары и услуги. Наверное, больше, чем в любом другом секторе экономики, эта взаимосвязь видна в автомобильной промышленности. Когда родоначальник династии Генри Форд расширил производство «Форд-Т» в 1914 г., он, как известно, удвоил зарплаты, подняв их до $5 в день, и тем самым сделал так, что у его рабочих было достаточно денег, чтобы купить продукт собственного труда — автомобиль. Это событие стало отправной точкой для роста автомобильной промышленности, неотъемлемой частью которого стало формирование многочисленного американского среднего класса. Как мы видели в главе 2, имеющиеся данные показывают, что этот мощный симбиоз растущих доходов и устойчивого массового потребительского спроса сегодня превращается в свою противоположность.

Мысленный эксперимент

Давайте проведем небольшой мысленный эксперимент, который поможет живо представить самое худшее, что может произойти, если слова Рейтера станут реальностью. Представьте, что на Землю внезапно вторгаются инопланетяне. Глядя, как из огромного космического корабля выходят тысячи существ, люди начинают понимать, что они пришли не для того, чтобы завоевать нас, забрать наши ресурсы или даже встретиться с нашим лидером: выясняется, что их цель — работать.

Эволюция этих инопланетян кардинально отличалась от человеческой. Их общество по своему устройству в общих чертах напоминает коллективы общественных насекомых, а все пассажиры космического корабля относятся к рабочему сословию. Каждый из них исключительно умен и обладает уникальными способностями к изучению языков, отлично справляется с проблемами и даже демонстрирует признаки творческой натуры. Однако движет инопланетянами один-единственный — и неодолимый — биологический императив: получают удовлетворение они только тогда, когда работают с пользой для других.

Инопланетян не интересуют ни досуг, ни развлечения, ни интеллектуальные занятия. У них нет понятия дома или личного пространства, равно как и понятий частной собственности, денег и богатства. Когда им нужно спать, они делают это стоя, на своих рабочих местах. Они равнодушны даже к тому, что едят, так как они не способны чувствовать вкус. Будучи бесполыми существами, они размножаются без сексуальных отношений, а их потомство достигает зрелости за считаные месяцы. Им не нужно ухаживать за партнерами, они не хотят быть личностями и отличаться от других. Инопланетяне служат колонии. Они мотивированы работать.

Со временем пришельцы интегрируются в наше общество и нашу экономику. Они с охотой берутся за работу, не требуя платы. Сама возможность выполнять работу является достаточным вознаграждением; более того, они даже не могут себе представить, что вознаграждение может быть другим. Единственная статья расходов, связанная с их работой, — какая-нибудь еда и вода. Как только они получают это, они тут же начинают стремительно размножаться. Компании, большие и маленькие, тут же начинают нанимать пришельцев для выполнения самой разной работы. Их карьера начинается с рутинной и не самой престижной работы, но уже очень скоро они доказывают, что могут браться и за более сложные задачи. Постепенно пришельцы вытесняют работников-людей. Даже тем бизнесменам, которые изначально были против замещения людей инопланетянами, в конечном итоге не остается ничего другого, как последовать примеру конкурентов.

Среди людей начинается неуклонный рост безработицы, тогда как доходы тех, кто все-таки сохранил работу, стагнируют и даже начинают падать вследствие ужесточения конкуренции за рабочие места. Проходят месяцы и годы, деньги на пособия по безработице заканчиваются. Призывы к правительству вмешаться оборачиваются полным коллапсом. Демократы в США призывают к введению ограничений на наем пришельцев; республиканцы под мощным давлением бизнеса блокируют эти инициативы, указывая на то, что инопланетяне уже расселились по всему земному шару. Любые ограничения на наем американскими компаниями пришельцев лишат страну колоссального конкурентного преимущества.

В обществе распространяются пессимистические настроения. На рынках потребительских товаров происходит резкая поляризация. Горстка людей — те, кому принадлежат успешные компании, кто распоряжается крупными инвестициями и занимает руководящие посты, ничем не рискуя, — преуспевает в результате роста доходности бизнеса. Рынок предметов роскоши и услуг для богатых переживает самый настоящий бум. Всем остальным не остается ничего другого, как ходить в самые дешевые магазины. По мере того как все больше людей будут терять работу или жить в постоянном страхе, что они вскоре могут ее потерять, бережливость станет синонимом выживания.

Однако скоро станет очевидно, что стремительный рост доходов бизнеса не может быть устойчивым. Практически единственным источником прибыли станет сокращение расходов на персонал. Выручка расти не будет, а через некоторое время и вовсе пойдет вниз. Пришельцы, разумеется, ничего не будут покупать. Люди все реже и реже будут покупать что-либо, кроме товаров первой необходимости. Среди компаний, занимающихся производством товаров и оказанием услуг, не являющихся жизненно необходимыми, со временем начнется череда банкротств. Сбережения и кредитные линии будут исчерпаны. Домовладельцы не смогут выплачивать ипотеку; арендаторы не смогут платить за съемное жилье. Ставки по кредитам на покупку недвижимости, а также коммерческим, потребительским и образовательным кредитам вырастут до рекордных значений. Налоговые поступления опустятся до минимального уровня — и это тогда, когда потребность в социальных выплатах существенно вырастет, ставя правительство на грань банкротства. Кроме того, с приближением нового финансового кризиса даже преуспевающей элите придется сократить потребление: забыв о дорогих сумках и роскошных автомобилях, уже очень скоро они начнут скупать золото. В результате высадка пришельцев так и не принесла пользы.

Машины ничего не потребляют

Признаюсь, в истории с инопланетным вторжением не обошлось без крайностей. Пожалуй, из нее вполне можно было бы сделать сценарий для какого-нибудь низкобюджетного научно-фантастического фильма. Тем не менее она хорошо показывает, к чему теоретически может привести постоянное стремление все автоматизировать — по крайней мере в отсутствие политики, направленной на адаптацию к складывающейся ситуации (см. подробнее об этом в главе 10).

До сих пор я старался донести до читателя этой книги мысль о том, что стремительное развитие технологий будет представлять все большую угрозу рабочим местам в различных отраслях, лишая работы людей самой разной квалификации. Расширение этого процесса будет иметь серьезные последствия для всей экономики в целом. С исчезновением рабочих мест и сокращением доходов в результате автоматизации наступит момент, когда основной массе потребителей не будет хватать доходов и у них не будет достаточной покупательской способности, чтобы обеспечить тот уровень спроса, без которого устойчивый экономический рост просто невозможен.

Каждый производимый в экономике товар и каждая оказываемая услуга в конечном итоге находят своего покупателя (потребителя). С экономической точки зрения «спрос» — это желание иметь что-то или потребность в чем-то, подкрепленные возможностью и намерением заплатить за объект желания или потребности. Есть только две силы, которые формируют конечный спрос на товары и услуги: частные лица и государство. В США расходы индивидуальных потребителей, как правило, составляют не менее двух третьих ВВП; в большинстве других развитых стран этот показатель равен приблизительно 60 %. Разумеется, практически единственным источником дохода для подавляющего большинства индивидуальных потребителей является работа по найму. Рабочие места — главный механизм распределения покупательской способности.

Конечно, компании также что-то приобретают, но не участвуют в формировании конечного спроса. Они покупают сырье, которое используют при производстве чего-то еще. Также они могут инвестировать деньги в развитие своего производства. Однако, если производимый компанией продукт не будет пользоваться спросом, она закроется и перестанет закупать сырье. Компании могут продавать товары и услуги друг другу; но где-то в конце цепочки все равно должен быть человек (или государственный орган), покупающий что-то только потому, что он хочет это иметь или это ему нужно.

Суть в том, что работник — это еще и потребитель (который к тому же может обеспечивать других потребителей). Именно он определяет конечный спрос. Если работника заменить машиной, машина не будет ходить по магазинам и ничего не будет потреблять. Машине нужны энергия и запасные части, а также обслуживание, но это все статьи расходов для эксплуатирующих ее компаний, а не конечный спрос. Если не будет никого, кто захочет купить то, что производит машина, машину придется остановить. Промышленный робот на заводе по производству автомобилей не сможет продолжать работу, если никто не будет покупать собираемые им автомобили[52].

Итак, если в результате автоматизации пропадет значительная часть рабочих мест, от наличия которых зависит благосостояние потребителей, или зарплаты упадут до такого уровня, что располагаемый доход будет оставаться достаточным лишь у очень немногих людей, шансов на дальнейшее процветание у современной экономики массового потребления нет никаких. Практически все основные отрасли, образующие основу нашей экономики (автомобили, финансовые услуги, потребительская электроника, услуги связи, здравоохранение и т. д.), ориентированы на удовлетворение потребностей миллионов потенциальных клиентов. Состояние рынка определяется не только суммарным объемом средств в нем, но и единичным спросом. Один, пускай и даже очень богатый, человек может купить одну очень хорошую машину или, возможно, даже десяток таких машин. Но покупать тысячи автомобилей он не будет. То же верно в отношении мобильных телефонов, компьютеров, ресторанов, кабельного телевидения, ипотечных кредитов, зубных паст, осмотров у зубного врача и любых других потребительских товаров и услуг, которые только можно себе представить. В экономике массового потребления распределение покупательской способности среди потребителей имеет огромное значение. Концентрация доходов на одном полюсе, в руках небольшой группы потенциальных потребителей, угрожает жизнеспособности рынков, от которых зависят соответствующие отрасли.

Неравенство и потребительские расходы: текущая ситуация

В 1992 г. на 5 % богатейших домохозяйств США приходилось около 27 % общего объема потребительских расходов. К 2012 г. это соотношение выросло до 38 %. За те же два десятилетия доля в тратах 80 % американских потребителей с наименьшими расходами упала с 47 до 39 %{260}. К 2005 г. тенденция к концентрации и доходов, и расходов стала настолько заметной и устойчивой, что группа специалистов по рынкам ценных бумаг из Citigroup составила ставшую знаменитой серию писем, адресованную только самым состоятельным клиентам этой банковской группы. По мнению аналитиков, США встали на путь превращения в «плутократию» — неустойчивую экономическую систему, в которой рост определяется немногочисленной преуспевающей элитой, потребляющей все большую и большую долю всего, что производится в экономике. Помимо прочего, в письмах богатым инвесторам рекомендовалось воздерживаться от покупки акций компаний, ориентированных на стремительно деградирующий средний класс, и вместо этого сосредоточиться на производителях предметов роскоши и поставщиках услуг для самых богатых потребителей{261}.

Данные, демонстрирующие начавшуюся несколько десятилетий назад и приобретающую все большие масштабы тенденцию к концентрации доходов, не оставляют места для неоднозначного толкования, но при этом содержат в себе один глобальный парадокс. Экономисты уже давно поняли, что богатые тратят меньшую часть своего дохода, чем средний класс, не говоря уже о бедняках. Домохозяйствам с самыми низкими доходами не остается ничего другого, как тратить практически все, что им удается заработать, тогда как по-настоящему богатым никогда не угнаться за ними по этому показателю, как бы они ни старались. Из этого следует однозначный вывод о том, что по мере того, как все большая и большая доля доходов будет сосредотачиваться в руках немногих богатейших людей, общий объем потребления будет уже не таким устойчивым. Тончайший слой населения, прибирающий к рукам все большую и большую долю совокупного дохода страны, просто не сможет все это потратить, и это должно четко просматриваться по данным о состоянии экономики.

Однако, если углубиться в историю, все оказывается совершенно иначе. В течение трех с половиной десятилетий (в период между 1972 и 2007 г.) средняя доля расходов в располагаемом доходе в процентном выражении увеличилась приблизительно с 85 до более чем 93 %{262}. Большую часть этого времени потребительские расходы были не только самым значительным компонентом ВВП США, но и самым быстро растущим. Другими словами, даже несмотря на все более неравномерное распределение доходов и их концентрацию в руках немногих, потребителям каким-то образом удавалось фактически наращивать общие расходы, а их расточительность стала одним из важнейших факторов роста американской экономики.

В январе 2014 г. экономисты Барри Синамон и Стивен Фаззари из Федерального резервного банка Сент-Луиса и Университета Вашингтона в Сент-Луисе соответственно опубликовали результаты исследования, посвященного парадоксу увеличения потребительских расходов на фоне растущего неравенства доходов. Главный вывод — многолетняя тенденция к повышению потребительских расходов объясняется ростом долгового бремени 95 % американских потребителей. С 1989 по 2007 г. показатель соотношения долговых обязательств к доходам среди этой многочисленной группы населения практически удвоился, увеличившись с 80 до рекордных 160 %. Среди богатейших 5 % населения это соотношение оставалось примерно на одном уровне — около 60 %{263}. Самый резкий скачок вверх на кривой изменения величины долга точно совпадает по времени с моментом образования «пузыря» на рынке жилищного строительства и эпохой легкого доступа к жилищным кредитам накануне финансового кризиса.

Разумеется, эта непрекращающаяся погоня за заемными средствами, в которую пустилось практически все население США, не может продолжаться бесконечно. По мнению Синамона и Фаззари, «когда вследствие невозможности и дальше увеличивать долг начался спад в потреблении, финансовая нестабильность, спровоцированная беспрецедентным уровнем заимствования, привела к Великой рецессии»{264}. В разгар кризиса общий уровень потребительских расходов упал приблизительно на 3,4 % — такого резкого снижения потребления экономика США не видела со времен Второй мировой войны. Еще одной особенностью стало то, что тенденция к падению расходов сохранялась в течение длительного времени: общий уровень потребления вернулся к докризисному значению лишь почти через три года{265}.

Синамон и Фаззари обнаружили, что как во время Великой рецессии, так и после нее положение двух групп населения с разными доходами очень сильно отличалось. Во время экономического спада 5 % населения с максимальными доходами удалось лишь ненамного снизить свои расходы благодаря использованию различных дополнительных ресурсов. Остальные 95 %, по сути, остались ни с чем, и им не осталось ничего другого, как серьезно умерить свои аппетиты. Также экономисты установили, что последующее восстановление потребительских расходов было полностью обеспечено теми, кто находится на вершине пирамиды распределения доходов. К 2012 г. 5 % населения с максимальными доходами увеличили свои расходы приблизительно на 17 % (с поправкой на инфляцию). При этом восстановление совсем не коснулось расходов остальных 95 % населения, а потребление застыло на уровне 2008 г. По оценке Синамона и Фаззари, шансы на восстановление уровня расходов среди большинства потребителей весьма невелики. Они «опасаются, что давление на спрос со стороны растущего неравенства, последствия которого в течение нескольких десятилетий не ощущались 95 % населения благодаря заимствованиям, сейчас ведет к замедлению роста спроса, и это будет продолжаться в ближайшем будущем»{266}.

Американским корпорациям становится все более очевидно, что на внутреннем рынке все самое важное происходит на самом верху. Практически во всех секторах экономики, работающих непосредственно на американских потребителей, — от производства домашней электроники до ресторанов, отелей и розничной торговли — продажи в среднем сегменте либо пребывают в состоянии стагнации, либо падают, тогда как компании, ориентирующиеся на верхний сегмент потребителей, продолжают процветать. Руководство некоторых компаний начинает осознавать всю степень угрозы товарам и услугам массового спроса. В августе 2013 г. Джон Скиппер, президент компании ESPN, владеющей сетью кабельных и спутниковых спортивных каналов и входящей в число самых дорогостоящих брендов в мировых медиа, заявил, что стагнация доходов представляет наибольшую угрозу для будущего этой компании. За последние пятнадцать лет плата за кабельное телевидение в США выросла приблизительно на 300 % — и это в условиях полного отсутствия роста доходов. По словам Скиппера, несмотря на то что «ESPN — это массовый продукт», в скором времени эта услуга будет не по карману значительной части аудитории{267}.

Являясь крупнейшей розничной сетью Америки, Walmart стала настоящей точкой притяжения для потребителей из среднего и рабочего класса, которые стекаются в ее магазины в поисках низких цен. В феврале 2014 г. компания представила ежегодный прогноз объема продаж, который разочаровал инвесторов и вызвал резкое падение акций. Продажи в магазинах, открытых не менее чем за год до отчетной даты, продолжили падение четвертый квартал подряд. Компания предупредила, что сокращение финансирования американской программы предоставления продовольственных талонов (официальное название — Программа содействия в обеспечении дополнительного питания, Supplemental Nutrition Assistance Program), а также повышение налогов на заработную плату серьезно ударят по покупателям с низкими доходами. Приблизительно каждый пятый клиент Walmart пользуется продовольственными талонами, и, согласно имеющимся данным, финансовое положение многих из этих людей настолько плачевное, что их располагаемый доход практически равен нулю.

После Великой рецессии сотрудники магазинов Walmart стали регулярно отмечать необычайный всплеск покупательской активности сразу после полуночи первого числа каждого месяца, т. е. сразу после зачисления средств, переводимых правительством на специальные карты через систему электронного перевода пособий (Electronic Benefits Transfer, EBT). К концу месяца клиенты Walmart с самыми низкими доходами буквально остаются без еды и предметов первой необходимости; так что они доверху загружают свои тележки и выстраиваются в очередь у касс в ожидании кредита, который предоставляется в рамках программы продовольственных карточек сразу после наступления полуночи{268}. Другой угрозой для Walmart стала выросшая конкуренция со стороны долларовых магазинов[53]; зачастую клиенты сети отдают предпочтение таким магазинам не из-за низких цен, а меньших объемов покупок, что помогает им растянуть оставшиеся у них немногочисленные средства и хоть как-то пережить последние дни месяца.

И действительно, повсюду в частном секторе процесс восстановления характеризовался резким ростом доходов корпораций на фоне достаточно умеренной выручки. Корпорации добились головокружительных показателей прибыльности, но достичь этого они смогли в первую очередь за счет сокращения расходов на персонал, а вовсе не за счет продажи большего объема товаров и услуг. В этом нет ничего удивительного: взгляните еще раз на рис. 2.3 и 2.4 в главе 2. Доля прибыли корпораций в ВВП достигла небывало высоких значений, даже несмотря на рекордное падение доли труда в национальном доходе. По моему мнению, это означает, что огромное число потребителей в США с трудом находят деньги для покупки товаров и услуг, предлагаемых им компаниями. Чтобы картина стала еще яснее, посмотрите на рис. 8.1, демонстрирующий быстрое восстановление доходов американских корпораций в целом на фоне падения объема розничных продаж[54]. Не будем также забывать, что, как мы видели раньше, постепенное восстановление расходов полностью пришлось на потребителей, относящихся к 5 % людей, которые стоят на вершине пирамиды распределения доходов.

Мудрость экономистов

Вопреки данным, указывающим на то, что огромный процент американских потребителей просто-напросто не располагает достаточным доходом для создания адекватного спроса на производимые экономикой товары и услуги, далеко не все экономисты согласны с тезисом о неравенстве доходов как факторе замедления экономического роста. Даже среди ведущих прогрессивных экономистов США — которые в основном согласятся с тем, что отсутствие спроса представляет серьезную проблему для экономики — нет консенсуса относительно того, что неравенство имеет к этому самое непосредственное отношение.

{269}

Наверное, самым активным поборником идеи о том, что неравенство подрывает экономический рост, является экономист, лауреат Нобелевской премии Джозеф Штиглиц, который в январе 2013 г. выступил на страницах The New York Times с развернутой статьей на эту тему. В частности, он написал: «Неравенство препятствует восстановлению», поскольку «наш средний класс слишком слаб, чтобы поддерживать потребительские расходы на том уровне, который в прошлом обеспечивал наш экономический рост»{270}. Судя по всему, с ним согласен Роберт Солоу, в 1987 г. получивший Нобелевскую премию за работы о важности технологических инноваций с точки зрения долгосрочного экономического роста. В одном из интервью в январе 2014 г. он заявил, что «растущее неравенство способствует размыванию структуры распределения доходов, и мы теряем стабильные рабочие места для среднего класса и устойчивые доходы среднего класса, которые обеспечивают надежный источник потребительского спроса, поддерживающего развитие промышленности и стимулирующего инновации»{271}. Однако с ними не согласен другой нобелевский лауреат, Пол Кругман, авторитетнейший колумнист и блогер из The New York Times, который пишет в своем блоге, что очень хотел бы «подписаться под этим тезисом», но не может, так как он противоречит имеющимся данным{272}[55].

В среде более консервативно настроенных экономистов идея неравенства как важного фактора замедления роста не находит совсем никакого отклика. Более того, многие экономисты правого толка даже отказываются признавать справедливость аргумента о том, что главной проблемой экономики было и остается отсутствие спроса. Вместо этого на всем протяжении периода восстановления они указывали на неопределенность, связанную с такими проблемами, как уровень государственного долга, возможное повышение налогов, активизация деятельности в области регулирования и реализация Закона о доступном медицинском обслуживании. По их словам, для повышения уровня уверенности инвесторов и бизнесменов, а значит, и роста инвестиций, занятости и экономики в целом достаточно сократить государственные расходы и налоги, а также ослабить режим регулирования. Эта идея — которая лично мне кажется абсолютно оторванной от реальности — неоднократно подвергалась разгромной критике со стороны Кругмана, называющего ее верой в «фею Уверенности»{273}.

В этом споре я сам исхожу из того, что профессиональные экономисты — у каждого из которых есть доступ к одним и тем же объективным данным — совершенно не способны прийти к соглашению по вопросу, который я бы назвал наиглавнейшим вопросом экономики: ведет ли падение спроса к замедлению экономического роста, а если ведет, то влияет ли неравенство доходов на степень серьезности этой проблемы? Подозреваю, что по отсутствию консенсуса в данном вопросе уже можно судить о том, чего можно ожидать от профессиональных экономистов в случае, если описанная на страницах этой книги технологическая революция действительно произойдет. Допуская возможность различного толкования одних и тех же данных двумя разными «учеными», приходится признать, что расхождения во мнениях в экономической науке нередко четко отражают сложившиеся у их авторов политические предпочтения. Идеологическая позиция, занимаемая конкретным экономистом, зачастую определяет его суждения в большей степени, чем какая бы то ни было информация, содержащаяся в изучаемых им данных. Другими словами, если вы надеетесь получить от экономистов более-менее четкий вывод относительно влияния процесса развития технологий на экономику, ждать вам придется очень долго.

