Восстание машин - почему автоматизация не то же самое, что 200 лет назад?

Как долго, по вашему мнению, пройдёт, прежде чем машины начнут делать любую работу лучше, чем вы? Автоматизация раньше — это были глупые машины, которые выполняли повторяющиеся действия на заводах. Сегодня они могут управлять самолётами, диагностировать рак и торговать акциями. Мы вступаем в новую эру автоматизации, невиданную ранее.

Согласно исследованию 2013 года, почти половина всех рабочих мест в США потенциально может быть автоматизирована в течение следующих 20-30 лет. Но разве автоматика не существовала десятилетиями? Почему в этот раз все иначе? Раньше все было просто. Инновации облегчали работу человека и повышали производительность труда. То есть, за один час стало возможным произвести больше товаров и услуг, при этом не увеличивая количество работников. Конечно, это ликвидировало много рабочих мест, но зато создало совершенно новые профессии, а соответственно и новые рабочие места. Они были очень необходимы в условиях роста населения и способствовали привлечению людей к работе. В результате мы получили инновации, повышение производительности труда, меньшее количество старых рабочих мест, много новых и часто лучших рабочих мест. В общем, для большинства людей это стало улучшением их жизни и быта.

Есть чёткий прогресс в плане того, что люди делали для выживания. Дольше мы работали в сельском хозяйстве. С Промышленной революцией произошёл переход на производственные рабочие места и когда автоматизация получила большее распространение, люди перешли на услуги. И только несколько моментов спустя, в человеческой истории произошла Информационная эпоха. Вдруг правила изменились. Наши рабочие места начинают занимать машины гораздо быстрее, чем это было раньше. Это, конечно, волнует … но инновации явно нас спасут, правда?

Новые реалии

В то время как новые отрасли информационного века процветают, они создают все меньше и меньше новых рабочих мест. В 1979 году «Дженерал Моторс» дала работу более 800 000 рабочим и заработала около 11 млрд. долларов США. В 2012 году Google заработал около 14 млрд. долларов США при трудоустройстве 58 000 человек. Вам может не понравиться это сравнение, но Google является примером инновационной компании, и ей нужно меньше людей. Посмотрите только на машины. Когда они стали появились 100 лет назад, они создали огромные отрасли. Автомобили изменили наш образ жизни, нашу инфраструктуру и наши города. Миллионы людей нашли новую работу прямо или косвенно. Десятилетия инвестиций продолжали этот темп. Сегодня этот процесс в значительной степени завершён. Инновации в автомобильной отрасли не создают столько рабочих мест, как раньше. Хотя электрокары замечательные, но они не создают миллионы новых рабочих мест.

А что с Интернетом? Некоторые технологи утверждают, что Интернет является новшеством наравне с использованием электроэнергии. Если принять сравнением, то мы видим, чем наша современная инновация отличается от старой. Интернет создал новые отрасли, но они не создают достаточно рабочих мест, чтобы не отставать от роста численности населения или компенсировать отрасли, которые Интернет убивает. На пике в 2004 году Blockbuster имел 84 000 сотрудников и получил 6 млрд. долларов США дохода. В 2016 году в Netflix было 4 500 сотрудников и 9 млрд. долларов дохода. Или возьмите канал на YouTube. Штатная команда может составлять всего 5-6 человек, а канал достигает миллионов просмотров. Телевизионная станция с таким же количеством зрителей требует большего количества сотрудников.

Человеческий прогресс основан на разделении труда

Чтобы разобраться в этом, нам нужно понять сначала себя. Человеческий прогресс основан на разделении труда. Когда мы развивались в течение тысяч лет, наша работа становилась все более специализированной. Хотя даже наши умные машины плохо выполняют сложные работы, они очень хорошо выполняют узко определенные и предполагаемые задачи. Это то, что уничтожило фабричные рабочие места. Но посмотрите на сложную работу достаточно долго и достаточно внимательно, и вы увидите, что это действительно только много узко определенных и предполагаемых задач, выполняемых по очереди. Машины находятся на грани, чтобы стать настолько хорошим для разбиения сложных рабочих мест на множество предполагаемых, что для многих людей станет роковым. Мы на грани, когда машины станут эффективнее людей.