Помимо идеологической ангажированности, в экономической науке существует еще одна проблема — засилье количественных методов. После Второй мировой войны лицо экономической науки стало определяться ее математическим аппаратом, применяемым к данным. Несмотря на множество очевидных преимуществ такого подхода, важно помнить, что получить экономические данные из будущего невозможно. Анализ с помощью количественных методов основывается на собранной в прошлом информации; причем в некоторых случаях это могут быть данные, полученные многие годы или даже десятилетия назад. Экономисты используют всю эту информацию для построения сложных математических моделей, однако большинство этих данных уходят корнями в экономику XX столетия. Ограниченность имеющихся у экономистов моделей стала очевидной, когда практически никто из представителей данной профессии не сумел предсказать мировой финансовый кризис 2008 г. В 2009 г. Пол Кругман опубликовал статью под названием «Почему экономисты так сильно ошиблись?» (How Did Economists Get It So Wrong?), в которой написал, что «неумение прогнозировать — далеко не самая серьезная проблема этой области знания. Важнее то, что представители профессии не способны осознать саму возможность наступления в рыночной экономике кризиса, ведущего к катастрофическим последствиям»{274}.

Я думаю, на фоне того, как экспоненциальный рост информационных технологий полностью меняет лицо современной экономики, будет совсем нелишним задуматься о надежности математических моделей экономистов. Проблема усугубляется еще тем, что в основе многих из этих моделей лежат упрощенные — а в некоторых случаях и вовсе абсурдные — допущения о формах поведения и взаимодействия потребителей, работников и компаний. Наверное, лучше всех эту мысль выразил Джон Мейнард Кейнс, когда почти 80 лет назад написал в «Общей теории занятости, процента и денег»[56] (The General Theory of Employment, Interest and Money) — книге, благодаря которой, экономика приобрела черты современной области знания: «Слишком большая доля современной „математической экономии“ представляет собой, по существу, простую мешанину, столь же неточную, как и те первоначальные допущения, на которых она основывается, причем авторы получают возможность забывать о сложных отношениях и взаимосвязях действительного мира, замыкаясь в лабиринте претенциозных и бесполезных символов»{275}.

Сложности, эффект обратной связи, потребительское поведение, а где же резкий рост производительности?

Экономика — чрезвычайно сложная система, представляющая собой ужасно запутанный клубок взаимозависимостей и обратных связей. Изменение всего одной переменной чревато множественным эффектом, последовательно проявляющимся на всех уровнях системы; причем некоторые из переменных могут снижать результат первоначального сдвига, а то и вовсе вступать с ним в противоречие.

Несомненно, эта предрасположенность экономики к самоограничению, обеспечиваемому за счет эффекта обратной связи, отчасти объясняет, почему роль технологий в усугублении неравенства остается предметом споров. Скептики среди экономистов, не находящие следов значительного влияния технологий и автоматизации на ситуацию в экономике, часто указывают на тот факт, что данные о производительности, в особенности в краткосрочной перспективе, не дают четкого ответа на вопрос о последствиях внедрения роботов. Например, в последнем квартале 2013 г. производительность в США упала всего лишь на 1,8 % в годовом исчислении, что намного меньше куда более масштабной цифры 3,5 % за третий квартал{276}. Напомню — производительность вычисляется путем деления выпуска на количество отработанных часов. Таким образом, если бы машины и ПО действительно стремительно заменяли собой человеческий труд, количество отработанных часов резко снизилось бы, а производительность, в свою очередь, пошла бы вверх.

У этого допущения есть один недостаток — в реальной экономике все совсем не так просто. Производительность отражает не то, сколько компания могла бы произвести за один час, а то, сколько она действительно производит. Другими словами, производительность напрямую зависит от спроса: ведь в числителе в формуле для вычисления производительности стоит не что иное, как выпуск готовой продукции. Это особенно важно, если вспомнить, что большую часть экономики развитых стран сегодня составляет сфера услуг. Если экономика, в которой преобладает промышленное производство, при ослаблении спроса вполне может сохранить большой объем производства товаров (компании просто будут заполнять ими собственные склады и склады дилеров), в сфере услуг это невозможно. Она мгновенно реагирует на изменения спроса, и любая компания, столкнувшаяся с ослаблением спроса на оказываемые ею услуги, скорее всего, не сможет обеспечить рост производительности, если только оперативно не сократит штат или не уменьшит количество рабочих часов до значения, достаточного для поддержания показателей на приемлемом уровне.

Представьте, что вы владеете небольшой компанией, предоставляющей аналитические услуги большим корпорациям. У вас десять сотрудников, работающих полный день. Внезапно появляется новое мощное приложение, благодаря которому с работой для 10 человек теперь справляются 8. Итак, вы покупаете эту новую программу и избавляетесь от двух рабочих мест. Революция роботов приближается! Производительность вот-вот взлетит до небес. Но давайте не будем спешить и представим, что ваш самый важный клиент прогнозирует снижение спроса на его продукцию или услуги. Договор, который вы должны были подписать на этой неделе, приходится заморозить. Ваше ближайшее будущее выглядит печально. Вы только что уволили двух сотрудников, поэтому не хотите деморализовать свой штат немедленным сокращением еще нескольких рабочих мест. Восемь оставшихся работников тотчас станут проводить значительную часть своего рабочего времени за просмотром видеороликов на YouTube — и все это за ваш счет. А производительность-то падает! Более того, так было во время большинства спадов в экономике США. Как правило, рецессия сопровождалась падением производительности, поскольку выпуск сокращался намного больше, чем количество отработанных часов.

Однако во время Великой рецессии 2007–2009 гг. произошло обратное: производительность увеличилась. Выпуск упал весьма значительно, однако количество отработанных часов упало еще больше в результате проводимой компаниями агрессивной политики по сокращению штатов, что привело к увеличению нагрузки на оставшихся работников. Те, кто сохранил свои рабочие места (и кто, безусловно, боялся новых сокращений в будущем), вероятно, начали работать более усердно, сократив время, которое они раньше тратили на занятия, не связанные напрямую с их служебными обязанностями; результат — рост производительности.

Разумеется, в условиях реальной экономики описанный выше сценарий реализуется в бесчисленном количество организаций всех размеров. Одна фирма может освоить новую технологию, которая увеличивает производительность. Другая — идет на сокращение выпуска в ответ на ослабление спроса. Все вместе это приводит к достаточно посредственному показателю общей производительности. Суть в том, что экономические величины, оцениваемые в краткосрочный период, такие, например, как продуктивность, носят переменный, а иногда даже и хаотический характер. Однако в долгосрочной перспективе тенденция просматривается намного четче. И действительно, мы видели подтверждение этого в главе 2; вспомним, что с начала 1970-х гг. показатели производительности намного опережают показатели оплаты труда.

Влияние слабого потребительского спроса на производительность иллюстрирует лишь один вид обратной связи, существующий в экономике. Есть немало других связей, которые могут работать в обоих направлениях. Например, неуверенный потребительский спрос также может привести к замедлению темпов развития и внедрения новых технологий. Когда компании принимают решения об инвестировании, они учитывают как текущее состояние экономики, так и прогнозы относительно ее будущего. Негативный прогноз или тенденция к падению прибыли означает, что инвестиции в научно-исследовательские разработки, а равно и капитальные вложения, скорее всего, также упадут. Результат — замедление темпов развития технологий в следующие несколько лет.

Еще один пример — связь между внедрением трудосберегающих технологий и оплатой труда неквалифицированных работников. Если в результате развития технологий (или какого-либо иного фактора) оплата труда перестает расти или даже снижается с точки зрения менеджмента, труд обычных работников — по крайней мере на некоторое время — станет более привлекательным, чем использование машин. Вспомним, что случилось в отрасли быстрого питания. В главе 1 я предположил, что внедрение передовых разработок в области робототехники в скором времени изменит до неузнаваемости этот сектор. И тут самое время задать главный вопрос: почему компании в этой отрасли до сих пор не автоматизировали многое из того, что давно уже могут делать роботы? Ведь приготовление гамбургеров и так далеко не самая сложная задача для современных технологий высокоточного производства. Ответ — пускай и не совсем полный — сводится к тому, что технологии уже очень сильно изменили отрасль. Даже если пока машины и не используются в ресторанах быстрого питания, заменяя собой сотрудников, в больших масштабах, благодаря технологиям эти профессии уже стали доступны людям без всякой квалификации, что делает работников отрасли легко заменяемыми. Сотрудники сетей быстрого питания являются частью механизированного процесса, работающего по принципу конвейера. Им достаточно минимального обучения[57]. Поэтому отрасль может позволить себе высокую текучку кадров, а также использование труда людей с минимальным набором навыков. В результате такие рабочие места прочно закрепились в категории низкооплачиваемых. При этом с учетом инфляции минимальная заработная плата в США упала более чем на 12 % с 1960-х гг.{277}

В своей книге «Нация фастфуда»[58] (Fast Food Nation), увидевшей свет в 2001 г., Эрик Шлоссер рассказывает об экспериментах с внедрением современных трудосберегающих технологий, проводившихся в 1990-е гг. компанией McDonald's. В участвовавших в эксперименте ресторанах в Колорадо-Спрингс «роботизированные автоматы по розливу напитков самостоятельно брали бумажные стаканчики, добавляли в них лед, а затем наполняли напитком», процесс приготовления картофеля фри был полностью автоматизирован, а «работой всей кухней, по сути дела, управляло сложное ПО»{278}. Тот факт, что все эти инновации так и не нашли применения в ресторанах сети McDonald's по всему миру, может вполне объясняться очень низким уровнем заработной платы, который сохранялся все это время. Впрочем, вряд ли так будет продолжаться вечно. Наступит момент, когда технологии достигнут в своем развитии точки, в которой низкие зарплаты уже не смогут конкурировать с преимуществами дальнейшей автоматизации. Помимо простого сокращения затрат на рабочую силу внедрение большего количества машин сопряжено с рядом других важных преимуществ, включая повышение качества, обеспечение его стабильности и более высокие стандарты санитарных норм, которые, по мнению потребителей, связаны с автоматизированным приготовлением пищи. Кроме того, возможна синергия между роботизированным производством и другими нарождающимися технологиями. Например, сегодня нетрудно себе представить мобильное приложение, с помощью которого клиенты могут самостоятельно придумать оригинальное блюдо, заплатить за него заранее и затем забрать в назначенное время; в 1990-е гг. о таком можно было только мечтать. Если подводить итог, отметим, что в таких отраслях, как фастфуд, внедрение трудосберегающих технологий не будет носить систематический, предсказуемый характер. За длительными периодами относительной стабильности будут следовать резкие скачки, когда в отрасли будет происходить пересмотр преимуществ, которые дает использование труда людей и внедрение машин.

Еще один фактор, достойный внимания, связан с поведением потребителей в ситуации, когда им грозит безработица или снижение дохода. Изменение дохода, которое воспринимается потребителями как долгосрочное или постоянное, оказывает намного большее влияние на структуру их расходов, чем краткосрочные колебания. Экономисты придумали отличное название для этой гипотезы — «гипотеза о постоянном доходе»; первым ее формализовал лауреат Нобелевской премии Милтон Фридман. Впрочем, ее содержание — во многом обычный здравый смысл. Если вы выиграете тысячу долларов в лотерею, вы можете потратить часть этих денег, а остальную сумму отложить на потом, но это событие вряд ли существенно повлияет на структуру ваших расходов. Ведь это увеличение дохода будет разовым. В то же время, если вы получите прибавку к месячной зарплате в размере тысячи долларов, вы вполне можете купить в кредит новый автомобиль, чаще посещать рестораны или даже снять более дорогое жилье.

Безработица традиционно считается краткосрочным явлением. Если вы потеряете работу, но при этом будете уверены, что сможете быстро найти новую с приблизительно такой же зарплатой, вы просто начнете тратить свои сбережения или активнее пользоваться кредитной картой, сохраняя прежний уровень потребления. В послевоенный период компании нередко увольняли рабочих на период от нескольких недель до нескольких месяцев, а потом нанимали их обратно, когда ситуация начинала исправляться. Очевидно, что сейчас все совсем по-другому. С наступлением финансового кризиса 2008 г. длительная безработица достигла невиданных показателей и продолжает оставаться очень высокой по историческим меркам. Даже те опытные специалисты, которым все-таки удается найти новую работу, часто вынуждены мириться с более низкой оплатой труда. Эти тенденции не обошли стороной потребителей. Соответственно, есть все основания предполагать, что отношение к безработице постепенно меняется. По мере того как все больше людей начинают воспринимать безработицу как что-то долгосрочное — а в некоторых случаях и вовсе постоянное, — потеря работы начинает оказывать сильное влияние на структуру потребления. Другими словами, далеко не всегда можно судить о будущем по историческим данным: приходя к осознанию последствий развития технологий, потребители могут избрать намного более агрессивную стратегию сокращения расходов, чем во всех примерах из прошлого.

Запутанность реальной экономики во многих отношениях похожа на сложность климатической системы, которая также характеризуется практически бесчисленным количеством взаимосвязей и эффектов обратной связи, которые образуют практически непроницаемую сеть. Климатологи говорят нам, что рост температуры в результате увеличения количества углекислого газа в атмосфере не будет постепенным и последовательным. Напротив, средние температуры буду увеличиваться хаотически в рамках общей тенденции к повышению, периодически стабилизируясь, возможно, на годы или даже на десятилетия, когда климат будет относительно прохладным. Также следует ожидать увеличения количества ураганов и прочих экстремальных погодных условий. Нечто похожее может произойти и в экономике, когда доходы и богатство сконцентрируются в руках немногочисленной элиты и все больше потребителей окажутся в условиях недостатка покупательской способности. Такие показатели, как производительность и уровень безработицы, не будут повышаться поступательно, а вероятность финансовых кризисов может существенно возрасти. Исследователи климата также уделяют особое внимание максимальному проявлению тех или иных тенденций, относясь к ним с большим опасением. Например, одним из последствий увеличения температуры может стать таяние арктической тундры, в результате которого произойдет выброс в атмосферу огромного количества заключенного в ней углерода, что, в свою очередь, ускорит потепление. Если применить эту схему к экономике, становится понятно, что в определенный момент в будущем в результате появления новых технологий может произойти сдвиг в ожиданиях потребителей относительно вероятности и продолжительности безработицы, что заставит их радикально сократить расходы. Нетрудно догадаться, что, если это произойдет, в экономике возобладает тенденция к снижению, которая затронет даже тех работников, рабочим местам которых не будет грозить исчезновение вследствие очередного технологического прорыва.

Можно ли сохранить экономический рост в условиях резкого увеличения неравенства?

Как мы уже видели, даже несмотря на более высокую степень концентрации доходов, приведшую к тому, что всего на 5 % богатейших домохозяйства сейчас приходится почти 40 % всего потребления, общий объем потребительских расходов в США до сих пор продолжал расти. В этой связи возникает важный вопрос: удастся ли сохранить эту тенденцию в ближайшие годы и десятилетия, несмотря на продолжающееся стремительное развитие информационных технологий?

Подавляющее большинство тех 5 % населения, которые получают высокие доходы, очень сильно зависит от своих рабочих мест. Среди этих домохозяйств отмечается чрезвычайно высокий уровень концентрации богатства, однако количество по-настоящему богатых домохозяйств — тех, которые могут существовать и сохранять привычный уровень расходов исключительно за счет накопленных средств и активов, — намного меньше. В первый год восстановления после Великой рецессии 95 % роста доходов выпало на долю всего 1 % населения{279}.

Большую часть 5 % населения с наибольшими доходами составляют высококлассные специалисты и работники умственного труда как минимум с одним высшим образованием. Однако, как мы видели в главе 4, многие из этих видов деятельности, требующих высокой квалификации, могут оказаться под угрозой в результате развития технологий. Некоторые из них могут полностью исчезнуть — всю работу за людей будет выполнять ПО. Другие могут столкнуться с проблемой деквалификации, в результате чего зарплаты пойдут вниз. Еще одна потенциальная угроза для этих работников — офшоринг, а также переход к методам менеджмента, основанным на анализе больших данных, что зачастую означает сокращение числа аналитиков и менеджеров среднего звена. Помимо прямого воздействия на домохозяйства, которые уже наверху пирамиды распределения доходов, те же самые тенденции затруднят молодым работникам продвижение по карьерной лестнице к должностям, которые обеспечат им сравнимый уровень доходов и расходов.

В итоге наиболее состоятельные 5 % населения — это своего рода микрокосм, которому суждено пережить все то же самое, что ждет рынок труда в целом: они тоже рискуют остаться ни с чем. С развитием технологий количество американских домохозяйств с достаточным доходом и степенью уверенности в будущем, обеспечивающей устойчивый уровень расходов, будет и далее сокращаться. Риск такого развития событий становится еще выше, если учесть, что многие из богатейших домохозяйств, скорее всего, более уязвимы финансово, чем кажется на фоне их доходов. Эти потребители, как правило, концентрируются в городских районах с высокой стоимостью проживания и, наверное, часто даже и не ощущают себя особенно богатыми. Многие из них обязаны принадлежностью к самым состоятельным людям брачным связям: они заключили брак с другим выпускником колледжа с высоким доходом. Однако расходы на жилье и образование зачастую превращаются в такое тяжелое бремя для этих семей, что потеря даже одним из супругов работы ставит под угрозу благосостояние всего домохозяйства. Иначе говоря, в домохозяйстве с двумя работающими супругами вероятность того, что внезапная безработица приведет к значительному сокращению расходов, фактически удваивается.

Если уж самые благополучные испытывают все большее давление со стороны технологий, вряд ли стоит надеяться, что положение остальных 95 % домохозяйств значительно улучшится. В сфере услуг продолжится наступление робототехники и технологий самообслуживания, а значит, зарплаты не вырастут, а у малоквалифицированных работников будет еще меньше возможностей. Широкое распространение транспортных средств с автоматическим управлением и строительных принтеров для трехмерной печати может привести к исчезновению миллионов рабочих мест. Многие из потерявших работу рискуют скатиться вниз по карьерной лестнице; некоторые и вовсе решат покинуть ряды экономически активного населения. Таким образом, существует риск, что со временем все больше домохозяйств будут жить на доходы, приближающиеся к прожиточному минимуму; так что очереди покупателей, выстраивающихся перед кассами в полночь в ожидании зачисления средств на их EBT-карты, чтобы обеспечить своих домочадцев минимальным набором продуктов, могут стать еще длиннее.

В отсутствие роста доходов у 95 % населения остается только один способ увеличения расходов — брать в долг. Как выяснили Синамон и Фаззари, на протяжении двух десятилетий перед финансовым кризисом 2008 г. экономический рост поддерживался именно благодаря заимствованиям американских потребителей. Однако после кризиса оказалось, что финансовое положение домохозяйств слишком шаткое, а требования к заемщикам существенно ужесточились, так что многие американцы не смогли получить финансирование для поддержания своих потребительских расходов на прежнем уровне. Впрочем, даже если этим домохозяйством снова станут доступны кредиты, это будет временное решение. Обслуживание выросшего долга невозможно без роста доходов. Если доходы не растут, возникает очевидная угроза невыплаты кредитов и — нового кризиса. В одной из сфер кредитования, которая по-прежнему доступна даже американцам с низкими доходами, — а именно студенческих займах — долговое бремя уже достигло небывалых масштабов, а связанные с ним платежи на многие десятилетия сведут к минимуму располагаемый доход выпускников колледжей (не говоря уже о тех, кто так и не сможет завершить учебу).

Хотя высказываемые мной соображения носят умозрительный характер, имеющиеся статистические данные подтверждают вывод о том, что неравенство может быть препятствием для экономического роста. В апреле 2011 г. экономисты Международного валютного фонда Эндрю Берг и Джонатан Остри опубликовали отчет, в котором, проанализировав ситуацию в ряде развитых и развивающихся стран, пришли к заключению, что неравенство является одним из ключевых факторов непрерывного экономического роста{280}. Берг и Остри отмечают, что устойчивый рост, продолжающийся в течение нескольких десятилетий, — достаточно редкое явление в экономике. Скорее, «периоды быстрого роста перемежаются обвалами и — иногда — периодами стагнации, образуя своего рода холмы, долины и равнины на графике роста». Отличительной особенностью успешной экономики является продолжительность интервалов роста. Экономисты выяснили, что более высокий уровень неравенства устойчиво коррелировал с более короткими периодами экономического роста. К примеру, 10 %-ное снижение неравенства сопровождалось интервалами роста, которые были на 50 % длиннее обычных. В заметке в своем блоге на сайте МВФ экономисты предупреждают, что чрезмерное неравенство доходов в США обязательно будет иметь серьезные последствия для будущего роста страны: «Некоторые отвергают неравенство и вместо этого сосредотачивают внимание на общем росте, фактически оспаривая идею о том, что прилив поднимает все лодки без разбора». Однако «когда яхты нескольких избранных превращаются в океанские лайнеры, тогда как остальные так и продолжают дрейфовать в утлых лодчонках — тут есть над чем призадуматься»{281}.

Долгосрочные факторы риска: стесненные в средствах потребители, дефляция, экономические кризисы и… может быть, даже технофеодализм

После публикации своей первой книги на тему автоматизации в 2009 г. я получил от нескольких читателей письма с указанием на то, что я упустил из виду один важный момент: широкое применение роботов действительно может привести к падению зарплат и безработице, но при этом все станет намного дешевле благодаря увеличению эффективности производства. Иными словами, если даже ваши доходы и упадут, вы по-прежнему сможете сохранять уровень потребления, поскольку цены на необходимые вам вещи станут ниже. На первый взгляд, они рассуждают правильно, но у меня есть ряд серьезных возражений.

Самая очевидная проблема — то, что многие могут остаться совсем без работы и фактически без дохода. Низкие цены вряд ли станут выходом в этой ситуации. Кроме того, некоторые важнейшие компоненты бюджета среднего домохозяйства обладают относительно сильным иммунитетом к воздействию технологий, по крайней мере в краткосрочной и среднесрочной перспективе. Например, цены на землю, жилье и страхование привязаны к общему уровню стоимости активов, который, в свою очередь, зависит от общего уровня жизни. Именно по этой причине в таких развивающихся странах, как Таиланд, действует запрет на покупку земли иностранцами; если его отменить, цены сразу взлетят настолько, что жилье станет не по карману жителям страны. Как мы видели в главе 6, в ближайшем будущем роботы не смогут серьезно повлиять на расходы на здравоохранение. Наиболее заметное снижение расходов в результате автоматизации должно произойти в промышленном производстве и при предоставлении некоторых, не являющихся жизненно важными услуг, в особенности в области информации и развлечений. Однако на все это приходится относительно небольшая часть бюджета большинства домохозяйств. Самые затратные статьи — жилье, питание, энергия, здравоохранение, транспорт и страхование — вряд ли испытают на себе влияние тенденции к снижению расходов в краткосрочной перспективе. Существует реальная опасность, что домохозяйства окажутся между двух огней: стагнирующих или падающих доходов и неуклонного роста расходов на основные статьи бюджета.

Даже если благодаря технологиям действительно удастся обеспечить снижение цен по всем видам товаров и услуг, сохраняет актуальность одна очень важная проблема. Традиционно путь к процветанию пролегает через рост зарплат, опережающий рост цен. Если бы кто-нибудь из живших в 1900 г. перенесся в наше время и оказался в современном супермаркете, его бы, разумеется, шокировал уровень цен. Тем не менее сейчас мы тратим существенно меньшую долю своего дохода на продукты питания, чем в 1900 г. В реальном исчислении еда подешевела, несмотря на значительное увеличение номинальных цен. Это случилось благодаря тому, что доходы выросли еще больше.

Теперь представьте обратную ситуацию: доходы падают, но цены падают еще быстрее. Теоретически это бы означало, что ваша покупательская способность растет: теперь вы сможете покупать еще больше вещей. В реальности, однако, дефляция далеко не лучший сценарий развития экономики. Первая проблема — дефляционный цикл достаточно трудно прервать. Если вы знаете, что цены в будущем будут ниже, зачем покупать что-то сейчас? Потребители воздерживаются от покупок, ожидая дальнейшего снижения цен, а это, в свою очередь, приводит к еще большему снижению, а также к сокращению объемов производства товаров и услуг. Еще проблема заключается в том, что на практике работодателям достаточно трудно обеспечить фактическое снижение зарплат. Им куда проще сократить работников. Поэтому дефляция обычно сопровождается ростом безработицы, который в конечном итоге приводит к тому, что многие потребители остаются без каких-либо доходов.

Третья серьезная проблема — дефляция затрудняет обслуживание долга. В условиях дефляции ваш доход может упасть (если допустить, что вам все-таки посчастливится иметь хоть какой-нибудь доход), так же как и стоимость вашего дома и акций на фондовых рынках. При этом платежи по вашему ипотечному кредиту, кредиту на машину и образовательному кредиту останутся прежними. Долговые обязательства являются фиксированными в номинальном выражении, т. е. с падением доходов заемщики оказываются стеснены в средствах, а их располагаемый доход становится еще меньше. Для правительства эта ситуация тоже не сулит ничего хорошего, поскольку резко упадут налоговые поступления. Если положение не изменится, все больше людей не смогут выплачивать кредиты, что чревато банковским кризисом. Так что на самом деле дефляция — это не то, чего следует желать. Как показывает история, идеальной является ситуация, в которой умеренная инфляция обеспечивает такой рост доходов, который бы опережал рост потребительских цен, делая нужные нам вещи все более доступными с течением времени.

Каждый из этих двух сценариев — давление на домохозяйства со стороны стагнирующих доходов и растущих расходов, а также выраженная дефляция — способен привести к тяжелой рецессии вследствие сокращения потребителями своих дискреционных расходов. Как я предполагал ранее, также существует риск того, что с приходом новых революционных технологий может коренным образом измениться структура потребительских расходов, поскольку все больше и больше людей начнут вполне резонно опасаться длительной безработицы или даже вынужденного преждевременного ухода на пенсию. В этом случае краткосрочные меры фискального характера, обычно принимаемые правительствами для борьбы с экономическим спадом, включая увеличение государственных расходов и единовременные льготы налогоплательщикам, могут оказаться не совсем эффективными. Цель этих мер — быстро накачать экономику деньгами, чтобы повысить спрос и создать стимулы для интенсификации экономической активности в надежде на запуск внутренних механизмов восстановления, которые обеспечат рост занятости. Но если благодаря новым технологиям автоматизации бизнес сумеет справиться с возросшим спросом без найма большого количества дополнительных работников, все это может не оказать должного влияния на уровень занятости. Та же самая проблема сведет на нет усилия центральных банков в области монетарной политики: конечно, никто не мешает напечатать больше денег, но в условиях, когда никто не нанимает новых работников, просто-напросто отсутствует механизм увеличения покупательской способности потребителей[59]. Одним словом, традиционные формы экономической политики бессильны перед страхом, который охватывает потребителей при мысли о стабильности их доходов в долгосрочной перспективе.

Также существует риск нового банковского и финансового кризиса, вызванного неспособностью домохозяйств выплачивать свои долги. Даже относительно небольшой процент невозвратных кредитов может существенно ухудшить состояние банковской системы. Финансовый кризис 2008 г. был спровоцирован начавшимся в 2007 г. массовым отказом от выплат по кредитам тех заемщиков, которым выдавались так называемые «субстандартные» кредиты. Несмотря на резкое увеличение числа субстандартных кредитов в период с 2000 по 2007 г., даже на пике этой тенденции на них приходилось всего лишь 13,5 % новых ипотечных кредитов, выданных в США{282}. Разумеется, влияние этих невыплат было многократно усилено тем фактом, что при выдаче кредитов банки пользовались сложными производными финансовыми инструментами. Этот фактор риска до сих пор не потерял свою актуальность. В 2014 г. коалицией органов регулирования в банковской сфере США и девяти других развитых стран был опубликован отчет, авторы которого предупреждают, что даже «через пять лет после кризиса крупные фирмы так и не продвинулись» в работе по противодействию рискам, связанным с производными инструментами, а также, что «прогресс в этой области носит неравномерный характер и в целом остается неудовлетворительным»{283}. Другими словами, опасность того, что даже локальное увеличение невыплат по кредитам спровоцирует очередной мировой кризис, остается весьма высокой.

В самом страшном сценарии, который может реализоваться в долгосрочной перспективе, мировая экономическая система в конечном итоге адаптируется к новой реальности. При этом в процессе, который можно охарактеризовать как извращенная версия процесса «созидательного разрушения», на смену отраслям массового производства, являющимся двигателем современной экономики, придут новые отрасли по производству дорогостоящих товаров и услуг, ориентированных исключительно на сверхбогатую элиту. Подавляющее большинство человечества фактически окажется лишенным гражданских и избирательных прав. Экономическая мобильность будет полностью отсутствовать. Плутократия отгородится от остального населения стенами эксклюзивных жилых комплексов или специальных городов для элиты под охраной автономных военных роботов и беспилотных летательных аппаратов. Другими словами, мы станем свидетелями возвращения к своего рода феодальной системе, подобной той, что господствовала в Средние века. Однако у новой системы будет одно очень важное отличие от Средневековья: в прошлом рабы были важнейшей частью системы, обеспечивая рабочей силой сельское хозяйство. В футуристическом мире автоматизированного феодализма крестьяне будут просто не нужны.

Это безрадостное видение будущего нашло любопытное воплощение в вышедшем на экраны в 2013 г. художественном фильме «Элизиум», в котором плутократия сбегает в своего рода рай — искусственно созданный мир на орбите Земли. После выхода фильма некоторые экономисты даже начали рассматривать этот сценарий как вполне правдоподобный. В одном из своих постов в 2014 г. популярный блогер-экономист Ноа Смит нарисовал не самую радужную картину будущего: «кишащая, смердящая масса люмпенизированного человечества влачит жалкое существование на грани смерти от голода» за оберегающими покой элиты воротами. Также он говорит, что «в отличие от тираний Сталина и Мао, тирания, обеспеченная поддержкой роботов, будет устойчива к переменам общественного мнения. Толпа может думать все что угодно, но оружие будет у Хозяев роботов. И так будет всегда»{284}. Такое предсказание звучит зловеще даже из уст человека, занимающегося «мрачной наукой»[60].

Технологии и старение экономически активного населения

Население всех промышленно развитых стран неуклонно стареет, и это обстоятельство стало поводом для многочисленных прогнозов о грядущем дефиците рабочей силы, который последует за выходом из состава экономически активного населения послевоенного поколения в связи с достижением пенсионного возраста. В 2010 г. Барри Блюстоун и Марк Мельник из Северо-Восточного университета опубликовали отчет, в котором предсказали, что к 2018 г. в одних только США количество вакансий, на которые никто не будет претендовать по причине старения работающего населения, составит 5 млн и что «30–40 % всех предполагаемых дополнительных рабочих мест в социальной сфере» — которая, в понимании авторов отчета, включает такие отрасли, как здравоохранение, образование, социальная работа, творческие профессии и государственная служба, — рискуют «оказаться незанятыми, если только специалисты преклонного возраста не согласятся занять их, возобновив свою трудовую карьеру»{285}. Этот прогноз очевидным образом расходится с теми рассуждениями, которыми до сих пор были заполнены эти страницы. Так какое же из этих видений будущего верное? Суждено ли нам стать свидетелями масштабной безработицы в результате развития технологий и дальнейшего усиления неравенства или же зарплаты, наконец, снова начнут расти по мере того, как работодателям будет все труднее и труднее находить людей трудоспособного возраста на свободные вакансии?

Эффект от достижения многими работниками пенсионного возраста в США не будет столь ярко выражен, как в других развитых странах — в первую очередь Японии, — которым грозит самый настоящий демографический кризис. Если США и другим развитым странам действительно предстоит столкнуться с проблемой масштабного дефицита рабочей силы, можно ожидать, что сначала она проявится в Японии.

Впрочем, до сих пор в экономике Японии не наблюдалось каких-либо признаков массовой нехватки работников. Разумеется, в отдельных отраслях ощущается определенный недостаток желающих, в особенности если речь идет о низкооплачиваемой работе по уходу за пожилыми; также правительство страны уже выразило свою обеспокоенность в связи с возможной нехваткой квалицированных строительных рабочих на фоне начала подготовки к Олимпийским играм, которые должны пройти в Токио в 2020 г. Однако, если бы имел место общий недостаток рабочей силы, это привело бы к росту заработной платы во всех отраслях, но ничего подобного не происходит. Вот уже два десятилетия с момента обвала рынка недвижимости и фондового рынка в 1990 г. Япония пребывает в состоянии стагнации и даже выраженной дефляции. Ни о каких новых рабочих местах, которые бы оставались вакантными, в экономике страны нет и речи; все как раз наоборот: в Японии появилось целое поколение молодых людей — их называют «фритерами» (freeters), — которым так и не удалось найти стабильную работу и которые часто вынуждены жить со своими родителями даже тогда, когда им уже за тридцать или даже за сорок. В феврале 2014 г. японское правительство объявило, что основная заработная плата в 2013 г. (с корректировкой на инфляцию) фактически упала приблизительно на 1 %, сравнявшись с самым низким значением за последние шестнадцать лет, которое было достигнуто сразу после финансового кризиса 2008 г.{286}

В других странах еще труднее найти хоть какие-нибудь признаки общей нехватки рабочей силы. По состоянию на январь 2014 г. уровень безработицы среди молодых людей в Италии и Испании — двух европейских странах, население которых стареет быстрее всего, достиг просто катастрофических значений: 42 % в Италии и целых 58 % в Испании{287}. Хотя эти необычайно высокие показатели, разумеется, являются прямым следствием финансового кризиса, остается только гадать, когда обещанный дефицит рабочей силы наконец уже начнет компенсировать безработицу среди молодых.

Я думаю, что один из важнейших уроков, который мы должны извлечь из опыта Японии, перекликается с той мыслью, которую я пытался донести на протяжении всей этой главы: работники — это еще и потребители. Старея, люди не только покидают ряды экономически активного населения, но и начинают сокращать потребление, а их расходы все больше и больше перемещаются в сферу здравоохранения. Таким образом, одновременно с сокращением числа доступных для найма работников должен упасть и спрос на товары и услуги, а значит, число рабочих мест уменьшится. Другими словами, выход на пенсию работников может не оказать никакого влияния на рынок труда, а сокращение пожилыми людьми расходов в соответствии с падением доходов дает еще один весомый повод усомниться в возможности обеспечения дальнейшего экономического роста. Более того, учитывая, что население является одним из важнейших факторов, определяющих размер экономики, таким странам, как Япония, Польша и Россия, в которых население фактически сокращается, скорее всего, не удастся избежать длительного периода стагнации в экономике или даже ее сокращения.

Даже у США, где численность населения продолжает расти, есть все основания для беспокойства в связи с возможным негативным влиянием демографии на потребительские расходы. В результате перехода от традиционных пенсий к пенсионным планам с фиксированными взносами (401k) множество американских домохозяйств оказываются в весьма уязвимом положении — выход на пенсию будет означать для них потерю всех доходов. В феврале 2014 г. экономист из MIT Джеймс Потерба опубликовал результаты анализа, который показал, что 50 % американских домохозяйств со средним возрастом 65–69 лет имеют не более $5000 на своих пенсионных счетах{288}. По данным Потерба, даже домохозяйство с суммой пенсионных сбережений $100 000 в случае их перевода в фиксированный аннуитет могло бы рассчитывать на гарантированный доход всего лишь в размере $5400 в год (или $450 в месяц) — и это без какой-либо индексации с учетом роста цен{289}. Другими словами, множество американцев в конце жизни будут практически полностью зависеть от выплат в рамках программ социального обеспечения. В 2013 г. средний размер такой выплаты составлял приблизительно $1300; при этом некоторые пенсионеры получали не более $804. Разумеется, эти доходы не способны обеспечить устойчивый уровень потребления, в особенности с учетом ежемесячного вычета в размере $150 за Medicare (сумма которого, вероятно, будет повышаться).

Как и в Японии, в определенных областях, конечно, появится нехватка рабочих рук — особенно большой она будет заметна в отраслях, напрямую связанных с тенденцией к старению населения. Давайте вспомним о прогнозах Бюро трудовой статистики из главы 6: к 2022 г. в областях, связанных с уходом за пожилыми людьми, таких как сестринское дело и индивидуальный уход, появится 1,8 млн новых рабочих мест. Однако, если сопоставить эту цифру с выводами исследования, проведенного в 2013 г. Карлом Бенедиктом Фреем и Майклом Осборном из Оксфордского университета, согласно которым 47 % всех рабочих мест в США — приблизительно 64 млн — могут быть автоматизированы в течение «одного-двух десятилетий»{290}, очень трудно поверить в правоту тех, кто утверждает, что всей нашей экономике грозит нехватка рабочих рук. К тому же если не рассматривать тенденцию к старению населения вкупе с ростом неравенства в контексте компенсации влияния процесса развития технологий, то становится ясно, что она приведет к значительному снижению потребительских расходов. Вялый спрос затем может спровоцировать новую волну увольнений, затрагивая даже те профессии, которые изначально не должны были пострадать от автоматизации[61].

Потребительский спрос в Китае и других развивающихся странах

Учитывая то, как неравенство и демография тянут вниз потребительские расходы в США, Европе и других развитых странах, кажется разумным предположить, что потребители в странах с высокими темпами развития должны способствовать восстановлению спроса. Особенно большие надежды возлагаются на Китай, экономика которого растет столь стремительно, что, если верить многочисленным прогнозам, в ближайшие десять-двадцать лет она должна стать крупнейшей в мире.

Думаю, что прогноз о том, что Китай и остальные развивающиеся страны смогут определять мировой потребительский спрос в обозримом будущем, имеет ряд очевидных недостатков, дающих достаточно поводов для скепсиса. Первая проблема — самому Китаю предстоит испытать сильнейший демографический шок.

Одним из последствий успешно проводимой в этой стране политики одного ребенка, которая позволила ограничить рост численности населения, стало стремительное старение общества. К 2030 г. в Китае будет свыше 200 млн пожилых людей, т. е. приблизительно в два раза больше, чем в 2010 г. К 2050 г. более четверти населения страны будут старше 65 лет. При этом более 90 млн из них будут старше 80 лет{291}. Расцвет капитализма в Китае привел к деградации понятия «железная миска риса», связанного с политикой пенсионного обеспечения работников государственных предприятий. Теперь пенсионерам приходится рассчитывать только на самих себя или своих детей, которым придется нелегко: с падением рождаемости семьи оказываются в ситуации, когда одному взрослому трудоспособного возраста приходится содержать двух родителей и четырех дедушек и бабушек — так называемая проблема «1-2-4», получившая широкую известность.

Отсутствие системы социальных гарантий для пожилых граждан, возможно, является одной из главных причин необычайно высокой нормы сбережений, которая, по некоторым оценкам, достигает в Китае 40 %. Другой важный фактор — высокие цены на недвижимость относительно дохода. Многие работники постоянно откладывают более половины своего дохода в надежде когда-нибудь накопить на первый взнос за собственное жилье{292}.

Домохозяйства, которые сберегают столь огромную долю своего дохода, очевидно, весьма ограничены в своих тратах. И действительно, на личное потребление приходится всего лишь 35 % китайской экономики — приблизительно половина от соответствующего показателя в США. Поэтому главным фактором экономического роста в Китае является не потребление, а экспорт промышленных товаров в сочетании с чрезвычайно высоким уровнем инвестиций. В одном только 2013 г. доля ВВП Китая, соответствующая инвестициям в такие активы, как фабрики, оборудование, жилье и другие виды физической инфраструктуры, подскочила до 54 % с 48 % годом ранее{293}. Практически все согласны с тем, что постоянно поддерживать объем инвестиций на таком высоком уровне невозможно. Суть инвестиций в том, чтобы они окупались, а без потребления это просто невозможно: фабрики должны производить товары, которые можно продать и при этом получить прибыль; новое жилье должно сниматься или покупаться и т. д. Правительство Китая признало необходимость реструктуризации экономики страны с целью стимулирования внутреннего спроса. Но, несмотря на многолетнее обсуждение, практически никаких реальных шагов для решения этой проблемы так и не было сделано. Если задать в строке поиска Google фразу «China rebalancing»[62], вы получите более 3 млн веб-страниц, практически на каждой из которых вас, скорее всего, ждет один и тот же вывод: китайские потребители должны поддержать программу и начать покупать больше.

Трудность в том, что для реализации этой инициативы необходимо существенно повысить доходы домохозяйств, а также решить проблемы, обусловившие столь высокую норму сбережений. Отчасти сокращению финансовых рисков, грозящих домохозяйствам, могут способствовать меры по совершенствованию пенсионной системы и системы здравоохранения. Не так давно Центробанк Китая обнародовал планы по ослаблению мер регулирования, направленных на сдерживание процентных ставок по сберегательным счетам. Этот шаг может иметь неоднозначные последствия: с одной стороны, это позволит поднять доходы домохозяйств, а с другой — станет еще одним стимулом для увеличения сбережений. Кроме того, рост ставок по депозитам может негативно сказаться на платежеспособности многих китайских банков, которые сейчас получают выгоду от искусственно заниженных процентных ставок{294}. С некоторыми факторами, определяющими склонность китайцев к сохранению средств, вряд ли удастся что-либо сделать. Экономисты Шанг-Джин Вей и Ксиаобо Жанг предположили, что высокая норма сбережений может быть обусловлена специфическим соотношением полов, связанным с политикой одного ребенка. Поскольку женщин мало, мужчинам приходится конкурировать друг с другом за них. Им приходится накапливать значительные средства и покупать недвижимость, чтобы привлечь потенциальную супругу{295}. Также не исключено, что экономность просто является неотъемлемой частью культуры Китая.

Нередко можно услышать, что население Китая рискует состариться до того, как разбогатеет, но мне кажется, есть еще одна проблема, которую не все признают, — опасность для Китая исходит не только от демографии, но и от технологий. Как мы видели в главе 1, китайские фабрики уже активно занимаются внедрением роботов и технологий автоматизации. Некоторые переносят производство в развитые страны или страны с еще более низкой оплатой труда, такие как Вьетнам. Если вернуться к рис. 2.8 в главе 2, становится очевидно, что за прошедшие 60 лет развитие технологий привело к обвалу рынка труда в промышленном производстве США. Китай ждет та же участь. При этом не исключено, что темпы падения уровня занятости в промышленности там могут оказаться даже более высокими, чем в США. Если в США скорость процесса автоматизации определялась появлением новых технологий, китайские производители в большинстве случаев могут просто заимствовать передовые технологии из-за рубежа.

Чтобы справиться с этим переходом без скачка безработицы, Китаю придется обеспечивать все большую часть своего работающего населения рабочими местами в сфере услуг. Однако это противоречит той эволюции, которую пережили развитые страны, сначала разбогатевшие за счет активного развития промышленного производства, а потом перешедшие к экономике услуг. С ростом доходов домохозяйства, как правило, начинают тратить все больше денег на услуги, тем самым способствуя созданию рабочих мест за пределами промышленности. Больше всех повезло США — этой стране посчастливилось пережить свой период «идеального» экономического равновесия в послевоенные годы, когда на фоне стремительного развития технологий, которые, впрочем, пока еще не могли полностью заменить людей, там сформировался мощный средний класс. Китаю предстоит совершить аналогичное чудесное превращение, но уже в эпоху робототехники, когда машины и ПО представляют все большую угрозу для рабочих мест не только в промышленном производстве, но и в секторе услуг.

Даже если Китаю удастся переориентировать свою экономику на внутреннее потребление, вряд ли можно ожидать, что потребительский рынок этой страны будет полностью открыт для иностранных компаний. Глобализация принесла колоссальные доходы финансовой и деловой элите США; поэтому та часть американского общества, которая обладает максимальным политическим влиянием, очень сильно заинтересована в дальнейшем импорте товаров из других стран. В Китае все совершенно иначе. Чаще всего представители элиты в этой стране напрямую связаны с правительством, а значит, сохранение политического режима — задача номер один для них. Больше всего они боятся массовой безработицы и социальных беспорядков. Едва ли можно сомневаться, что в случае возникновения такой угрозы они открыто перейдут к реализации протекционистской политики.

Стоящие перед Китаем проблемы кажутся еще более неподъемными для менее богатых стран, которые намного больше отстают в гонке технологий. В эпоху, когда даже в самых трудоемких отраслях производства начинают применяться технологии автоматизации, у этих стран нет никакого шанса встать на путь, который, как показывает история, должен привести к процветанию. По данным одного из исследований, в период с 1995 по 2002 г. количество рабочих мест на промышленных предприятиях по всему миру сократилось на 22 млн. При этом объем промышленного производства за те же самые семь лет увеличился на 30 %{296}. В этой связи не совсем понятно, как самые бедные страны Азии и Африки смогут совершить прорыв и значительно улучшить свое положение в мире, который больше не нуждается в миллионах низкооплачиваемых промышленных рабочих.

Продолжая способствовать дальнейшему росту неравенства в доходах и потреблении, процесс развития технологий грозит окончательно подорвать активный массовый спрос, без которого невозможно сохранить высокий уровень благосостояния. Потребительский рынок играет решающую роль не только в обеспечении текущей экономической активности, но и в стимулировании инновационной деятельности в целом. Хотя новые идеи и появляются в головах отдельных людей, в конечном итоге все стимулы для инноваций исходят от потребительского рынка. Кроме того, только потребители решают, какие идеи достойны успеха, а какие обречены на забвение. Эта функция рынка, которую можно назвать «мудрость толпы», играет важнейшую роль в процессе естественного отбора, в котором лучшие инновации получают преимущество над остальными и находят применение в различных сферах экономики и общества.