Цифровые технологии делают это с помощью машинного обучения, позволяет получать информацию и навыки путём анализа данных. Это заставляет их становиться лучше благодаря связям, которые они проявляют. Машины обучают себя. Покажите машине все вещи, которые вы купили в Интернете, и она медленно узнает, что вам рекомендовать, поэтому вы покупаете больше вещей. Машинное обучение сейчас соответствует большему потенциала, поскольку в последние годы люди начали собирать данные обо всём. Поведение, погода, медицинские записи, системы связи, данные о путешествиях и, конечно, данные о том, что мы делаем на работе. Мы случайно создали огромную библиотеку, которую машина может использовать, чтобы узнать, как люди делают работу и научиться делать её лучше. Эти цифровые технологии могут стать самой мощной «убийцей» рабочих мест из всех ранее известных. Их можно тиражировать мгновенно и бесплатно. Когда они улучшаются, не нужно покупать металлическую машину. Можно просто закачать новый код. И после апдейта они будут совершенствоваться быстрее.

Как быстро? Если ваша работа предполагает сложную работу с компьютером сегодня, возможно, вы потеряете работу даже раньше, чем люди, которые ещё работают на заводах. Есть фактические примеры реального мира как этот переход может происходить. Некоторые разработчики уже предлагают программное обеспечение для управления проектам для крупных корпорации, которое предусматривает устранение менеджеров среднего звена. Когда внедряют новый проект, программное обеспечение сначала решает, какие рабочие места можно автоматизировать и где нужны настоящие профессиональные люди. Затем помогает собрать команду фрилансеров через Интернет. Затем программное обеспечение распределяет задачи между людьми и контролирует качество работ, отслеживает выполнение до завершения проекта. Хотя эта машина убивает одно рабочее место, но это создаёт рабочие места для фрилансеров, правда? На самом деле система собирает информацию о работе фрилансеров, изучает её качество и накапливает знания. Знание которые затем может использовать, чтобы заменить даже их.

Все рабочие места не исчезнут за ночь

Это лишь один пример из многих. Есть машины и программы, работающие так же хорошо или лучше, чем люди во всех сферах. От фармацевтов до аналитиков, журналистов радиологов, кассиров и банковских служащих. Все эти рабочие места не исчезнут за ночь, но все меньше и меньше людей будет занятыми на них. Но это ещё пол беды. Недостаточно заменить старые рабочие места новыми. Нам нужно генерировать новые рабочие места постоянно так как население мира растёт. В прошлом мы решали это из-за инновации. Но, начиная с 1973 года, поколение новых рабочих мест в США (для примера) начали сокращаться. И первое десятилетие 21-го века, было первым, где общее количество рабочих мест в США не увеличилось. Для страны, которой нужно до 150000 новых рабочих мест в месяц, просто чтобы не отставать от прироста населения, это плохие новости. Это тоже начинает влиять на уровень жизни. В прошлом это воспринималось так, что с ростом производительности, появляются новые лучшие рабочие места. Но цифры показывают другую историю.

В 1998 году американские рабочие в целом проработали 194 миллиарда часов. В течение следующих 15 лет их производительность увеличилась на 42%. Но, в 2013 году количество отработанных часов американскими работниками составила те же 194 млрд. часов. Это означает, что несмотря на рост производительности труда, появление тысяч новых компаний и рост населения США на 40 млн., вообще не было роста количества отработанных человеко-часов. В то же время, заработная плата новых выпускников университетов США сократилась за последнее десятилетие. А 40% новых выпускников, вынуждены идти на работу, которая не требует образования. И хотя для нас это пока проблемы далёкой страны, но очевидно, что нас ждёт такое же будущее.