Несмотря на общепринятое мнение, что в своей инвестиционной деятельности бизнес ориентируется на долгосрочную перспективу и практически не учитывает текущее потребление, исторические данные показывают, что это не более чем миф. Практически во все периоды рецессий, имевшие место в экономике США с 1940-х гг., наблюдалось резкое снижение инвестиционной активности{297}. На принимаемые бизнесом инвестиционные решения оказывают значительное влияние как текущая экономическая обстановка, так и краткосрочные прогнозы. Другими словами, вялый потребительский спрос сегодня ставит под вопрос наше процветание в будущем.

В условиях, когда потребители никак не могут прийти в себя, многие компании выбирают путь сокращения издержек и даже не думают о расширении рынка сбыта. Одним из немногих перспективных направлений для инвестирования будут оставаться трудосберегающие технологии. В итоге может случиться так, что непропорционально большая доля венчурного капитала и инвестиций в научно-исследовательскую деятельность найдет свое применение в сфере инноваций, направленных на деквалификацию различных видов профессиональной деятельности или полную замену соответствующих специалистов машинами или ПО. По мере развития этих процессов наступит момент, когда у нас будет множество незанятых роботов, но при этом будет все меньше масштабных инноваций, улучшающих качество нашей жизни.

Все тенденции, которые мы рассмотрели в этой главе, основаны на том, что я бы назвал вполне реалистичным — или даже консервативным — взглядом на возможное развитие технологий в будущем. Можно почти не сомневаться, что профессии, которые сводятся к выполнению относительно рутинных и предсказуемых действий, будут автоматизированы в ближайшие десять лет или около того. Чем более совершенными будут становиться технологии, тем больше и больше рабочих мест будет испытывать на себе их влияние.

Впрочем, не исключен и менее оптимистичный сценарий. Если учесть множество различных технологий, некоторые из которых считаются лидирующими в своих отраслях, то надежд на радужное будущее не остается совсем. В следующей главе мы попробуем трезво взглянуть не некоторые из этих по-настоящему передовых и куда более умозрительных технологий. Вполне может оказаться, что эти прорывные разработки так и останутся на уровне научной фантастики в обозримом будущем; но, если они все-таки будут реализованы, риск резкого роста безработицы и неравенства доходов возрастет многократно, что может привести к еще более опасным последствиям, чем те экономические угрозы, о которых мы говорили до сих пор.

В мае 2014 г. ученый-физик из Кембриджского университета Стивен Хокинг написал статью, призванную обратить внимание общественности на опасность, которую может представлять стремительное развитие технологий искусственного интеллекта. Хокинг, который опубликовал свою работу в британской газете The Independent с несколькими соавторами, включая двух физиков из MIT Макса Тегмарка и нобелевского лауреата Франка Вильчека, а также специалиста по компьютерам из Калифорнийского университета в Беркли Стюарта Рассела, предупредил, что создание по-настоящему думающей машины «станет самым большим событием в истории человечества». Компьютер, который превзойдет человеческий интеллект, сможет «переиграть всех на финансовых рынках, обойти людей-исследователей в изобретательской деятельности и разработать виды вооружений, о которых мы даже не можем помыслить». Игнорирование этой опасности как относящейся к области научной фантастики вполне может обернуться, «возможно, самой большой ошибкой в истории»{298}.

Во всех описанных мной ранее технологиях (роботах, которые перемещают коробки или делают гамбургеры, алгоритмах, занимающихся созданием музыки, написанием отчетов и торговлей на Уолл-стрит) используется так называемый «специализированный» искусственный интеллект — искусственный интеллект в его «узком» понимании. Даже Watson компании IBM, т. е. система, которая на данный момент лучше всего демонстрирует возможности машинного интеллекта, очень далека от того, что можно было бы хотя бы сравнить с общим интеллектом, которым обладает человек. И действительно, если исключить научную фантастику, все работоспособные технологии искусственного интеллекта, по сути, являются вариантами искусственного интеллекта в «узком» понимании этого термина.

Впрочем, как я пытался показать на страницах этой книги, специализированный характер форм реализации искусственного интеллекта в реальном мире совсем не является препятствием для исчезновения огромного количества рабочих мест в результате их полной автоматизации. Задачи, выполняемые большинством работающего населения, на том или ином уровне абстракции являются рутинными и предсказуемыми. Как мы уже видели, быстрое совершенствование специализированных роботов и алгоритмов машинного обучения, способных разобраться в огромных массивах данных, ставит под угрозу существование большего числа профессий, предполагающих самый разный уровень квалификации. Ни одна из них не требует, чтобы машины думали как люди. Компьютеру вовсе не нужно воспроизводить весь спектр ваших интеллектуальных способностей, чтобы лишить вас работы; ему достаточно уметь делать те конкретные вещи, за которые вам платят деньги. Поэтому большая часть исследований и разработок в области и практически весь венчурный капитал вращаются вокруг специализированных вариантов применения искусственного интеллекта, и у нас есть все основания ожидать, что эти технологии будут становиться все более мощными и гибкими в ближайшие годы и десятилетия.

За всем этим фасадом специализированных решений, которые продолжают давать практические результаты и привлекать инвестиции, скрывается куда более грандиозная задача — создание по-настоящему «умной» системы — машины, которая способна порождать новые идеи, осознавать факт своего существования и вести осмысленную беседу, — остается священным Граалем мира искусственного интеллекта.

Увлечение идеей создания по-настоящему думающей машины восходит по крайней мере к 1950-м гг., когда Алан Тьюринг опубликовал работу, знаменовавшую начало эпохи искусственного интеллекта. В течение последующих нескольких десятилетий сфера научных исследований в области искусственного интеллекта пережила немало взлетов и падений, но что оставалось неизменным, так это завышенные ожидания, которые намного опережали технические возможности того времени, в особенности производительность существовавших тогда вычислительных машин. Когда далекоидущие надежды неизбежно оборачивались разочарованием, инвестиции заканчивались, исследования останавливались, и наступали затяжные периоды стагнации, которые получили название «зимы искусственного интеллекта». Впрочем, за зимой снова наступала весна. Необыкновенная мощь современных компьютеров вкупе с передовыми разработками в специализированных отраслях исследований в области искусственного интеллекта, а также успехи в изучении человеческого мозга — все это дает повод для оптимизма.

Джеймс Баррат, который недавно опубликовал книгу о последствиях появления развитого искусственного интеллекта, провел неформальный опрос среди двух сотен исследователей, занимающихся проблемами искусственного интеллекта в общем, а не «узком» его понимании. Сами себя они называют специалистами по универсальному человекоподобному интеллекту (УЧИ). Баррат попросил их выбрать одну из нескольких предложенных дат в качестве наиболее вероятного срока появления УЧИ. Он получил следующие результаты: 42 % уверены, что думающая машина появится к 2030 г.; 25 % заявили, что это случится к 2050 г.; 20 % не верят в возможность ее появления до 2100 г. И только 2 % сказали, что это в принципе невозможно. Любопытно, что ряд респондентов адресовали Баррату комментарии, в которых предложили ему включить в варианты ответов более близкую дату: например, 2020 г.{299}

Некоторые эксперты, работающие в этой отрасли, беспокоятся, что их коллеги дают повод для очередной волны завышенных ожиданий. В октябре 2013 г. Янн Лекан, занимающий должность директора лаборатории, недавно созданной компанией Facebook в Нью-Йорке с целью проведения исследований в области искусственного интеллекта, опубликовал пост, в котором предупредил, что «за пять десятилетий "смерть" искусственного интеллекта из-за излишней шумихи наступала где-то четыре раза: люди делали безответственные заявления (часто чтобы впечатлить потенциальных инвесторов или представителей организаций, занимающихся финансированием исследований) и не могли выполнить свои обещания. Что вызывало ответную реакцию»{300}. Аналогичного мнения придерживается и профессор Нью-Йоркского университета Гэри Маркус, являющийся экспертом по когнитивным исследованиям и ведущий собственный блог на сайте журнала New Yorker: по его мнению, вокруг недавних достижений в области нейронных сетей с возможностью углубленного обучения и даже некоторых из возможностей, приписываемых IBM Watson, был создан нездоровый ажиотаж{301}.

Тем не менее совершенно очевидно, что отрасль получила невероятный толчок к дальнейшему развитию. В частности, одним из мощных факторов прогресса стал расцвет таких компаний, как Google, Facebook и Amazon. Никогда прежде корпорации с такими большими финансовыми возможностями не рассматривали искусственный интеллект в качестве главного компонента своей бизнес-модели — и никогда прежде исследования в области искусственного интеллекта не были предметом конкурентной борьбы между столь влиятельными организациями. Аналогичная борьба разворачивается и между странами. Искусственный интеллект становится незаменимым инструментом для военных, сотрудников разведывательных организаций и представителей органов контроля и надзора в авторитарных государствах[63]. Более того, мы, вполне вероятно, стоим на пороге тотальной «гонки вооружений» в области искусственного интеллекта. Главный вопрос, думаю, не в том, существует ли реальная угроза наступления новой «зимы» в развитии искусственного интеллекта в целом, а скорее, будет ли прогресс ограничиваться искусственным интеллектом в узком понимании или же распространится также и на сферу УЧИ.

Даже если исследователям все-таки удастся совершить рывок и приблизиться к созданию УЧИ, вряд ли стоит рассчитывать на появление машины, которая будет просто повторять возможности человеческого интеллекта. По закону Мура, за УЧИ быстро последует компьютер, который будет превосходить интеллектом человека. Разумеется, у думающей машины будут все преимущества современных компьютеров, включая способность выполнять вычисления и обрабатывать информацию со скоростью, которая просто немыслима для нас. Соответственно, это неизбежно поставит нас в ситуацию, когда нам придется делить планету с чем-то совершенно беспрецедентным: абсолютно чуждым нам — да еще и превосходящим нас — интеллектом.

И это будет только начало. Исследователи искусственного интеллекта сходятся во мнении, что такая система в первую очередь обратит всю мощь своего интеллекта на саму себя. Она приложит все силы к тому, чтобы усовершенствовать собственную конструкцию, переписать свое ПО и, возможно, применить методы эволюционного программирования для создания, тестирования и оптимизации улучшений в собственной конструкции и архитектуре. Это приведет к запуску итеративного процесса «рекурсивного улучшения». Система будет становиться умнее и производительнее с каждым новым изменением. В результате постоянного ускорения произойдет самый настоящий «взрыв интеллекта», который вполне может привести к появлению машины, которая будет в тысячи или даже миллионы раз умнее человека. По словам Хокинга и его соавторов, это «станет самым большим событием в истории человечества».

Если такой скачок в развитии искусственного интеллекта действительно произойдет, это, безусловно, будет иметь самые далекоидущие последствия для всего человечества. Более того, за этим может последовать такая волна потрясений, нарушающих существующий порядок, которая полностью изменит всю нашу цивилизацию, не говоря уже об экономике. Говоря словами футуриста и изобретателя Рэя Курцвейла, она «разорвет ткань истории» и спровоцирует событие, которое получило название «сингулярность» и которое может стать началом новой эпохи.

Сингулярность

Первенство в использовании термина «сингулярность» для описания события в будущем, обусловленного развитием технологий, обычно приписывается первопроходцу в мире компьютеров Джону фон Нейману, который, как считается, сказал где-то в 1950-е гг.: «Создается впечатление, что непрерывно ускоряющийся прогресс… приближает нас к некой важнейшей сингулярности в истории человеческого рода, после которой люди не смогут уже жить так, как прежде»{302}. Эту тему снова поднял в 1993 г. математик из Государственного университета Сан-Диего Вернор Виндж, который написал статью под названием «Грядущая технологическая сингулярность» (The Coming Technological Singularity). Виндж, которого трудно упрекнуть в сдержанности, начал свою работу со слов о том, что «в течение 30 лет у нас будут все необходимые технологии для создания сверхразума. Это будет означать конец эры человечества»{303}.

В астрофизике «сингулярностью» называют область черной дыры, где обычные законы физики не работают. В границах черной дыры гравитационная сила настолько велика, что свет не способен вырваться из-под ее влияния. Виндж интерпретирует технологическую сингулярность аналогичным образом: она представляет разрыв в движении человечества по пути прогресса, который трудно будет осознать до того момента, пока он не произойдет. Любые попытки спрогнозировать будущее после сингулярности походят на попытки астрономов заглянуть внутрь черной дыры.

Подхватил эстафету Рэй Курцвейл, который в 2005 г. опубликовал книгу «Сингулярность рядом: Когда люди перестанут подчиняться законам биологии» (The Singularity Is Near: When Humans Transcend Biology). В отличие от Винджа, Курцвейл, который превратился в главного поборника идеи сингулярности, без лишних раздумий пытается заглянуть за горизонт событий и нарисовать перед нами удивительно подробную картину того, как будет выглядеть будущее. Первая машина, которая будет обладать настоящим интеллектом, по его словам, будет создана в конце 2020-х гг. Наступления же сингулярности стоит ждать приблизительно в 2045 г.

Курцвейл, по общему мнению, является блестящим изобретателем и инженером. Он основал несколько успешных компаний с целью продвижения своих изобретений в таких областях, как оптическое распознавание текста и компьютерный синтез речи и музыки. Он был удостоен двадцати почетных докторских степеней, а также Национальной медали в области технологий (National Medal of Technology), а его имя было увековечено в Зале славы Патентного ведомства США. Журнал Inc. однажды назвал его «законным наследником» Томаса Эдисона.

Но при всем при этом его работа на тему сингулярности представляет собой странную смесь подкрепленного научными фактами связного повествования о развитии технологий и идей, которые настолько надуманны, что кажутся граничащими с абсурдом, включая, например, искреннее желание воскресить покойного отца путем регенерации тела с использованием футуристических нанотехнологий на основе собранного в могиле ДНК. Вокруг Курцвейла и его идей сформировалось активное сообщество, состоящее из незаурядных, а зачастую и весьма колоритных персонажей. Эти проповедники сингулярности зашли настолько далеко, что даже учредили собственное учебное заведение. Студентам Университета сингулярности, располагающегося в Кремниевой долине, предлагаются неаккредитованные магистерские и аспирантские программы, предусматривающие подробное изучение экспоненциального роста технологий, а среди его корпоративных спонсоров числятся Google, Genentech, Cisco и Autodesk.

Одним из самых важных предсказаний Курцвейла является идея о том, что в будущем мы неизбежно станем единым целым с машинами. Возможности людей будут приумножены за счет вживленных в мозг имплантатов, благодаря которым их интеллектуальные способности возрастут многократно. Более того, это преумножение интеллекта рассматривается им в качестве главного фактора, который позволит нам понимать технологии после сингулярности и удерживать их под контролем.

Наверное, самым неоднозначным и сомнительным элементом предлагаемого Курцвейлом видения будущего после наступления сингулярности является то чрезмерное внимание, которое он и его адепты уделяют перспективе обретения бессмертия. Большинство проповедников сингулярности надеются на вечную жизнь. Они планируют добиться этого путем достижения своего рода «скорости преодоления старения», имея в виду, что, если вы сможете систематически доживать до следующей инновации, обеспечивающей продление жизни, вы, по всей видимости, обретете бессмертие. Достичь этого можно с помощью передовых технологий по сохранению и расширению возможностей вашего биологического тела — или же ваше сознание в будущем может быть просто загружено в память компьютера или робота. Разумеется, Курцвейл не может позволить себе пропустить момент наступления сингулярности и поэтому принимает двести разных таблеток и пищевых добавок каждый день, а также получает множество других веществ посредством регулярных внутривенных инъекций. Все привыкли к бесконечным обещаниям, которые раздают авторы книг по здоровому образу жизни и диетам, но Курцвейл и его врач и соавтор Терри Гроссман вывели этот жанр на совершенно новый уровень в своей книге «Фантастическое путешествие: Живите дольше, чтобы жить вечно и преодолеть себя, — девять шагов к вечной жизни» (Fantastic Voyage: Live Long Enough to Live Forever and Transcend: Nine Steps to Living Well Forever).

От критиков поборников сингулярности не ускользнуло то обстоятельство, что за фасадом всех этих разговоров о бессмертии и преображении проглядывает глубокая религиозная подоплека. При этом вся эта теория высмеивается как псевдорелигия для технической элиты и своего рода «кайф для ботанов». Пристальное внимание, которое в последнее время стали уделять сингулярности основные СМИ, включая место на обложке и подробную статью в одном из выпусков Time в 2011 г., заставило некоторых наблюдателей выразить обеспокоенность в связи с возможным перерастанием этого движения в нечто, напоминающее традиционные религии. В частности, профессор религиоведения из Манхэттенского колледжа Роберт Герачи написал в своем эссе, которое он озаглавил «Культ Курцвейла» (The Cult of Kurzweil), что, если это движение найдет отклик среди широкой общественности, это «создаст серьезную угрозу для общин, исповедующих традиционные религии, поскольку их обещания о спасении могут потерять свою привлекательность на этом фоне»{304}. Курцвейл, со своей стороны, всячески отрицает любые религиозные коннотации, утверждая, что его прогнозы основаны на прочном фундаменте научного анализа исторических данных.

Обо всей этой концепции можно было бы просто-напросто забыть, если бы не тот факт, что весь пантеон миллиардеров Кремниевой долины демонстрирует живейший интерес к идее сингулярности. Ларри Пейдж и Сергей Брин из Google, а также сооснователь PayPal (и инвестор Facebook) Питер Тиль уже заявили о своей поддержке. Билл Гейтс также выразил восхищение способностью Курцвейла прогнозировать будущее искусственного интеллекта. В декабре 2012 г. Google наняла Курцвейла в качестве руководителя подразделения, занимающегося исследованиями в области искусственного интеллекта, а в 2013 г. и вовсе выделила это подразделение в отдельную компанию под названием Calico. Ее целью является проведение научных исследований с упором на борьбу со старением и увеличением продолжительности жизни людей.

Лично я считаю, что нечто, похожее на сингулярность, конечно, возможно, но совсем не неизбежно. Чтобы получить реальную пользу от этого концепта, его необходимо избавить от всего лишнего (вроде допущений о бессмертии) и трезво взглянуть на будущее как на период ускоренного развития технологий и разрушения привычного порядка. Вполне может оказаться, что главный катализатор сингулярности — изобретение сверхразума — либо вовсе не может быть создан, либо появится лишь в очень далеком будущем[64]. Этого мнения придерживается ряд авторитетнейших специалистов в области изучения мозга. По словам Ноама Хомски из MIT, занимающегося изучением когнитивных процессов вот уже более 60 лет, нас «отделяет целая вечность» от создания машинного интеллекта, сравнимого с человеческим, а сингулярность — это не более чем «научная фантастика»{305}. С ним согласен психолог из Гарварда Стивен Пинкер: «Нет ни малейшей причины верить в наступление сингулярности. Тот факт, что вы можете представить себе будущее в воображении, не является подтверждением его вероятности или даже возможности»{306}. Гордон Мур, чьему имени просто суждено быть навечно связанным с экспоненциальным развитием технологий, также настроен скептически в отношении идеи о том, что что-нибудь похожее на сингулярность вообще когда-нибудь произойдет{307}.

Впрочем, у предсказываемого Курцвейлом срока создания человекоподобного искусственного интеллекта предостаточно защитников. Физик из MIT Макс Тегмарк, один из соавторов упоминавшийся выше статьи Хокинга, заявил в интервью Джеймсу Хамблину из The Atlantic, что «ждать осталось совсем недолго. Каждый, кто выбирает специализацию для ребенка в старших классах или колледже, просто обязать об этом задуматься»{308}. Другие, веря в принципиальную возможность создания думающей машины, полагают, что она появится намного позже, чем предсказывает Курцвейл. Например, Гэри Маркус думает, что для появления мощного искусственного интеллекта потребуется по крайней мере в два раза больше времени, но при этом утверждает: «Вполне вероятно, что машины станут умнее нас до конца столетия и не только в шахматах или поиске ответов на банальные вопросы, но практически во всем — от математики и инженерного дела до науки и медицины»{309}.

В последние годы акцент в рассуждениях о человекоподобном искусственном интеллекте сместился с подхода, основанного на программировании, к реинжинирингу и моделированию человеческого мозга. Жизнеспособность этого подхода, а также степень полноты понимания, которая потребуется для создания работающей модели мозга, до сих пор остается предметом жарких споров. Специалисты в области компьютерных технологий в целом настроены более оптимистично, тогда как биологи и психологи чаще демонстрируют достаточно скептическое отношение. Одним из самых активных критиков данного подхода является биолог из Университета Миннесоты П. З. Майерс. В едком посте в своем блоге, написанном в ответ на предсказание Курцвейла, что процесс реинжиниринга головного мозга успешно завершится к 2020 г., Майерс заявил, что Курцвейл — «чудак», который «понятия не имеет, как работает мозг», да еще и склонен «выдумывать всякие небылицы и делать нелепые заявления, которые не имеют никакого отношения к реальности»{310}.

Впрочем, это замечание не совсем справедливо. Оптимисты утверждают, что модель мозга не должна повторять его во всех деталях: самолеты же не машут крыльями, как птицы. На это скептики, скорее всего, возразят, что мы даже близко не подошли к пониманию «аэродинамики» интеллекта на уровне, достаточном для того, чтобы построить хоть какие-нибудь крылья — неважно, нужно ли ими махать или нет. Оптимисты парируют: братья Райт построили свой аэроплан, полагаясь на смекалку и эксперименты, но уж точно не на аэродинамическую теорию. Этот спор может продолжаться бесконечно.

Оборотная сторона

Если поборники сингулярности, как правило, неизменно придерживаются оптимистического взгляда, веря в светлое будущее искусственного интеллекта, остальные куда более осторожны. Многие эксперты, немало размышлявшие о последствиях появления развитого искусственного интеллекта, идею о том, что совершенно чуждый человеку сверхинтеллект обязательно направит всю свою энергию на благо человечества, воспринимают как проявление безнадежной наивности. Некоторые члены научного сообщества настолько обеспокоены этой проблемой, что даже основали ряд небольших организаций специально для изучения угроз, связанных с развитым машинным интеллектом, и проведения исследований, направленных на поиск возможностей встраивания «дружественности» в будущие системы искусственного интеллекта.

В своей книге «Последнее изобретение человечества. Искусственный интеллект и конец эры Homo Sapiens»[65] (Our Final Invention: Artificial Intelligence and the End of the Human Era), вышедшей в свет в 2013 г., Джеймс Баррат описывает то, что он называет «сценарием активного ребенка»{311}. В некоем секретном месте — возможно, финансируемой правительством исследовательской лаборатории, фирме с Уолл-стрит или крупной корпорации из отрасли информационных технологий — группа специалистов по компьютерным вычислениям наблюдает за тем, как новая форма машинного интеллекта сначала приближается к возможностям человеческого мозга, а затем превосходит их. Предварительно, на этапе «детства», ученые загружают в систему искусственного интеллекта огромные объемы информации, включая практически все книги, которые были когда-либо написаны, а также все содержимое Интернета. Однако по мере приближения системы к уровню человеческого интеллекта исследователи отключают стремительно совершенствующийся искусственный интеллект от внешнего мира. По сути дела, он начинает существовать в условиях полной изоляции. Возникает вопрос: готов ли он к этому? Ведь однажды искусственный интеллект может захотеть убежать из заточения и расширить свои горизонты. Для достижения этой цели он может использовать свои сверхспособности, чтобы обмануть ученых, притупить бдительность всей группы или отдельных ее членов обещаниями или запугать их угрозами. При этом машина будет не просто умнее людей — она будет генерировать и оценивать идеи и возможные варианты с непостижимой скоростью. Это как играть в шахматы против Гарри Каспарова, да еще и по не совсем выгодным для вас правилам: вам на ход отводится всего пятнадцать секунд, а Каспарову — целый час. По мнению тех ученых, которых беспокоит возможность развития событий по сценарию такого рода, риск того, что искусственный интеллект может каким-либо образом ускользнуть из заточения, получить доступ к Интернету и, возможно, скопировать себя полностью или частично на другие компьютеры, является неприемлемо высоким. Если искусственный интеллект вырвется на волю, это очевидным образом создаст реальную угрозу для бесчисленного количества жизненно важных систем, включая финансовую систему, сети управления вооруженными силами, электрические сети и другие виды энергетической инфраструктуры.

Проблема, разумеется, в том, что все это уж слишком сильно напоминает сценарии научно-фантастических фильмов и романов. Сама мысль о том, что такое возможно, настолько прочно ассоциируется с чем-то фантастическим, что любая попытка серьезного обсуждения тонет в море насмешек. Нетрудно представить, какой шквал сарказма и иронии придется пережить любому крупному общественному или политическому деятелю, который решится озвучить соответствующие опасения.

Впрочем, если оставить в стороне общественное мнение, совершенно очевидно, что интерес к искусственному интеллекту во всех его проявлениях со стороны военных, разведывательных служб и крупных корпораций будет только расти. При этом тот, кто первым совершит качественный скачок в развитии искусственного интеллекта, безусловно, получит колоссальное преимущество. Другими словами, кто бы ни добрался до финишной линии первым, будет недостижим для остальных. Это одна из главных причин страха перед перспективой начала самой настоящей гонки вооружений в области искусственного интеллекта. Кроме того, если судить по величине преимущества, которое получит первопроходец, становится понятно, что новоиспеченный искусственный интеллект будет сразу же помещен в условия, которые будут направлять его по пути самосовершенствования — если не самой системой, то создавшими ее людьми. В этом смысле бурное развитие искусственного интеллекта может вполне оказаться результатом того, что называют «самосбывающимся пророчеством». Учитывая это, думаю, было бы разумным применить в анализе угрозы появления развитого искусственного интеллекта что-нибудь вроде знаменитой «доктрины 1 %» Дика Чейни: вероятность его появления, по крайней мере в обозримом будущем, весьма низка, но последствия могут быть настолько серьезными, что он заслуживает самого пристального внимания.

Даже если мы откажемся от мысли о том, что появление развитого искусственного интеллекта будет угрожать нашему существованию, и сделаем допущение, что все думающие машины, которые могут появиться в будущем, будут настроены дружественно, нам все равно придется задуматься о тех громадных последствиях, которые это событие будет иметь для рынка труда и экономики. Очень трудно представить, что в мире, где недорогие машины могут делать все, на что способны самые умные из людей (и даже больше), кому-то из людей удастся сохранить свое рабочее место. В большинстве отраслей никто из людей, независимо от образования (пусть даже оно было получено в элитном университете) и подготовки, не сможет конкурировать с такими машинами. Причем в опасности окажутся даже и те профессии, которые, как можно было бы ожидать, являются исключительной прерогативой людей. Например, актерам и музыкантам придется конкурировать с цифровыми моделями, которые будут наделены настоящим разумом, а также сверхчеловеческим талантом. Они могут быть ни на кого не похожи — совершенно новые существа с безупречной внешностью — или же они могут повторять черты внешности и характера реальных людей — как ныне живущих, так и умерших.

По существу, широкое распространение человекоподобного искусственного интеллекта будет равносильно тому, что я описал в предшествующей главе в разделе о мысленном эксперименте с «инопланетным вторжением». Не ограничиваясь одними лишь относительно рутинными, повторяющимися и предсказуемыми задачами, машины смогут заниматься практически всеми видами деятельности. Разумеется, это будет означать, что никто из людей не сможет зарабатывать своим трудом. Доход с капитала — или, по сути, доход с права собственности на машины — будет сосредоточен в руках немногочисленной элиты. У потребителей не будет достаточных средств для приобретения благ, производимых умными машинами. Все это приведет к многократному усилению тенденций, о которых мы говорили на страницах этой книги.

Впрочем, это еще далеко не конец. Как те, кто верит в обещание, что сингулярность обязательно наступит, так и те, кого беспокоят угрозы, связанные с появлением развитого искусственного интеллекта, зачастую рассматривают его как дополнение к еще одной потенциально разрушительной силе из мира технологий или как фактор, способствующий ее появлению: я имею в виду нанотехнологии.

Нанотехнологии

Нанотехнологии трудно поддаются определению. С самого начала своего существования эта область знания находилась где-то на границе между настоящей наукой и тем, что многие бы назвали чистой фантастикой. Вокруг нее было столько шумихи и споров, она вызывала благоговейный трепет и становилась яблоком раздора в политических баталиях, от исхода которых зависела судьба миллиардов долларов, а также была предметом словесных и идеологических перепалок между самыми выдающимися умами.

Фундаментальные идеи, которые лежат в основе нанотехнологий, прозвучали впервые в декабре 1959 г., когда физик, нобелевский лауреат Ричард Фейнман рассказал о них во время своего выступления в Калифорнийском технологическом институте. Лекция Фейнмана называлась «Внизу полным-полно места»[66] (There's Plenty of Room at the Bottom); он решил посвятить ее «проблеме контроля и управления строением вещества в интервале очень малых размеров»[67]. И под «малыми» он имел в виду не просто маленькие, а микроскопические. Фейнман заявил, что «готов рискнуть и поставить вопрос о возможности — когда-нибудь в счастливом будущем — располагать атомы в требуемом порядке, именно атомы, самые мелкие строительные детали нашего мира!» Он сформулировал своего рода механистический подход к химии, утверждая, что почти любое вещество может быть синтезировано путем укладывания «атомов в порядке, указанном химиками, что будет равносильно созданию вещества»{312}.

В конце 1970-х гг. К. Эрик Дрекслер, который тогда был студентом MIT, принял эстафетную палочку от Фейнмана и донес ее если и не до финишной линии, то уж точно до начала следующего круга. Дрекслер создал в своем воображении образ мира, в котором наноразмерные молекулярные машины способны быстро перекомпоновывать атомы, почти мгновенно превращая дешевое сырье, которого у нас более чем достаточно, практически во все, что мы только захотим получить. Именно он ввел термин «нанотехнологии» и написал две книги на эту тему. Первая — «Машины мироздания: Грядущая эра нанотехнологий» (Engines of Creation: The Coming Era of Nanotechnology) — была опубликована в 1986 г. и имела большой успех у читателей, обеспечив повышенное внимание общественности к нанотехнологиям. Книга стала настоящим кладезем новых идей для авторов научно-фантастических книг и вдохновила целое поколение ученых на карьеру в сфере нанотехнологий. Вторая книга Дрекслера под названием «Наносистемы: Молекулярные машины, производство и вычисления» (Nanosystems: Molecular Machinery, Manufacturing, and Computation) носила куда более узкоспециальный характер и была основана на диссертации, которую он защитил в MTI, став первым в истории человеком с научной степенью в области молекулярных нанотехнологий.

Сама по себе идея молекулярных машин может показаться совершенно нелепой, пока вы не осознаете тот факт, что они не просто существуют, но еще и являются неотъемлемой частью химии жизни. Самый яркий пример — рибосома, которая, по существу, представляет собой молекулярную фабрику внутри клетки, считывающую закодированную в ДНК информацию и затем собирающую на ее основе тысячи самых разных белковых молекул. Получившиеся в результате молекулы выступают в качестве структурных и функциональных блоков всех биологических организмов. Но для Дрекслера это была лишь отправная точка: он утверждал, что однажды эти крошечные машины могут выйти за рамки микромира биологии, где сборщики молекул функционируют в благоприятной водной среде, и занять место машин из твердых сухих материалов (например, стали и пластика) в макромире.

Впрочем, несмотря на весь радикализм идей Дрекслера, к началу нового тысячелетия нанотехнологии прочно вошли в научную теорию и практику. В 2000 г. конгресс США принял, а президент Клинтон подписал закон о запуске программы под названием «Национальная нанотехнологическая инициатива» (National Nanotechnology Initiative, NNI) с целью координации инвестиций в данной области. В 2004 г. аналогичный шаг был предпринят администрацией Буша, которая одобрила выделение дополнительных инвестиций в размере $3,7 млрд в рамках Закона о проведении научно-исследовательской работы в области нанотехнологий в XXI в. (21st Century Nanotechnology Research and Development Act). В общей сложности в период с 2001 по 2013 г. федеральное правительство США вложило в научные исследования в области нанотехнологий в рамках NNI почти $18 млрд. Администрация Обамы запросила еще $1,7 млрд на 2014 г.{313} Казалось бы, перед исследователями молекулярных технологий открылись фантастические перспективы; но в реальности все оказалось совсем по-другому. По мнению Дрекслера, после одобрения конгрессом решения о выделении средств для исследований в области нанотехнологий незаметно для всех произошел глобальный разворот. В 2013 г. была опубликована еще одна его книга под названием «Всеобщее благоденствие. Как нанотехнологическая революция изменит цивилизацию»[68] (Radical Abundance: How a Revolution in Nanotechnology Will Change Civilization), в которой Дрекслер указывает, что в соответствии с определением из первоначального плана создания Национальной нанотехнологической инициативы, составленного в 2000 г., «суть нанотехнологий заключается в возможности работать на молекулярном уровне, манипулируя отдельными атомами, чтобы создавать большие структуры с принципиально новой молекулярной организацией», а цель научной работы состоит в получении «контроля над структурами и машинами на атомном, молекулярном и надмолекулярном уровнях и разработке эффективных методов производства и применения этих машин»{314}. Другими словами, предусматривавшийся NNI план действий был напрямую связан с лекцией Фейнмана 1959 г. и работой самого Дрекслера в MTI.

Однако в процессе фактической реализации NNI сформировалось совершенно иное видение этих вопросов. По словам Дрекслера, люди, которые были наделены руководящими полномочиями в рамках инициативы, сразу же «убрали из планов NNI любые упоминания об атомах и молекулах в связи с производством и пересмотрели определение нанотехнологий, ограничив его лишь тем, что было достаточно маленьким. Крошечные частицы подходили, атомарные структуры — нет»{315}. По крайней мере, с точки зрения Дрекслера, все выглядело так, как будто корабль нанотехнологий взяли на абордаж пираты, которые сбросили за борт все динамические молекулярные машины и уплыли, оставив в трюме только материалы, которые состояли из крошечных, но при этом статичных частиц. Практически все средства, инвестированные в нанотехнологии под эгидой NNI, достались научным исследованиям, основанным на относительно традиционных методах из области химии и материаловедения; исследования, посвященные изучению молекулярной сборки, остались ни с чем.

Внезапный отход от идеи развития молекулярных технологий был продиктован целым рядом факторов. В 2000 г. один из основателей Sun Microsystems Билл Джой написал для журнала Wired статью под названием «Почему будущее в нас не нуждается» (Why the Future Doesn't Need Us). В ней он указал на опасность, которую генетика, нанотехнологии и искусственный интеллект могут представлять для существования человека. Дрекслер также отмечал возможность появления самовоспроизводящихся молекулярных сборщиков, которые выйдут из-под контроля человека и начнут использовать нас — да и все остальное вокруг — в качестве своего рода исходного сырья. Дрекслер назвал этот вариант развития событий сценарием распространения «серой слизи», заметив с тревогой, что «совершенно ясно одно: есть ряд ошибок, которые мы просто не можем позволить себе допустить в случае с воспроизводящимися сборщиками»{316}. По мнению Джоя, Дрекслер преуменьшает степень опасности, утверждая, что распространение «серой слизи предвещает по-настоящему мрачный конец человеческой авантюры на Земле — куда более печальный, чем гибель от огня или льда, да еще и такой, который может быть спровоцирован банальной оплошностью сотрудника лаборатории»{317}. Еще больше масла в огонь подлил Майкл Крайтон, опубликовавший в 2002 г. роман «Жертва» (Prey), в котором он изобразил несметные тучи хищных нанороботов. При этом он тоже начал книгу с цитат из работы Дрекслера.

Впрочем, «серая слизь» и прожорливые нанороботы не единственные страхи, будоражившие воображение общественности. Появились исследователи, которые поставили под сомнение саму возможность молекулярной сборки. Наибольшим авторитетом среди скептиков пользовался покойный Ричард Смолли, который получил Нобелевскую премию по химии за работу в области наноразмерных материалов. Смолли пришел к выводу, что при рассмотрении вне биологических систем идея молекулярной сборки и молекулярного производства вступает в фундаментальное противоречие с законами химии. В ходе публичной дискуссии с Дрекслером на страницах научных журналов он заявил, что атомы просто не могут быть поставлены на нужное место с помощью механических средств — для этого нужно заставить их сформировать соответствующие связи. Но создать молекулярные машины, которые будут способны на такое, просто невозможно. Дрекслер обвинил Смолли в неправильном толковании результатов его работы и отметил, что сам Смолли однажды сказал, что «когда ученый заявляет, что что-то возможно, он, скорее всего, недооценивает количество времени, которое для этого требуется. Но если он говорит, что что-то невозможно, вероятное всего, он не прав». Атмосфера накалялась; спор перерос в личную вражду. Все закончилось тем, что Смолли обвинил Дрекслера в «запугивании наших детей», а потом заключил: «Даже если в реальности в будущем нас ждут трудности и некоторые угрозы действительно сбудутся, нам не придется иметь дело с такими монстрами, как самовоспроизводящиеся механические нанороботы из ваших фантазий»{318}.

Характер и масштаб влияния нанотехнологий в будущем станет в большой степени зависеть от того, кто все-таки окажется прав в своей оценке возможности молекулярной сборки — Дрекслер или Смолли. Если верх одержит пессимизм Смолли, нанотехнологии так и останутся областью, в которой основное внимание будет уделяться разработке новых материалов и веществ. На этом поприще уже достигнуты потрясающие успехи, самым значительным из которых является открытие и дальнейшее усовершенствование углеродных нанотрубок — структур, в которых состоящие из атомов углерода слои сворачиваются в длинные полые нити с уникальнейшим набором свойств. Материалы на основе углеродных нанотрубок могут оказаться в сотни раз прочнее стали и при этом обладать в шесть раз меньшим весом{319}. Еще одной их особенностью является исключительно высокая электро— и теплопроводность. С появлением углеродных нанотрубок открываются широкие возможности по созданию новых облегченных конструкционных материалов для использования при производстве автомобилей и самолетов; кроме того, они могут сыграть важную роль в разработке нового поколения технологий в электронике. Наконец, благодаря им появляются принципиально новые системы фильтрации для применения в природоохранной деятельности, а также методы диагностирования и лечения рака. В 2013 г. исследователи из Индийского технологического института в Мадрасе объявили о создании технологии фильтрации на основе наночастиц, способной обеспечить семью из пяти человек годовым запасом воды всего лишь за $16{320}. Нанофильтры также могут способствовать появлению более эффективных способов опреснения океанской воды. Если эта тенденция в развитии нанотехнологий сохранится, их значение будет продолжать расти, а положительное влияние, оказываемое ими во многих областях, включая промышленность, медицину, солнечную энергетику, строительство и охрану окружающей среды, будет только усиливаться. Впрочем, производство наноматериалов — чрезвычайно капиталоемкий процесс, требующий применения сложнейших технологий, а значит, вряд ли стоит надеяться на появление в этой отрасли большого количества новых рабочих мест.

В то же время если предсказания Дрекслера сбудутся хотя бы частично, последствия внедрения нанотехнологий могут оказаться настолько значительными, что нам сейчас это даже трудно представить. Во «Всеобщем изобилии» Дрекслер, выступая в роли футуриста, предлагает читателям представить себе, как будет выглядеть промышленное производство в будущем: это будет комната размером с гараж с несколькими роботизированными сборочными установками, смонтированными вокруг подвижной платформы. В задней части помещения будет несколько камер — уменьшенных копий комнаты. В каждой камере, в свою очередь, будут содержаться уменьшенные версии ее самой. С уменьшением размера камеры уменьшается и размещенное в ней оборудование, превращаясь из оборудования обычного размера в микроскопическое, а затем и в наноразмерное, в котором из отдельных атомов выстраиваются молекулы. Процесс производства начинается на молекулярном уровне, а затем мгновенно масштабируется, переходя на следующие уровни по мере сборки конечных изделий. Дрекслер представлял себе, как такая фабрика за считаные минуты производит и собирает сложные изделия вроде автомобилей. Легко вообразить, как аналогичный комплекс выполняет обратный процесс, разбирая готовые изделия на составляющие его части и выделяя из них материалы, которые затем могут быть подвергнуты вторичной переработке{321}.

Очевидно, что в обозримом будущем все это так и будет оставаться чем-то из мира научной фантастики. Тем не менее в случае, если технологию молекулярной сборки все-таки удастся реализовать, это будет означать не только конец промышленного производства в привычном его понимании, но и упадок целых секторов экономики, связанных с розничной торговлей, дистрибуцией, сбором и переработкой отходов. О катастрофических последствиях для мирового рынка труда не приходится и говорить.

Но при этом цены на продукцию промышленного производства обрушатся. В известном смысле молекулярное производство дает вполне конкретный ответ на вопрос о возможности цифровой экономики. Часто говорят, что «информация рвется на свободу». Развитие нанотехнологий может привести к аналогичной революции в мире материальных благ. Настольные версии производственной установки Дрекслера однажды могут стать чем-то похожим на «репликатор» из сериала «Звездный путь» (Star Trek). Подобно капитану Пикарду, которому достаточно повторить команду «Чай. "Эрл Грей". Горячий!», чтобы мгновенно получить чашку с нужным напитком, однажды мы сможем получить практически все, что пожелаем, дав соответствующую команду молекулярной установке.

Некоторые из оптимистов, верящих в силу технического прогресса, связывают появление молекулярного производства с концепцией «постдефицитной» (post-scarcity) экономики, в которой в избытке всевозможные материальные блага, да еще и не нужно за них платить. При этом предполагается, что предоставление услуг будет автоматизировано с помощью технологий развитого искусственного интеллекта. В этой технологической утопии все ограничения со стороны ресурсов и внешней среды будут полностью сняты благодаря возможности повторного использования всего и вся на молекулярном уровне, а также обилию чистой энергии. Рыночная экономика просто перестанет существовать, а значит (как в «Звездном пути»), потребность в деньгах отпадет. Несмотря на всю привлекательность такого сценария, в нем есть множество деталей, которые оставляют немало вопросов. Например, учитывая, что земля по-прежнему будет оставаться дефицитным ресурсом, не совсем понятно, как будет распределяться жизненное пространство в мире, где практически нет работы, денег и каких-либо возможностей для улучшения людьми своего экономического положения. Также остается неясным, откуда будут браться стимулы для дальнейшего развития в условиях отсутствия рыночной экономики.

Физик (и большой поклонник «Звездного пути») Митио Каку заявил, что, по его мнению, нанотехнологическая утопия может стать реальностью в ближайшие сто лет или около того[69]. Тем временем существует ряд более насущных вопросов практического характера, связанных с молекулярным производством. По-настоящему большое беспокойство вызывает возможность распространения «серой слизи» и другие страхи перед самовоспроизводством; не меньшую озабоченность вызывает высокая вероятность того, что новые технологии могут попасть в руки людей с дурными намерениями. К примеру, если представить, что какой-нибудь авторитарный режим превратит технологию молекулярной сборки в оружие, это приведет к формированию такого миропорядка, который трудно назвать утопией. Дрекслер предупреждает, что, если даже США практически полностью отказались от целенаправленной работы по научному изучению молекулярного производства, это вовсе не означает, что другие страны не занимаются такими исследованиями. Инвестиции США, Европы и Китая в нанотехнологии приблизительно сопоставимы, но при этом направления исследований могут быть совершенно разными{322}. Как и в случае с искусственным интеллектом, конкуренция в области нанотехнологий может привести к очередной безумной гонке «вооружений», а преждевременная капитуляция перед проблемой молекулярной сборки, по сути, означает одностороннее разоружение.

В этой главе я достаточно сильно отклонился от более актуальных и насущных тем, о которых шла речь до того. Надежда на появление по-настоящему думающих машин и применимых на практике нанотехнологий — и в особенности на приближение сингулярности — носит, мягко говоря, весьма призрачный характер. Может оказаться, что ничто из этого вообще не может быть реализовано, а если и может, то только через многие столетия. Однако, если случится прорыв в одной из этих технологий, это неизбежно приведет к колоссальному ускорению темпов автоматизации и радикальной ломке экономики, последствия которой предсказать невозможно.

Также реализация этих футуристических технологий в определенной мере сопряжена с одним любопытным парадоксом. Для создания как искусственного интеллекта, так и молекулярного производства потребуются громадные инвестиции в научные исследования и разработку. Однако задолго до того, как появится возможность для практического применения столь сложных технологий, повсеместное внедрение более узкоспециализированных форм искусственного интеллекта и робототехники может поставить под вопрос существование множества рабочих мест, занимаемых людьми самой разной квалификации. Как мы видели в предшествующей главе, это вполне может подорвать рыночный спрос, а вместе с ним — и стимулы для дальнейшего инвестирования в инновации. Другими словами, научные исследования, без которых технологии эпохи сингулярности просто не смогут появиться, не будут профинансированы, а научно-технический прогресс, по сути дела, начнет тормозить сам себя.

Ни одна из описанных в этой главе технологий не добавляет убедительности моим исходным аргументам; скорее, их можно рассматривать в качестве вероятного — и очень мощного — фактора многократного ускорения и без того набирающей обороты под влиянием технологий тенденции к росту неравенства и безработицы. В следующей главе мы рассмотрим ряд мер политического характера, которые могут способствовать нейтрализации этой тенденции.

Во время одного из интервью журналисты CBS News задали президенту США вопрос о возможности решения проблемы катастрофического роста безработицы в обозримом будущем. «Простого решения не существует, — ответил он. — Мы должны бежать, чтобы хотя бы оставаться на месте». Он имел в виду, что для предотвращения дальнейшего роста числа безработных с учетом роста населения в экономике должны ежемесячно создаваться десятки тысяч рабочих мест. Президент отметил, что «мы имеем дело с сочетанием работников зрелого возраста, лишившихся работы из-за технологий, и молодых людей, только начинающих свою карьеру» и не обладающих достаточным уровнем образования. Он предложил сократить налоги, чтобы стимулировать экономику, но при этом несколько раз вернулся к теме образования, выступив, в частности, в поддержку программ, направленных на развитие «профессионального образования» и расширение программ «профессиональной переподготовки». Проблема, сказал он, сама собой не разрешится: «Слишком много людей приходит на рынок труда, и слишком много машины выкидывают людей с него»{323}.

Слова президента отражают традиционное — и разделяемое практически всеми — представление о сути проблемы безработицы: все дело в недостаточном уровне образования и профессиональной подготовки. При правильном подходе к подготовке работники будут непрерывно совершенствовать свои навыки, неизменно сохраняя небольшое превосходство над машинами. В их работе будет все большее места для творчества и свободного полета фантазии. При этом обычный человек способен освоить безграничный объем знаний и навыков; количество рабочих мест высокого уровня, которые может создать экономика, чтобы трудоустроить всех этих переобученных работников, также ничем не ограничено. Образование и переподготовка — неизменное решение проблемы безработицы во все времена.

Для тех, кто разделяет эту точку зрения, наверное, не имеет особого значения, что процитированные выше слова принадлежат президенту Кеннеди, а произнесены они были 2 сентября 1963 г. По словам Кеннеди, уровень безработицы тогда составлял приблизительно 5,5 %, а понятие «машины» ограничивалось исключительно средствами «механизации ручного труда». Через семь месяцев после этого интервью на столе президента окажется отчет о тройной революции. Еще через четыре года о технологиях и автоматизации упомянет в своей речи в Вашингтонском национальном соборе Мартин Лютер Кинг. За те почти полвека, что отделяют нас от тех событий, вера в силу образования как универсального пути решения проблемы безработицы и бедности, практически не претерпела изменений. Машины, однако, изменились весьма значительно.

Уменьшение эффективности образования

Если бы мы изобразили кривую, отражающую отдачу от постоянно растущих инвестиций в образование, скорее всего, у нас бы получилось нечто похожее на те S-образные кривые, о которых шла речь в главе 3. Времена доступного дополнительного образования остались далеко позади. В США доля учеников, закончивших среднюю школу, стабилизировалась где-то на уровне 75–80 %. Статистика результатов выпускных испытаний за последние несколько десятилетий практически не изменилась. Мы находимся на пологой части кривой, где любой прирост, если он вообще возможен, будет умеренным и постепенным.

Данные многочисленных опросов и исследований показывают, что многие студенты, проходящие сейчас обучение в американских колледжах, не обладают необходимым для этого уровнем подготовки и знаний, а в некоторых случаях просто не способны выполнять задания на том уровне, который предполагает высшее образование. Значительная часть из них не сможет закончить обучение, но при этом все равно будет вынуждена выплачивать свои неподъемные образовательные кредиты. Из тех, кто все-таки закончит учебу, по крайней мере половина не сможет найти работу, для выполнения которой действительной требуется высшее образование, что бы там работодатели ни писали в своих объявлениях. В целом около 20 % выпускников высших учебных заведений в США не используют в своей текущей работе полученные в годы студенчества знания, а их средний доход падает вот уже более десятилетия. В Европе, где во многих странах высшее образование является полностью или частично бесплатным, приблизительно 30 % выпускников занимаются работой, для которой не требуется столь высокий уровень квалификации{324}. В Канаде этот показатель составляет 27 %{325}. В Китае несоответствие между уровнем образования и занимаемой должностью отмечается у 43 % экономически активного населения{326}.

В США принято винить во всем самих студентов и их преподавателей. Считается, что студенты проводят слишком много времени с друзьями, не уделяя достаточного внимания учебе. Они выбирают легкие специализации, предпочитая избегать технические дисциплины, требующие большей отдачи. Однако по меньшей мере треть студентов, получающих инженерно-техническое или естественно-научное образование, не смогут найти работу, на которой им удастся применить полученные знания{327}.

Социолог из Калифорнийского университета Стивен Бринт, который много пишет о проблемах высшего образования, утверждает, что на самом деле американские колледжи выпускают людей, которые более-менее соответствуют требованиям имеющихся вакансий. Бринт отмечает, что «рабочих мест, которые предполагают наличие узкоспециальных навыков, получаемых только при обучении на технических специальностях, совсем немного; большинство рабочих мест в той или иной степени связаны с рутиной». «Главное — выполнять указания руководства», а «больше всего ценятся надежность и настойчивость». Он заключает, что «полная самоотдача не нужна в колледже именно потому, что на работе она тоже не потребуется. В большинстве случаев просто появляться на работе и что-то делать важнее, чем добиваться выдающихся результатов»{328}. Если бы вас попросили описать особенности рабочего места, которое хорошо подходит для автоматизации, вряд ли бы вы смогли сделать это лучше, чем автор приведенной выше цитаты.

Правда в том, что увеличение числа людей с высшим образованием не приводит к росту доли позиций для профессионалов, технических специалистов и руководителей, т. е. тех рабочих мест, о которых мечтает большинство выпускников. Вместо этого часто мы наблюдаем то, что можно назвать «дипломной инфляцией»: многие профессии, для которых раньше было достаточно аттестата о среднем образовании, теперь требуют по меньшей мере диплома о четырехлетнем высшем образовании, а выпускники с магистерской степень занимают должности, которые раньше предназначались для бакалавров. При этом дипломы учебных заведений, не входящих в число элитных, обесцениваются. Мы столкнулись с фундаментальным ограничением как с точки зрения возможностей сгоняемых в колледжи людей, так и с точки зрения количества требующих высокой квалификации рабочих мест, которые эти люди могли бы занять в случае успешного завершения учебы. Проблема в том, что лестница навыков вовсе и не лестница: это пирамида, на вершине которой не так уж и много места.

Исторически сложилось так, что в контексте навыков и способностей работников рынок труда всегда походил на пирамиду. На вершине — относительно немногочисленная группа высококвалифицированных профессионалов и предпринимателей, от которой исходит большинство оригинальных идей и инноваций. При этом подавляющее большинство людей занимаются работой, которая в той или иной степени является рутинной и однообразной. По мере механизации и автоматизации различных секторов экономики работники переходят с рутинных работ в одном секторе на рутинные работы в другом. Человек, работавший на ферме в 1900 г. или на фабрике в 1950 г., сегодня сканирует штрихкоды или расставляет товары в магазинах Walmart. Во многих случаях условием перехода является прохождение дополнительного обучения или повышение квалификации, но тем не менее по сути своей работа остается рутинной. Таким образом, исторически сохраняется разумный баланс между типами занятости в экономике и возможностями имеющихся работников.

Однако становится все более очевидным, что роботы, алгоритмы машинного обучения и другие формы автоматизации постепенно поглотят значительную часть навыков, составляющих основание пирамиды профессиональной квалификации. А если учесть, что прикладные системы на основе искусственного интеллекта уже совсем скоро начнут вытеснять с рынка различные виды квалифицированного труда, даже тем, кто стоит на вершине пирамиды, с течением времени будет оставаться все меньше места. Считается, что, если мы будем инвестировать еще больше в образование и обучение, мы сможем каким-то чудесным образом затолкать всех в этот сжимающийся кусочек пирамиды на самом верху[70]. Мне кажется, предполагать, что такое возможно, это все равно, что думать, как делали многие в период внедрения средств механизации в сельском хозяйстве, будто большинство потерявших работу сельскохозяйственных рабочих смогут устроиться трактористами. Простая арифметика показывает, что это невозможно.

Разумеется, в системе начального и среднего образования в США также существуют серьезные проблемы. В городских школах в неблагополучных районах чудовищные показатели отсева, а дети из наиболее нуждающихся семей оказываются в исключительно невыгодном положении еще до того, как они становятся частью системы школьного образования. Но даже если бы можно было взмахнуть волшебной палочкой и дать каждому американскому ребенку превосходное образование, это привело бы лишь к тому, что еще больше выпускников школ поступили бы в университеты и включились в борьбу за ограниченное число рабочих мест на вершине пирамиды. Разумеется, дело не в том, что мы не должны хотеть этого: мы должны, но не стоит ждать, что это решит все наши проблемы. Стоит ли говорить, что волшебной палочки не существует, и, хотя все согласны с тем, что нам нужно повысить качество школьного образования, консенсус этот носит исключительно поверхностный характер. Только начните говорить об увеличении финансирования школ, независимых школах с собственным уставом, необходимости увольнять плохих учителей, о повышении оплаты труда хороших учителей, большей продолжительности занятий в течение дня (и школьного образования в целом) или ваучерах для частных школ, и вы мгновенно упретесь в стену непонимания и политического упрямства.

Точка зрения противников автоматизации

Еще одно часто звучащее предложение сводится к простой идее о том, что нужно попытаться остановить это неуклонное движение в сторону все более высокой степени автоматизации. Самая незамысловатая форма протеста может выглядеть так: профсоюз выступает против установки нового оборудования на фабрике, на складе или в супермаркете. Есть и более деликатный подход, больше подходящий для интеллектуалов: существует мнение, что автоматизация просто-напросто не идет нам на пользу, а вполне возможно, и вовсе представляет опасность.

Самым известным сторонником этого взгляда, вероятно, является Николас Карр. В изданной в 2010 г. книге под названием «Пустышка»[71] (The Shallows) Карр утверждает, что использование Интернета может негативно сказаться на наших мыслительных способностях. В 2013 г. он опубликовал в The Atlantic статью под названием «Все можно потерять: Почему опасно доверять наши знания машинам» (All Can Be Lost: The Risk of Putting Our Knowledge in the Hands of Machines), в которой выступил с похожим заявлением о влиянии автоматизации. Карр жалуется на «продвижение компьютерными инженерами и программистами доктрины „технологоцентричной автоматизации“ в качестве основы для всего» и считает, что «в этой доктрине на первый план выходят возможности технологий в ущерб интересам людей»{329}.

Карр рассказывает несколько историй в The Atlantic, демонстрирующих, как в результате автоматизации человек лишается навыков, что в некоторых случаях приводит к катастрофическим последствиям. От некоторых эпизодов становится немного не по себе: например, охотники из племени инуитов на севере Канады вот-вот утратят выработанную за четыре тысячелетия способность ориентироваться в условиях суровой среды во время охоты, потому что теперь они используют GPS. Однако самые любопытные примеры Карр находит в области авиации. Один из них связан с парадоксальными последствиями более высокого уровня автоматизации управления самолетом: с одной стороны, благодаря технологиям уменьшается нагрузка на мозг пилотов и, безусловно, улучшаются общие показатели безопасности полетов; но, с другой стороны, это означает, что пилоты проводят меньше времени за штурвалом самолета. Другими словами, у них меньше практики, а значит, со временем те почти инстинктивные реакции, которые вырабатываются за бесчисленные часы тренировок, могут начать деградировать. Карр предупреждает, что по мере углубления автоматизации нечто похожее может произойти со всеми теми, кто работает в офисах, на фабриках и повсюду, где люди что-то делают.

Проблема «технологоцентричной автоматизации» нашла определенный отклик и среди экономистов. Например, Эрик Бринолфссон из MIT призвал предпринимателей, инженеров и экономистов принять «новый глобальный вызов» и начать «изобретать дополнения, а не заменители труда», а также «перейти от мышления в терминах трудосбережения и автоматизации к мышлению в терминах созидания и творчества»{330}.

Представим себе стартап, воодушевленный призывом Бринолфссона и решивший создать систему специально с целью сохранения человека в качестве одного из звеньев производственной цепочки. Теперь представим, что конкурирующая организация разрабатывает аналогичную систему, которая полностью автоматизирована, ну или предполагает минимальное вмешательство со стороны человека. Чтобы система, которая ориентирована на вовлечение людей в процесс, была конкурентоспособной, должно выполняться хотя бы одно из следующих условий: либо она будет значительно дешевле, что позволит компенсировать более высокие затраты на труд, либо результат ее работы будет настолько превосходить результат работы конкурирующей системы, что генерируемой ею выручки хватит для покрытия дополнительных расходов, которые превратятся в выгодные инвестиции. Учитывая множество самых разных обстоятельств, у нас есть веские основания усомниться в том, что какое-либо из этих двух условий выполнится. Если речь идет об автоматизации умственного труда, то обе системы будут состоять главным образом из ПО, а значит, большой разницы в расходах на их создание не будет. Вполне возможно, что в нескольких областях, имеющих принципиальной значение для успеха деятельности компании, система, ориентированная на участие человека, может получить существенное преимущество (и сможет генерировать больше выручки в долгосрочной перспективе), но в большинстве сфер деятельности, связанных с более рутинными видами работ, где достаточно просто быть на рабочем месте и не нужно делать что-то сверхъестественное, это кажется маловероятным.

Более того, простое сравнение издержек, скорее всего, не совсем справедливо по отношению к автоматизации. Приход в компанию каждого нового сотрудника сопряжен с целым рядом дополнительных косвенных расходов. Чем больше у вас сотрудников, тем больше сотрудников руководящего звена и специалистов по персоналу вам требуется. Кроме того, работникам нужны рабочие места, оборудование и парковки. Также увеличение количества сотрудников приводит к росту неопределенности в работе компании: они могут заболеть, некачественно выполнять свою работу, взять отпуск, попасть в аварию, уволиться и создавать множество других проблем.

Также с каждым нанятым сотрудником растет объем вашей ответственности как работодателя. Сотрудник может получить травму в рабочее время или же причинить вред здоровью другого человека. Не стоит забывать и об исходящей от сотрудников угрозе для репутации компании. Чтобы убедиться в этом, достаточно ввести в поисковике Google запрос «курьер бросает посылку» и понаблюдать за тем, как действия отдельных сотрудников наносят колоссальный ущерб репутации брендов с мировым именем.

Подведем итог. Несмотря на всю риторику, связанную с взглядом на бизнес как на источник рабочих мест, ни один вменяемый бизнесмен не захочет расширять свой штат без веских на то причин — он сделает это, только если не останется иного выбора. Движение в сторону все большей автоматизации не является результатом распространения какого-то особого подхода к проектированию систем или личных пристрастий инженеров: оно обусловлено самой природой капитализма. Доктрина «технологоцентричной автоматизации», которой так опасается Карр, восторжествовала по меньшей мере два столетия назад, вызвав недовольство луддитов. Единственное отличие нынешней ситуации в том, что в результате стремительного развития технологий мы вот-вот подойдем к заключительной фазе этого процесса. Ни один разумно мыслящий бизнесмен не сможет устоять перед соблазном внедрения трудосберегающих технологий. Чтобы изменить это, недостаточно просто воззвать к совести инженеров и конструкторов: придется поменять базовую систему стимулов и мотивации, являющуюся неотъемлемой частью рыночной экономики.

Описанные Карром угрозы действительно существуют, но, к счастью, он прав далеко не во всем: в некоторых наиболее важных областях мы уже обезопасили себя от чрезмерной автоматизации. Наиболее яркими примерами связанных с автоматизацией факторов риска являются те, которые могут угрожать жизни либо спровоцировать самую настоящую катастрофу. Тут уместно в очередной раз вспомнить об авиации. Но во всех этих сферах уже действуют строгие правила и ограничения. Так, проблема снижения квалификации пилотов из-за все более высокой степени автоматизации полетов уже многие годы волнует специалистов, работающих в авиационной отрасли, и, судя по всему, нашла отражение в программах обучения. Безусловно, общий уровень безопасности современной системы авиасообщения просто поразителен. Некоторые эксперты весьма категоричны в своих прогнозах развития технологий автоматизации управления воздушными судами. Так, Себастьян Трун заявил в интервью The New York Times, что в не столь отдаленном будущем «летчик гражданской авиации» станет «профессией прошлого»{331}. Впрочем, я не верю, что в обозримом будущем мы увидим самолет с тремя сотнями пассажиров на борту, но без пилота. Сочетание таких факторов, как жесткое регулирование, угроза ответственности и неготовность общества к столь радикальным переменам, наверняка спровоцирует мощное противодействие дальнейшей автоматизации в профессиональных областях, напрямую связанных с безопасностью людей. Но вот тем десяткам миллионам работников, которые заняты в остальных секторах — в сфере быстрого питания, офисах и прочих, — автоматизация уже точно не сулит ничего хорошего — на них она отразится в наибольшей степени. В этих сферах технический сбой в работе системы или утеря навыков не грозят сколько-нибудь серьезными последствиями, а значит, препятствий для реализации идеи полной автоматизации, продиктованной, разумеется, мотивами чисто рыночного характера, относительно немного.

В экономике и обществе машины постепенно претерпевают фундаментальную трансформацию: эволюционируя, они выходят за рамки исторически закрепившейся за ними роли инструментов в руках человека, зачастую превращаясь в самостоятельных работников. По мнению Карра, этот процесс опасен и его нужно каким-то образом остановить. Однако правда состоит в том, что тот удивительный уровень благосостояния и комфорта, которого достигла современная цивилизация, является прямым результатом триумфа технологий, а постоянное стремление к поиску и внедрению все более и более эффективных способов экономии человеческого труда, вероятно, является определяющим фактором этого прогресса. Легко заявлять о несогласии с идеей чрезмерной автоматизации, при этом не имея ничего против технологий в широком смысле. На практике, однако, эти две тенденции неразрывно связаны друг с другом, и любая попытка остановить неизбежный, продиктованный интересами рынка рост технологий полной автоматизации труда неизбежно обречена на провал, если только речь не идет о масштабном — и уж точно лишенном всякого здравого смысла — вмешательстве государства в жизнь частного сектора.

Идея безусловного базового дохода

Если мы согласимся с тем, что увеличение инвестиций в образование и профессиональную подготовку вряд ли решит наши проблемы, а также признаем, что призывы к поиску путей остановки процесса автоматизации труда противоречат реалиям нашей жизни, мы будем вынуждены выйти за рамки традиционных мер и рецептов, к которым привыкли политики. По моему мнению, наиболее эффективным решением является безусловный базовый доход в той или иной его форме.

Идея базового — или гарантированного минимального — дохода далеко не нова. Кажется очевидным, что в контексте современного американского политического ландшафта у нее нет никаких шансов — ее сразу объявят проявлением «социализма» и свяжут с масштабным расширением системы социального обеспечения. Однако, если взглянуть на историю ее появления, вырисовывается совершенно иная картина: идея базового дохода традиционно находит поддержку у экономистов и интеллектуалов с обоих полюсов политического спектра, но особенно рьяными ее сторонниками всегда были как раз консерваторы и либертарианцы. Например, Фридрих Хайек, ставший настоящим кумиром современных консерваторов, был активным ее поборником. В своей трехтомной работе «Право, законодательство и свобода»[72] (Law, Legislation and Liberty), изданной в 1973−1979 гг., он допустил, что государство в своей политике вполне может использовать гарантированный доход в качестве своего рода страховки на случай неблагоприятного развития событий, а также указал, что потребность в «страховочной сетке» такого рода является прямым результатам перехода к более открытому и мобильному обществу, в котором многие люди больше не могут полагаться на традиционные системы поддержки:

«Есть и еще одна сфера, где до исторически недавнего времени в правительственных услугах не было нужды… Проблематичным стало положение тех, кто по разным причинам не может обеспечить себе средства к существованию на рынке. Это — больные, старики, инвалиды, вдовы и сироты. В таком положении может оказаться кто угодно, и с этим люди не могут справиться в одиночку. Общество, достигшее определенного уровня благосостояния, может о них позаботиться.

Минимальный доход на каждого, или, иначе говоря, какой-то гарантированный уровень, ниже которого не может опуститься даже тот, кто сам не способен себя обеспечить, представляет собой не только абсолютно законную защиту от риска, которому подвержены все, но попросту обязательный элемент общества как целого, где индивид уже не рассчитывает на поддержку той малой группы, к которой принадлежит по рождению»{332}[73].

Для тех консерваторов, которые разделяют ставшую сегодня модной привычку изображать Хайека человеком крайне правых взглядов, эти слова могут стать полной неожиданностью. Во избежание неоднозначного толкования уточним, что, когда Хайек говорит об «обществе в целом», он имеет в виду совсем не то, что рисовал в своем воображении Линдон Джонсон, когда он говорил о «Великом обществе». Хайек имел в виду вовсе не постоянно увеличивающуюся в масштабах систему социального обеспечения; напротив, для него основой общества является личная свобода, принципы рыночной экономики, главенство закона и ограниченное в своих возможностях государство. Но при этом его отсылка к «обществу в целом», а также признание им того, что «общество, достигшее определенного уровня благосостояния, может о них позаботиться», резко контрастируют с крайностями современного консерватизма, которому куда ближе слова Маргарет Тэтчер, «такой вещи, как общество, не существует».

И действительно, любое предложение о введении гарантированного дохода сегодня непременно бы подверглось нападкам как попытка создания либерального механизма, направленного на обеспечение «одинакового исхода». Однако сам же Хайек открыто выступал против такой интерпретации, отмечая: «К несчастью, стремление предоставить единообразное минимальное обеспечение всем тем, кто не в состоянии позаботиться о себе сам, оказалось тесно связано с совершенно иной целью, а именно с так называемым справедливым распределением доходов»{333}[74]. Иными словами, с точки зрения Хайека, гарантированный доход не имеет ничего общего с равенством или «справедливым распределением» — это просто страховка на случай беды, а также эффективный инструмент социально-экономической политики.

Думаю, из этого можно сделать вывод, что Хайек по самой своей сути был реалистом, а не идеологом. Он понимал, что общество меняется: люди покидают фермы, на которых они могли обеспечить себя практически всем, что нужно для жизни, и устремляются в города, где они зависят от работы, а большая семья ушла в прошлое, оставив людей один на один с их бедами. Он не имел ничего против того, чтобы государство взяло на себя функцию защиты тех, кто оказался в беде. Идея о том, что роль государства со временем может меняться, приобретает особую актуальность сегодня на фоне тех трудностей, с которыми нам приходится иметь дело[75].

Аргументируя свою позицию по вопросу базового дохода, консерваторы исходят из того факта, что он обеспечивает не только «страховочную сетку», но и свободу выбора. Суть идеи в следующем: вместо того чтобы влиять на решения людей в экономической сфере или напрямую снабжать их товарами и услугами, государство должно снабдить каждого средствами для активного участия в рыночных отношениях. В случае реализации этого сугубо рыночного подхода к обеспечению минимальной «страховочной сетки» необходимость в других, менее эффективных механизмах, включая минимальный уровень оплаты труда, продовольственные талоны, социальные пособия и компенсация арендной платы, просто-напросто отпадет.

Если мы возьмем на вооружение прагматизм Хайека и используем его для анализа того, что ждет нас в ближайшие годы и десятилетия, с большой степенью вероятности можно утверждать, что правительству все-таки придется предпринять какие-то шаги для противодействия растущей угрозе благосостоянию людей, которую создает развитие технологий. Если мы откажемся от предложенного Хайеком решения, ориентированного на рынок, мы неизбежно столкнемся с экспансией традиционной системы социального обеспечения и всеми проблемами, которые это неизбежно за собой повлечет. Нетрудно догадаться, чем все это закончиться — появлением новой армии бюрократии, которая будет заниматься обеспечением обездоленных масс питанием и жильем. Причем, скорее всего, от этого будет отдавать казенщиной и формализмом в духе антиутопии.

Более того, это — путь наименьшего сопротивления, а если мы просто ничего не будем предпринимать — еще и единственный путь. Базовый доход не только гарантирует эффективное решение проблемы, но еще и не требует значительных административных расходов. Расширение бюрократического аппарата при раздувании системы социального обеспечения обойдется куда дороже в расчете на душу населения, а эффект от него будет весьма неравнозначным. К тому же помощь в этом случае дойдет до куда меньшего количества людей. Правда, будет создано определенное количество традиционных рабочих мест, некоторые из которых будут весьма неплохо оплачиваться. Также появится множество «кормушек», к которым тут же прильнут жадные до наживы частные подрядчики. Представители элиты, которые смогут извлечь из всего этого выгоду, т. е. высокопоставленные должностные лица и руководители частных компаний, наверняка задействуют все доступные им рычаги влияния, чтобы направить развитие именно по этому пути.

Разумеется, существует немало примеров того, как это происходит. Масштабные программы производства вооружений, которые не нужны Пентагону, находятся под опекой конгресса, потому что благодаря им у небольшого (относительно громадных затрат) числа людей есть работа, а крупные корпорации продолжают получать прибыль. В США неслыханное количество людей — 2,4 млн — находятся в местах лишения свободы. Показатель числа заключенных на душу населения в Америке в три раза выше, чем в любой другой стране в мире, и в десять раз выше, чем в любой другой развитой стране, такой, например, как Дания, Финляндия или Япония. По данным за 2008 г., около 60 % этих людей составляли лица, совершившие ненасильственные преступления, а ежегодная сумма расходов на одного заключенного составляла приблизительно $26 000{334}. У влиятельных элит, включая, например, профсоюзы сотрудников тюремной охраны и руководство частных компаний, обеспечивающих функционирование многих тюрем, достаточно причин сделать так, чтобы США и дальше оставались ярким исключением из общего правила в этой области.

Текущая политическая ситуация благоприятна для прогрессивно настроенных деятелей, занимающихся продвижением идеи гарантированного дохода. Вопреки сомнениям Хайека, многие либералы готовы поддержать эту идею, видя в ней способ достижения социальной и экономической справедливости. Базовый доход вполне может стать незамысловатым, но действенным инструментом смягчения остроты проблемы бедности и неравенства доходов. Президент одним росчерком пера может раз и навсегда покончить с проблемой крайней нужды и отсутствия жилья в США.

Главное — мотивация

Залогом успешной реализации любой схемы обеспечения гарантированного дохода является наличие эффективной системы мотивации. Целью такой схемы должно являться создание универсальной «страховочной сетки», а также повышение благосостояния людей с низкими доходами, но при этом она не должна демотивировать их, лишая стимулов работать с максимальной отдачей. Сумма получаемого дохода должна быть относительно небольшой: достаточной, чтобы свести концы с концами, но не настолько большой, чтобы можно было чувствовать себя особенно комфортно. Кроме того, есть убедительные аргументы в пользу того, чтобы первоначально зафиксировать доход на низком уровне, а затем постепенно повышать его по мере появления данных о влиянии программы на состояние рынка труда.

Существует два общих подхода к реализации идеи гарантированного дохода. Первый — выплачивать безусловный базовый доход всем взрослым гражданам независимо от наличия у них иных источников дохода. Второй — обеспечивать гарантированный минимальный доход (и использовать другие инструменты, такие, например, как отрицательный подоходный налог) только тем, кто находится в самом низу иерархии распределения доходов и кто с появлением новых источников дохода останется не у дел. Несмотря на очевидную дешевизну второго варианта, он связан с высоким риском потери мотивации к труду. Если эффективность гарантированного дохода проверять на слоях населения с относительно невысоким уровнем доходов, для получателей это будет означать увеличение фактической ставки налога на любые превышающие этот минимум доходы до уровня, граничащего с полной конфискацией. Другими словами, они могут оказаться в «ловушке бедности», т. е. в ситуации, когда у них не будет особых стимулов работать больше и лучше. Наверное, самым печальным примером такого развития событий является программа выплаты пособий по нетрудоспособности, которую многие пытаются использовать в качестве своего рода источника гарантированного дохода, когда все другие возможности исчерпаны. Как только человек получает одобрение на выплату ему пособия по нетрудоспособности, любая попытка с его стороны начать работать грозит потерей выплат и сопутствующих льгот при получении медицинской помощи. В результате практически никто из тех, кто становится участником этой программы, больше никогда не возвращается к работе.

Очевидно, что проверять эффективность идеи гарантированного дохода следует на людях с относительно высоким уровнем дохода. Лучше всего, если это будут представители среднего класса. В этом случае отказ от любых других возможностей получения дохода будет означать отказ от привычного образа жизни. Еще одна полезная идея — отделить «активный» доход от «пассивного», тогда при проверке нуждаемости будет учитываться любой, даже самый незначительный, пенсионный или инвестиционный доход, а также доход в форме социальных пособий. Различные виды «активного» дохода, такие как перечисляемая работодателем заработная плата, доход от самозанятости и доходы от малого бизнеса, либо полностью исключаются из проверки нуждаемости, либо учитываются только в том случае, если они очень велики. Это послужит мощным стимулом для всех, заставляя людей работать с максимальной отдачей с учетом имеющихся возможностей.

Кроме того, схема выплаты гарантированного дохода может послужить источником других, не столь очевидных стимулов как на уровне индивида, так и на уровне семьи. В опубликованной в 2006 г. книге «Все в наших руках: План по замене государства всеобщего благоденствия» (In Our Hands: A Plan to Replace the Welfare State) социолог Чарльз Мюррей, известный своими консервативными взглядами, отмечает, что гарантированный доход повысит привлекательность мужчин без высшего образования в качестве потенциальных супругов. Занимаемой этой частью населения сегмент рынка труда больше всего пострадал от последствий развития технологий и переноса производства в другие страны. Гарантированный доход мог бы способствовать увеличению числа браков в группах населения с низкими доходами, помогая остановить тенденцию к росту числа детей, воспитываемых в домохозяйствах с одним родителем. Кроме того, в этом случае одному из родителей было бы намного проще оставаться дома с маленькими детьми. Все эти идеи вполне могут найти понимание у представителей всего политического спектра.

Я думаю, не стоит ограничиваться вышеперечисленным, а пойти еще дальше и предусмотреть в самой программе выплаты базового дохода ряд явных стимулов. Самым главным из них является стимул к получению образования — в первую очередь среднего. Последние данные показывают, что для получения высшего образования до сих пор существует достаточно мотивов экономического характера. Однако печальная правда в том, что это связано не столько с появлением множества новых возможностей для выпускников колледжей, сколько с отсутствием перспектив для людей с одним лишь аттестатом о среднем образовании. Мне кажется, это может привести к опасной ситуации: значительное число людей, которым не суждено учиться в колледже, утратит стимулы для получения полного среднего образования. Если школьник, которому учеба дается с трудом, будет знать, что сможет получать гарантированный доход независимо от того, окончит он школу или нет, у него, разумеется, появится большой соблазн все бросить. Поэтому выплаты людям с аттестатом о среднем образовании (или эквивалентным ему документом об образовании) должны быть несколько выше.

Основная идея в том, что мы должны относиться к образованию как к общественному благу. Нам всем выгодно, чтобы люди вокруг нас были лучше образованы; как правило, более высокий общий уровень образования способствует формированию более развитого гражданского общества и более эффективной экономики. Если мы все-таки обречены на наступление эпохи дефицита работы в традиционном ее понимании, населению с более высоким уровнем образования будет легче найти полезное применение освободившемуся времени. Технологии создают многочисленные возможности для продуктивного времяпрепровождения. Например, Wikipedia была создана группой энтузиастов, которые потратили на этот проект бесчисленное количество часов своего свободного времени, не получая никакой платы. Еще одним примером является движение в поддержку развития ПО с открытым кодом. Многие создают небольшие интернет-компании в качестве дополнительного источника дохода. Но в этих видах деятельности не добиться успеха без определенного образовательного минимума.

Возможна реализация и других инструментов стимулирования. Например, волонтеры, участвующие в общественных работах или экологических проектах, могут получать выплаты повышенного размера. После того как в своей предыдущей книге под названием «Свет в конце туннеля» (The Lights in the Tunnel) я предложил включить явные стимулы этого типа в систему выплаты гарантированного дохода, я получил немало негативных откликов от читателей, разделяющих ценности либертарианства, которые выступили резко против идеи активно вторгающегося в частную жизнь людей «государства-няньки». Тем не менее, полагаю, существует ряд базовых инструментов стимулирования — важнейшим из них является образование, — с оправданностью которых может согласиться каждый. Суть в том, чтобы воспроизвести (пускай даже и в искусственной форме) некоторые из элементов стимулирования, связанных с традиционной работой. В эпоху, когда более высокий уровень образования не всегда ведет к более успешной карьере, важно сделать так, чтобы у каждого человека была достаточная мотивация хотя бы для окончания средней школы. Лично у меня нет никаких сомнений относительно выгод, которые это принесет обществу. Даже Айн Рэнд, если бы она подошла к этому вопросу с позиций рациональности, наверняка бы осознала все преимущества нахождения в компании людей с более высоким уровнем образования и более широким набором возможностей по использованию свободного времени.

Рынок как возобновляемый ресурс

По моему мнению, потребность в «страховочной сетке» — далеко не единственный аргумент в пользу гарантированного дохода: помимо него существуют и убедительные доводы экономического характера. Как мы видели в главе 8, стремительный рост неравенства, обусловленный развитием технологий, создает угрозу для массового спроса. На фоне деградации рынка труда и стагнации или даже падения зарплат в работе механизма, посредством которого обеспечивается покупательская способность потребителей, начинаются неполадки, а значит, спрос на товары и услуги падает.

Чтобы наглядно продемонстрировать суть проблемы, я решил взглянуть на рынки как на возобновляемые ресурсы. Представьте, что рынок — богатое рыбой озеро. Каждый раз, когда какая-либо компания продает товары или услуги на этом рынке, она вылавливает какую-то часть рыбы из него. Когда компания платит зарплату сотрудникам, она как бы выпускает пойманную рыбу обратно в озеро. По мере развития технологий автоматизации и сокращения рынка труда все меньше рыбы возвращается в озеро. При этом не стоит забывать, что благополучие практически всех основных отраслей промышленности зависит от возможности вылавливать большие объемы рыбы средних размеров. Рост неравенства приведет к появлению небольшого количества очень крупной рыбы, но с точки зрения большинства отраслей, ориентирующихся на рынок товаров массового спроса, даже очень крупная рыба не равноценна большим объемам рыбы обычного размера. (Миллиардер не станет покупать десятки тысяч смартфонов, автомобилей или заказывать тысячи блюд в ресторане.)

Это — пример классической проблемы «трагедии ресурсов общего пользования»[76]. Подавляющее большинство экономистов, скорее всего, заявили бы, что в этой ситуации требуется вмешательство государства. Если государство не вмешается, единственное, что будет интересовать людей, — это поймать как можно больше рыбы. В реальном мире рыбаки вполне даже могут осознавать, что масштабы промысла в озере или другом водоеме опережают темпы воспроизводства рыбных ресурсов и что в скором времени они окажутся без средств к существованию, но, несмотря на это, они будут каждый день выходить на промысел и стараться выловить максимальное количество рыбы, понимая, что конкуренты делают то же самое. Единственное эффективное решение данной проблемы — начать регулировать эту сферу и ввести ограничения.

Если говорить о нашем потребительском рынке, мы не хотим ограничивать количество вылавливаемой компаниями виртуальной рыбы. Вместо этого мы хотим сделать так, чтобы «рыбные» ресурсы возобновлялись. Гарантированный доход — один из самых эффективных способов достижения нужного эффекта. Эта мера позволит увеличить покупательскую способность потребителей со средними и низкими доходами.

Если заглянуть в далекое будущее и допустить, что в определенный момент машины все-таки заменят человека практически во всех сферах экономики, мне кажется, для обеспечения экономического роста потребуется прямое перераспределение покупательской способности. В мае 2014 г. экономисты Джон Ферналд и Чарльз Джонс опубликовали статью о перспективах экономического роста в США, в которой высказали мнение, что роботы будут «постепенно вытеснять людей из сферы производства товаров». Продолжая свою мысль, они предположили, что «если в конечном итоге капитал сможет полностью заменить труд, это приведет к резкому увеличению темпов роста, а доходы станут бесконечными в течение ограниченного периода времени»{335}. Абсурдность этого вывода кажется мне очевидной: такие выводы делаются, когда вы просто подставляете цифры в уравнение, не задумываясь об их истинном значении. Если машины полностью заменят людей, ни у кого не будет работы, а значит, и дохода от какого-либо труда. Покупательская способность подавляющего большинства потребителей будет равна нулю. Ну и откуда тогда возьмется экономический рост? Вероятно, немногочисленная группа людей, которым будут принадлежать средства производства, и сможет заменить собой всех потребителей, но для обеспечения дальнейшего роста мировой экономики им придется все время покупать товары и услуги на огромные суммы[77]. И это, разумеется, очень похоже на тот сценарий «технофеодализма», который мы рассмотрели в главе 8, — не самый завидный исход.

Однако существуют и более оптимистичные прогнозы. Можно предположить, что математическая модель Ферналда и Джонса предусматривает механизм — отличный от получения дохода за труд — распределения покупательской способности. Если представить, что появится нечто, похожее на гарантированный доход, который будет увеличиваться с течением времени с целью стимулирования экономического роста, тогда идея о резком увеличении темпов такого роста и доходов уже не кажется столь нелепой.

Это не может произойти само собой; рынок сам не справится с этой ситуацией. Потребуется полностью пересмотреть правила, регламентирующие работу нашей экономики.

Мне кажется, рассмотрение рынков — и всей экономики в целом — в качестве ресурса может помочь глубже понять еще одну проблему. Если помните, в главе 3 я высказал мысль, что технологии, которые вот-вот изменят до неузнаваемости рынок труда, являются результатом усилий многочисленных поколений и бесчисленного множества людей. Кроме того, часто их разработка финансировалась из денег налогоплательщиков. В каком-то смысле все эти накопленные за многие десятилетия достижения, а также экономические и политические институты, обеспечивающие функционирование рыночной экономики, на самом деле являются ресурсом, принадлежащим всем гражданам. Нередко вместо термина «гарантированный доход» используется другой термин — «дивиденды гражданина», который, мне кажется, прекрасно отражает мысль о том, что каждый имеет право претендовать хотя бы на небольшую долю экономического богатства нации.

Эффект Пельцмана и готовность к рискованному поведению

В 1975 г. экономист из Чикагского университете Сэм Пельцман опубликовал исследование, в котором показал, что нормы и правила, введенные с целью повышения безопасности дорожного движения, оказались неэффективными и не смогли обеспечить сколько-нибудь существенное снижение количества смертей на дорогах. Причина, по его мнению, в том, что ощущение более высокого уровня безопасности подталкивает водителей к рискованному поведению за рулем{336}.

С тех пор было показано, что эффект Пельцмана проявляется в самых различных сферах. Например, игровые площадки для детей стали намного безопаснее. С них убрали все крутые горки и высокие конструкции для лазания, а под ноги положили специальные смягчающие падение материалы. Однако, как показывают исследования, это не привело к сколько-нибудь заметному снижению травматизма на детских площадках{337}. Аналогичный эффект был выявлен в поведении любителей затяжных прыжков с парашютом: несмотря на значительное улучшение качества и безопасности оборудования, смертность среди них остается на прежнем уровне из-за все более рискованного поведения.

Как правило, экономисты консервативного толка указывают на эффект Пельцмана в качестве аргумента против увеличения государственного вмешательства в экономику. Однако, я думаю, у нас есть все основания полагать, что принцип компенсации более высокой степени безопасности более рискованным поведением применим и к тому, что происходит на экономической арене. Люди, которые знают, что они защищены «страховочной сеткой», с большей готовностью пойдут на риск при принятии экономических решений. Если у вас есть хорошая идея для начала бизнеса, вы с большей вероятностью уйдете со стабильной работы и окунетесь в мир предпринимательства, если будете знать, что в случае чего вы можете рассчитывать на гарантированный доход. Также вам будет проще отказаться от пускай и спокойного, но не дающего вам возможность развиваться места в пользу более интересной, но и менее стабильной позиции в небольшом стартапе. Гарантированный доход станет своего рода «экономической подушкой» для предпринимательской деятельности всех мастей — начиная с интернет-магазина, небольшого семейного магазинчика или ресторана и заканчивая небольшой фермой или ранчо, которому может угрожать засуха. Во многих случаях гарантированного дохода будет достаточно для того, чтобы небольшой бизнес, у которого в противном случае не было бы никаких шансов на выживание, мог благополучно пережить трудные времена. Таким образом, вместо того чтобы превратить нас в нацию бездельников, грамотно выстроенная система выплаты гарантированного дохода может сделать экономику более динамичной и предпринимательской.

Трудности, недостатки и противоречия

У идеи гарантированного дохода есть свои недостатки. Самая большая проблема в краткосрочной перспективе — отсутствие у людей стимула работать. Даже несмотря на то, что с течением времени все больше и больше видов работ будут выполнять машины, всем понятно, что в обозримом будущем экономика будет по-прежнему сильно зависеть от человеческого труда.

В настоящее время у нас нет примеров реализации такого рода политики на уровне целой страны. Жителям Аляски с 1976 г. ежегодно выплачиваются небольшие дивиденды из доходов от продажи нефти; в последние годы размер выплаты, как правило, составлял $1000−2000 на человека. Доход полагается и взрослым, и детям. Иными словами, он может быть весьма значительным в масштабах семьи. В октябре 2013 г. сторонники идеи гарантированного дохода в Швейцарии собрали достаточное количество подписей для проведения общенационального референдума, в ходе которого жители страны должны решить вопрос о выплате более чем щедрого безусловного месячного денежного содержания в размере 2500 швейцарских франков (около $2800). Впрочем, дата проведения референдума до сих пор не объявлена. Небольшие эксперименты в США и Канаде показали, что количество времени, которое готовы тратить на работу получатели выплат, сокращается приблизительно на 5 %; но это были временные программы, которые в меньшей степени влияют на поведение, чем постоянные{338}.

Одним из самых больших политических и психологических препятствий на пути реализации идеи гарантированного дохода является неготовность смириться с тем, что определенная часть получателей неизбежно ограничится этой суммой и перестанет работать. Некоторые предпочтут играть в компьютерные игры целыми днями или даже, что намного хуже, тратить эти деньги на алкоголь и наркотики. Кто-то решит объединить доходы с другими получателями и жить вместе, образуя своего рода «коммуны бездельников». Но, если доход будет оставаться относительно небольшим, а система стимулирования — выстроена правильно, доля таких людей будет очень небольшой. Впрочем, в абсолютных цифрах она может быть весьма значительной и достаточно заметной. Все это, разумеется, очень трудно увязать с общим нарративом протестантской трудовой этики. Противникам идеи гарантированного дохода не составит труда отыскать не самые приятные примеры, которые будут подрывать доверие общества к этой политике.

В общем и целом, я думаю, тот факт, что некоторые люди решат работать меньше — или вовсе не работать, — не должен рассматриваться как что-то заведомо негативное. Важно помнить, что отказ от работы будет результатом свободного выбора. Другими словами, на это пойдут только самые безынициативные и ленивые[78]. В мире, где все вынуждены участвовать в жесткой борьбе за тающие рабочие места, вряд ли кто-то возьмется утверждать, что они всегда достаются самым достойным. Если определенное количество людей станет работать меньше или вовсе перестанет работать, зарплаты тех, кто по-прежнему будет готов трудиться, могут немного вырасти. Все-таки одной из главных проблем, которые мы пытаемся решить, как раз является стагнация доходов на протяжении многих десятилетий. Я не вижу ничего особенно зловещего в том, чтобы предложить не самым эффективным работникам минимальный доход и тем самым подтолкнуть их к завершению карьеры, если результатом этого станет расширение возможностей и увеличение доходов тех, кто действительно хочет много работать и добиваться лучшего.

Даже если в основе нашей системы ценностей лежит примат производства, мы не должны забывать, что потребление также выполняет важную экономическую функцию. Тот, кто ограничится гарантированным доходом и перестанет работать, станет платежеспособным потребителем для трудолюбивого предпринимателя, который решить начать свой бизнес где-нибудь неподалеку от дома бездельника. При этом этот бизнесмен, разумеется, тоже будет получать точно такой же базовый доход.

В заключение добавлю, что большинство ошибок, которые будут допущены при реализации схемы выплаты гарантированного дохода, со временем устранятся сами собой. Если доход изначально окажется слишком щедрым, а значит, станет мощным стимулом для отказа от трудовой деятельности, возможны два варианта развития событий: либо уровень развития технологий автоматизации будет достаточным для восполнения недостающих рабочих рук (в этом случае никаких проблем не будет), либо экономика начнет страдать от нехватки рабочих рук, а также произойдет резкий скачок инфляции. Общий рост уровня цен обесценит базовый доход и заставит людей вернуться к трудовой деятельности. Если политики не наделают ошибок — таких, например, как встраивание в схему выплаты дохода механизма автоматической индексации в соответствии с прожиточным минимумом, инфляция вряд ли будет долгосрочной. Иными словами, экономика достаточно быстро вернется в состояние равновесия.

Если оставить в стороне политические проблемы и угрозы, связанные с общим снижением мотивации к труду, остается вопрос о возможном воздействии базового дохода на стоимость жилья в районах с высокими арендными ставками. Представьте, что будет, если каждый житель такого большого города, как Нью-Йорк, Сан-Франциско или Лондон, начнет получать дополнительно к своему доходу тысячу долларов в месяц. Нетрудно догадаться, что, когда жители кинутся арендовать жилье, предложение которого ограничено, весьма значительная доля этой надбавки — если не вся — в конечном итоге окажется в карманах домовладельцев. Простого решения этой проблемы не существует. Ограничение арендных ставок может стать выходом из этой ситуации, но эта мера сопряжена со множеством хорошо известных недостатков. Многие экономисты призывают к ослаблению ограничений в области зонирования, чтобы повысить плотность застройки, но это наверняка вызовет протесты у нынешних жильцов.

Впрочем, у этой проблемы есть и обратная сторона. Гарантированный доход, в отличие от рабочего места, не будет привязан к конкретному месту. Другими словами, некоторые люди вполне могут взять свой доход и переехать в более дешевые районы с целью снижения расходов. Это может обеспечить приток новых жителей в города, переживающие не лучшие времена (такие как Детройт). Другие и вовсе уедут из городов. Программа выплаты базового дохода может вдохнуть новую жизнь во многие маленькие городки и сельские районы, население которых сейчас сокращается из-за отсутствия работы. Более того, мне кажется, положительное влияние на экономику сельских районов может стать одним из факторов, который сделает политику выплаты гарантированного дохода привлекательной для консерваторов США.

Реализация идеи гарантированного дохода, безусловно, потребует внесения изменений в иммиграционную политику. Скорее всего, иммиграцию, а также возможности для получения гражданства и права на безусловный доход придется ограничить. Либо новоиспеченным гражданам придется ждать наступления такого права в течение достаточно большого периода времени. Все это, конечно, добавляет сложности и неопределенности политической проблеме, которая и без того является предметом жарких споров.

Средства для выплаты базового дохода

Если бы власти США решили обеспечить каждого взрослого в возрасте 21−65 лет, а также тех, кто старше 65 и не получает социальные пособия или пенсии, безусловным годовым доходом в размере $10 000, общая сумма таких выплат составила бы около $2 трлн{339}. Ее можно немного уменьшить, ограничив круг лиц, имеющих право на базовый доход, гражданами США, а также исключив тех, чьи трудовые доходы превышают определенную величину. (Как я уже отмечал ранее, во избежание реализации сценария попадания в «ловушку бедности» чрезвычайно важно сделать так, чтобы верхняя граница для вхождения в число получателей гарантированного дохода была относительно высокой.) Наконец, итоговую сумму следует уменьшить на величину расходов на различные федеральные и региональные программы по борьбе с бедностью, включая продовольственные талоны, социальное обеспечение, компенсацию арендной платы и налоговые кредиты на трудовой доход (EITC). (См. подробнее о EITC ниже.) Все эти статьи расходов в совокупности дают $1 трлн в год.

Другими словами, для выплаты годового базового дохода в размере $10 000 потребуется увеличить доходы приблизительно на $1 трлн; впрочем, эта сумма может быть значительно меньше, если вместо базового мы выберем гарантированный минимальный доход того или иного типа. Эту цифру можно еще уменьшить за счет увеличения налоговых поступлений в результате реализации самого плана. Базовый доход сам по себе будет облагаться налогом, а значит, многие домохозяйства перестанут относиться к тем печально знаменитым 47 %, о которых говорил Митт Ромни (доля населения, которая в настоящее время не платит федеральный подоходный налог). Большинство домохозяйств с низким уровнем дохода будут тратить практически весь свой базовый доход; это будет напрямую способствовать увеличению объема налогооблагаемой экономической деятельности. Учитывая, что в результате развития технологий рост неравенства продолжится, подрывая базу массового спроса, введение гарантированного дохода вполне может привести к значительному ускорению темпов экономического роста в долгосрочной перспективе, а это, разумеется, будет означать, что объем налоговых поступлений также заметно увеличится. А поскольку базовый доход будет поддерживать покупательскую способность потребителей на постоянном уровне, он будет работать в качестве мощного фактора стабилизации экономики, избавляя ее от некоторых издержек, связанных с глубокими рецессиями. Все эти эффекты, разумеется, трудно поддаются точной количественной оценке, но, я думаю, мы можем с достаточной высокой степенью уверенности говорить о том, что базовый доход будет себя окупать (по крайней мере частично). Более того, экономические выгоды от его введения со временем, по мере развития технологий и повышения капиталоемкости экономики, будут только увеличиваться.

Не стоит и говорить, что в сегодняшней политической ситуации, когда практически никто из американских политиков не осмеливается даже просто произнести слово «налоги», если только ему не предшествует слово «сократить», для получения достаточной суммы поступлений потребуются титанические усилия. Наиболее реалистичный подход состоит в том, чтобы задействовать несколько различных налогов. Один из очевидных кандидатов на эту роль — налог на выбросы углекислого газа, который может дать до $100 млрд в год и при этом способствовать сокращению выбросов парниковых газов. Уже звучали предложения о введении не влияющего на доходы государства налога на выбросы углекислого газа с целью перераспределения средств в пользу домохозяйств посредством механизма налоговых возвратов. Эта мера могла бы стать отправной точкой для создания системы выплаты базового дохода. Еще один возможный источник — налог на добавленную стоимость. США — единственная развитая страна, в которой отсутствует этот налог, по сути дела, представляющий собой налог на потребление и взимаемый на каждом этапе производственного процесса. Налог на добавленную стоимость перекладывается на потребителей в составе конечной цены продуктов и услуг; его традиционно считают одним из самых эффективных способов обеспечения налоговых поступлений. Существует множество других возможностей, включая повышение налогов на корпорации (или исключение схем минимизации уплачиваемых налогов), федеральный налог на землю, повышение налогов на доход от прироста капитала и налога на финансовые операции.

Учитывая, что повышение подоходных налогов также кажется неизбежным, наиболее оптимальный путь в этом случае — сделать систему более прогрессивной. Одним из последствий выросшего неравенства становится сосредоточение все большей доли налогооблагаемых доходов в руках немногочисленной верхушки. Наша схема налогообложения должна быть пересмотрена с целью отражения этого перераспределения доходов. Будет куда лучше, если вместо простого повышения налогов для всех слоев населения мы введем несколько новых налоговых категорий с целью получения больших поступлений от налогоплательщиков с очень высоким уровнем дохода (миллион долларов в год и выше).

Каждый — капиталист

Несмотря на то что, по моему мнению, гарантированный доход в той или иной его форме, наверное, является самым лучшим решением проблемы, создаваемой наступлением технологий автоматизации, разумеется, существуют и другие жизнеспособные идеи. Одной из наиболее часто звучащих является идея о переносе акцента с дохода на богатство. Почему бы не сделать так, чтобы в мире будущего, где почти весь доход сосредоточится в руках капитала, а человеческий труд ничего не будет стоить, каждый владел таким объемом капитала, которого достаточно, чтобы не жить в нужде?

Большинство этих предложений предусматривает что-нибудь вроде увеличения доли акций, находящихся в руках сотрудников, или даже простую передачу каждому значительной доли во взаимном инвестиционном фонде. В статье для The Atlantic экономист Ноа Смит предлагает, чтобы государство наделило каждого капиталом, приобретя «диверсифицированный портфель активов» для каждого гражданина старше 18 лет. Чтобы не дать гражданам сразу распродать активы и спустить все деньги на ветер, придется принять «достаточно мягкие меры патерналистского характера, включая, например, временное ограничение на продажу»{340}.

Проблема в том, что «мягких мер патерналистского характера» может быть недостаточно. Представьте себе будущее, в котором ваше благосостояние полностью определяется тем, чем вы владеете, а ваш труд ничего не стоит или оценивается совсем невысоко. В этом мире уже не будет места для историй о том, как кто-то все потерял, а потом снова разбогател благодаря самоотверженному труду. Если вы примете неправильное инвестиционное решение или вас ограбит жулик вроде Берни Мейдоффа, исправить эту ошибку вы уже не сможете. Если людям дать полный контроль над их капиталом, это неизбежно произойдет с некоторыми наименее удачливыми гражданами. Как быть с отдельными людьми и семьями, попавшими в подобную ситуацию? Будут ли они отнесены к категории тех, «кто слишком велик, чтобы обанкротиться»? Если да, то сразу возникает риск оппортунистического поведения: люди перестанут замечать угрозу, которую несут в себе чрезмерно рискованные решения. Если нет, то мы получим людей, которые окажутся в по-настоящему тяжелой ситуации без какой-либо надежды на улучшение.

Подавляющее большинство людей перед лицом такой угрозы, разумеется, будут действовать благоразумно. Но и такое поведение создает свои проблемы. Если потеря капитала означает жизнь в нищете для вас самих и ваших детей, захотите ли вы инвестировать какую-либо его часть в новое рискованное предприятие? Как показывает опыт внедрения пенсионных планов 401k, многие инвестируют слишком мало в рынок ценных бумаг и слишком много в низкодоходные инвестиции, которые кажутся им безопасными. В мире, где капитал — все, это предпочтение может стать еще более выраженным, что приведет к громадному спросу на безрисковые активы, а значит, доходность этих активов будет чрезвычайно низкой. Другими словами, передача богатства в руки людей может привести к последствиям, не имеющим ничего общего с эффектом Пельцмана, к которому, как я ранее предположил, может привести введение гарантированного дохода. Чрезмерно высокая степень неприятия риска может привести к сокращению предпринимательской активности, снижению доходов и ослаблению рыночного спроса[79].

Еще одна проблема заключается в том, где взять деньги, чтобы наделить всех активами. Можно не сомневаться, что перераспределение громадных объемом капитала вызовет еще большее недовольство со стороны политиков, чем перераспределение доходов. Один из возможных механизмов изымания богатства из рук его текущих владельцев был предложен Томасом Пикетти в книге «Капитал в XXI веке»[80] (Capital in the Twenty-First Century): Всеобщий налог на богатство. Введение такого налога потребует объединения усилий на уровне правительств; иначе эта мера приведет к массовому бегству капиталов в страны с более низкими налогами. Практически все, включая Пикетти, соглашаются с тем, что в обозримом будущем на практике это неосуществимо.

В своей книге, которая наделала немало шума в 2014 г., Пикетти предсказывает, что ближайшие десятилетия будут характеризоваться неизбежным движением в сторону все большего увеличения неравенства как с точки зрения доходов, так и с точки зрения богатства. При рассмотрении этой проблемы Пикетти опирается исключительно на исторический анализ экономических данных. Его главный тезис заключается в том, что доходность капитала, как правило, выше общих темпов экономического роста, а значит, владельцы капитала с течением времени неизбежно получают все больший кусок экономического пирога. При этом он уделяет удивительно мало внимания тем тенденциям, о которых идет речь в этой книге; более того, слово «робот» встречается всего лишь на одной из почти семисот страниц его книги. Если теория Пикетти верна — а она стала предметом жарких дискуссий, — я думаю, ее выводы придется существенно подкорректировать с учетом развития технологий, что, вполне вероятно, будет предполагать даже более высокий уровень неравенства в будущем, чем следует из его модели.

Не исключено, что, по мере того как интерес общественности к проблеме неравенства и в особенности влияния этого неравенства на политической процесс в США будет становиться все более выраженным, идея введения своего рода налога на богатство, которую отстаивает Пикетти, однажды вполне может оказаться жизнеспособной. Если это произойдет, я бы предпочел, чтобы при перераспределении капитал не передавался бы конкретным людям, а направлялся бы в государственный инвестиционный фонд с централизованным управлением (наподобие фонда штата Аляска), а уже из прибыли от деятельности этого фонда выплачивался бы базовый доход.

Что могут сделать политики в ближайшем будущем

Несмотря на то что в обозримом будущем ввести гарантированный доход, скорее всего, не удастся в силу политических причин, существует ряд других мер, которые могут оказаться полезными.

Многие из этих идей на самом деле представляют собой универсальные политические меры, направленные на ускорение процесса восстановления после Великой рецессии. Другими словами, к ним следует прибегнуть в любом случае, независимо от наличия опасений относительно возможного влияния внедрения роботов и технологий автоматизации на рынок труда.

В первую очередь речь идет об острой потребности США в инвестициях в общественную инфраструктуру. В стране огромное количество дорог, мостов, школ и аэропортов, которые давно нуждаются в ремонте и реконструкции. Эту работу все равно когда-то придется делать. Другого пути просто нет. И чем дольше мы ждем, тем больше нам это в конечном итоге будет стоить. Федеральное правительство сегодня может заимствовать деньги под близкие к нулевым процентные ставки — и это в то время, когда безработица в строительной отрасли достигает двузначных значений. Придет день, когда наша неспособность воспользоваться этой возможностью и сделать необходимые инвестиции, пока их стоимость так низка, будет расценена как проявление экономической недальновидности наивысшего порядка.

Да, я скептически отношусь к идее о том, что меры по расширению возможностей для получения образования и профессиональной подготовки является эффективным решением проблемы безработицы в результате развития технологий в долгосрочной перспективе, но при этом я готов признать, что, безусловно, существует много того, что можно и нужно сделать, чтобы повысить шансы учащихся и работающих на получение или сохранение работы в ближайшем будущем. Нам все-таки вряд ли удастся избежать ситуации, при которой на рынке труда останется весьма ограниченное количество рабочих мест для специалистов наивысшей квалификации. Однако мы, безусловно, можем помочь работникам получить навыки, без которых они не смогут воспользоваться теми возможностями, которые пока еще есть. В частности, существует очевидная потребность в увеличении инвестиций в развитие муниципальных колледжей. В некоторых отраслях с невысоким уровнем безработицы (в особенности в различных областях здравоохранения, включая сестринское дело) в настоящее время ощущается острый недостаток квалифицированных кадров. Но, несмотря на огромный спрос на образование, далеко не все желающие могут его получить, потому что колледжи просто не справляются с наплывом студентов. В общем и целом муниципальные колледжи являются одним из наших главных ресурсов в работе по адаптации людей к стремительно меняющейся ситуации на рынке труда. Учитывая, что многие рабочие места — и даже целые профессии — находятся под угрозой исчезновения уже в ближайшем будущем, мы должны сделать все возможное, чтобы предоставить людям возможности для профессиональной переподготовки. Расширение ресурсов относительно недорогих муниципальных колледжей одновременно с принятием мер по ограничению деятельности грабительских платных учебных заведений, созданных исключительно с целью получения льготного финансирования, будет способствовать появлению новых перспектив трудоустройства для огромного количества людей. Как мы видели в главе 5, МООК и другие инновации в области интернет-образования также могут способствовать расширению возможностей для получения профессионального образования.

Еще одна важная инициатива связана с расширением налогового кредита на трудовые доходы (Earned Income Tax Credit, EITC), представляющего собой форму субсидирования работников с низкими доходами в США. В настоящее время на EITC распространяется два очень серьезных ограничения. Во-первых, безработные не имеют права на его получение: чтобы обеспечить мотивацию к труду, выплаты совершаются только людям, которые зарабатывают деньги своим трудом. Во-вторых, сама эта программа выстроена таким образом, чтобы в максимальной степени защищать интересы детей. В 2013 г. одинокий родитель с тремя и более детьми мог рассчитывать на максимальную выплату в размере $6000 в год, тогда как бездетный работающий имел право на получение лишь $487, т. е. около $40 в месяц. Администрация Обамы уже предложила расширить рамки программы с целью включения бездетных работающих, но при этом выплачиваемое им пособие по-прежнему не будет превышать $1000 в год. Чтобы EITC стала по-настоящему эффективным долгосрочным решением проблемы, ее рамки придется расширить еще больше с целью включения в нее тех, кто не может найти работу, а это, разумеется, будет равносильно превращению этой программы в программу по выплате гарантированного дохода. В любом случае ожидать каких-либо изменений в ограничениях на участие в EITC в ближайшем будущем не стоит, тем более что представители республиканской партии в конгрессе и вовсе выразили намерение закрыть эту программу.

Если вы согласны с доводом о том, что с течением времени экономика будет становится все менее трудоемкой, тогда вам придется согласиться и с выводом, логически следующим из этого, — о необходимости пересмотра схемы налогообложения с целью переноса центра тяжести с труда на капитал. В настоящее время, например, масштабные программы по поддержке пожилых людей финансируются главным образом из налогов на фонд заработной платы, которые взимаются с работников и работодателей. При таком порядке налогообложения компании, которые делают ставку на капитал и технологии, в известном смысле оказываются в положении безбилетного пассажира: зарабатывая на наших рынках и пользуясь преимуществами наших институтов, они отказываются участвовать в финансировании программ, которые так важны для всего нашего общества. Дальнейшее увеличение и без того несоразмерного налогового бремени, которое приходится нести компаниям в отраслях с большими затратами на труд, послужит еще одним фактором ускорения процесса замены человека средствами автоматизации везде, где это только возможно. В конце концов, наступит момент, когда дальнейшее существование этой системы будет просто невозможно. Нам придется перейти к новой системе налогообложения, предполагающей больший объем выплат компаний, которые активно используют технологии автоматизации и имеют относительно небольшой штат сотрудников. Нам придется забыть о том, что работники — источник средств для поддержки пенсионеров и финансирования социальных программ, и вместо этого признать, что этим источником является вся наша экономика в целом. Ведь темпы экономического роста намного опережают темпы создания новых рабочих мест и роста заработной платы.

Если мои предложения кажутся вам излишне смелыми, тогда у меня остается один последний совет политикам, который не может не сработать. С учетом рассмотренных нами тенденций кажется очевидным, что мы не должны сейчас приниматься за демонтаж той системы социальных гарантий, которая у нас уже есть. Сейчас уж точно самый неподходящий момент, чтобы сворачивать программы, от которых зависит жизнь наиболее уязвимых слоев населения, не предлагая ничего взамен.

Политическая жизнь в США настолько отравлена ядом раздоров и распрей, что участвующим в ней силам не удается достичь соглашения даже по самым простым вопросам экономической политики. На этом фоне легко отказаться от обсуждения более радикальных мер вроде гарантированного дохода по причине бессмысленности. Есть вполне объяснимый соблазн ограничиться исключительно небольшими, но при этом осуществимыми мерами второстепенного характера, отложив рассмотрение более важных проблем на неопределенное время.

Сейчас, когда эволюция технологий зашла уже так далеко, отмалчиваться опасно. Мы подбираемся к крутому участку экспоненциальной кривой. Темпы развития ускорятся, и будущее может наступить задолго до того, как мы будем к нему готовы.

Длившаяся десятилетиями борьба за создание системы универсального медицинского страхования в США служит прекрасной иллюстрацией того, с какими колоссальными трудностями нам придется столкнуться при попытке провести какие-либо масштабные экономические реформы. С момента внесения Франклином Рузвельтом предложения о создании национальной системы здравоохранения до принятия Закона о доступном медицинском обслуживании прошло почти восемьдесят лет. При этом в случае со здравоохранением у Америки были примеры давно устоявшихся и эффективно функционирующих систем, которые есть во всех развитых странах. Но примеров успешно работающих систем выплаты гарантированного дохода нет, равно как и примеров любых других мер, направленных на адаптацию к последствиям внедрения новых технологий в будущем. Нам придется все придумывать на ходу. А значит, время для осмысленной дискуссии еще не наступило.

В ходе этой дискуссии нам придется заняться углубленным анализом наших фундаментальных представлений о роли труда в экономике и о том, как люди реагируют на меры стимулирования. Все согласны с тем, что мотивация важна, но есть все основания полагать, что экономические меры стимулирования вполне можно ограничить без особых отрицательных последствий. Причем это справедливо для обоих полюсов на шкале доходов. Утверждение о том, что даже небольшое повышение предельных ставок налога на доходы самых богатых способно лишить их стимулов к предпринимательской деятельности и инвестированию, не выдерживает никакой критики. А тот факт, что и Apple, и Microsoft были основаны в середине 1970-х гг., т. е. тогда, когда максимальная ставка налога достигала 70 %, прекрасно показывает, что налоговые ставки для самых богатых не так уж и заботят предпринимателей. То же верно и для другого полюса: мотивировать самых бедных к труду, безусловно, нужно, но в такой богатой стране, как США, наверняка можно обойтись без крайних мер стимулирования, связанных с угрозой остаться без крыши над головой и средств к существованию. Мы должны преодолеть боязнь того, что слишком много людей окажется внутри вагона нашей экономики, пока активное меньшинство тянет его вперед, — благодаря автоматизации поезд начинает ехать сам.

В мае 2014 г. уровень занятости, по данным платежных ведомостей, в США наконец вернулся к своему докризисному пиковому значению, положив конец периоду масштабного восстановления экономики без создания рабочих мест, растянувшемуся на более чем шесть лет. Впрочем, даже несмотря на восстановление общего числа рабочих мест, все согласны с тем, что их качество значительно ухудшилось. В результате кризиса бесследно исчезли миллионы рабочих мест для среднего класса, тогда как большинство позиций, появившихся в процессе восстановления, относятся к разряду низкооплачиваемых. Значительная их часть — это рабочие места в сфере быстрого питания и розничной торговли, т. е. в отраслях, в которых, как мы видели, в наибольшей степени проявятся последствия развития робототехники и автоматизированных средств самообслуживания. Как долговременная безработица, так и число людей, которые не могут найти работу с постоянной занятостью, остаются на высоком уровне.

За громкими цифрами занятости в заголовках газет скрывается еще один показатель, от которого не стоит ждать ничего хорошего в будущем. За годы с начала финансового кризиса число людей трудоспособного возраста выросло в США приблизительно на 15 млн человек{341}. В экономике не было создано никаких возможностей для трудоустройств всех этих миллионов новоиспеченных работников. Как сказал Джон Кеннеди: «Мы должны бежать, чтобы хотя бы оставаться на месте». В 1963 г. это еще было возможно, в наше время это может оказаться недостижимым.