Чему ещё стоит научиться в мире с искусственным интеллектом?

Мы много думали о том, как искусственный интеллект влияет на выбор навыков, которые стоит развивать в будущем.

Раньше можно было с уверенностью сказать, что обучение программированию — это хороший карьерный ход. Программирование было востребовано, и это была профессия, которая хорошо оплачивалась и не требовала дорогостоящего обучения. Сейчас многие паникуют из-за того, что программисты могут вскоре остаться без работы, а их заменят ИИ-агенты.

Беспокойство по поводу того, что ИИ будет использоваться для автоматизации работы, испытывают не только программисты. Большинство моих знакомых специалистов хотя бы немного опасаются, что развитие ИИ может лишить их работы.

Мы, безусловно, обеспокоены. Многие мои коллеги уже сообщают о резком снижении трафика, отчасти из-за того, что поисковые системы используют искусственный интеллект для обобщения контента, чтобы читателям больше не нужно было заходить на их сайты.

Мы не знаем, что нас ждёт в будущем. Мы даже не совсем понимаем, как правильно думать о будущем. Мнения в интернете варьируются от одной гиперболизированной крайности до другой, и даже у многих экспертов прогнозы на будущее сильно расходятся.

Но и игнорирование этих проблем не кажется мне хорошим решением. Поэтому мы хотели бы попытаться изложить некоторые из своих мыслей, пусть и неидеальных, в надежде, что написание этой статьи (и отзывы, которые я получу, поделившись ею) помогут лучше разобраться в этой теме.

Факторы, которые следует учитывать

На данный момент мы будем рассматривать только профессиональные навыки. Хотя ИИ, вероятно, влияет и на ваши хобби, я думаю, что анализ в этом случае будет другим и не будет тем аспектом проблемы, который больше всего беспокоит людей.

Например, для нас, как для человека, который изучает языки в основном ради удовольствия, развитие машинного перевода стало невероятным благом. Но мы также понимаем, почему профессиональные переводчики могут быть не в восторге.

Вопрос о том, чему стоит учиться, учитывая стремительные изменения в сфере ИИ, сам по себе сложен для ответа. Вместо этого, вероятно, имеет смысл рассмотреть некоторые компоненты по отдельности и попытаться объединить их. Я вижу несколько разных подвопросов, связанных с этой темой:

1. Как существующие на данный момент инструменты ИИ влияют на спрос на определенные виды труда?
2. Как возможные траектории развития ИИ в будущем повлияют на спрос на рабочую силу?
3. Как ИИ меняет путь к экономически выгодным навыкам?

Давайте рассмотрим каждый из этих вопросов.

1. Как существующий на данный момент ИИ влияет на спрос на рабочую силу?

Хорошей отправной точкой для размышлений об ИИ будет оценка текущей ситуации. Каковы экономические последствия существующей технологии ИИ? Как это повлияло на спрос на рабочую силу?

Эти данные несколько успокаивают тех, кто беспокоится о массовом сокращении рабочих мест. Исследование Йельского университета показало, что за три года, прошедшие с момента взрывного дебюта ChatGPT, влияние на занятость было практически незаметным.

Похоже, дело не в том, что компании медленно внедряют технологии искусственного интеллекта. Другое исследование показало, что почти треть компаний начали использовать ИИ для автоматизации некоторых рабочих задач. Несмотря на это, только в 5% этих компаний произошли изменения в структуре занятости, причём более чем в половине случаев занятость увеличилась.

Аналитики Goldman Sachs оценивают вероятность того, что при нынешнем уровне развития технологий искусственного интеллекта 6–7 % существующих рабочих мест могут быть упразднены. Однако они считают, что это будет сопровождаться появлением новых рабочих мест.

Исторические аналоги также подтверждают, что не стоит слишком драматизировать последствия преобразующих технологий. Искусственный интеллект — это новое явление, а вот автоматизация на основе машин — нет. Технологические изменения приводят к тому, что экономист Йозеф Шумпетер назвал созидательным разрушением, когда на месте разрушенных возможностей появляются новые.

Но даже если спрос на рабочую силу в целом вряд ли снизится, учитывая нынешние возможности ИИ, это не значит, что причин для беспокойства нет. В отчёте Goldman Sachs также отмечается, что многие руководители признают, что ИИ замедляет процесс найма в сфере технологий и финансов.

В другом отчёте Стэнфордской лаборатории цифровой экономики отмечается, что количество рабочих мест для начинающих специалистов в областях, связанных с ИИ (например, программирование), сократилось, в то время как количество рабочих мест для специалистов в возрасте 30 лет и старше увеличилось. Это согласуется с моим предположением о том, что ИИ-агенты для написания кода могут довольно хорошо справляться с задачами младших разработчиков, но им не хватает опыта для более серьёзной работы.

В целом это рисует более оптимистичную картину, чем можно было бы ожидать, учитывая, что 60% работников опасаются, что их заменят искусственным интеллектом. По крайней мере, при нынешних возможностях влияние ИИ не сильно отличается от влияния обычных технологических изменений: кто-то выигрывает, кто-то проигрывает, но спрос на квалифицированную рабочую силу не падает.

2. Как будет развиваться ИИ в будущем?

Конечно, наивно полагать, что ИИ не окажет существенного влияния на рабочие места сегодня, но не окажет его никогда. Больше всего меня беспокоит не существующая на данный момент технология, а то, в каком направлении она развивается.

А поскольку инвестиции в профессиональные навыки должны окупаться в течение многих лет и десятилетий, мы не можем просто отмахнуться от вопроса о том, какие возможности будут доступны через десять лет, назвав его слишком спекулятивным. Хотя рентгенологи и программисты сегодня, возможно, и не сталкиваются с массовой безработицей, если через десять лет такая ситуация станет вероятной, это всё равно важно учитывать при инвестировании в профессиональные навыки.

Размышляя о том, в каком направлении развивается ИИ, я многое почерпнул из книги Тайлера Коуэна Average is Over и описанной им модели взаимодействия человека и компьютера. На примере шахмат Коуэн утверждает, что развитие технологий проходит четыре этапа:

1. На первом этапе люди просто лучше компьютеров. Ранние шахматные программы не могли обыграть даже умеренно опытных игроков, хотя и могли обмануть новичков.
2. На следующем этапе лучшие люди лучше лучших компьютеров, но компьютеры могут обыграть неэлитных игроков. С шахматными компьютерами до появления Deep-Blue Каспаров мог на равных соперничать с ИИ, но у негроссмейстера не было бы ни единого шанса.
3. После этого компьютеры начинают играть лучше, чем лучшие шахматисты-люди, но люди в паре с компьютерами играют лучше, чем компьютеры сами по себе. Коуэн описывает «шахматы кентавра», в которых игроки имеют доступ к нескольким рекомендациям ИИ. Люди сами по себе могут играть хуже, но в паре с ИИ они могут составить превосходную команду.
4. Наконец, когда навыки ИИ значительно превосходят человеческие возможности, даже совместная работа становится бесполезной. Человеческий фактор ухудшает решения. Вероятно, в шахматах мы уже достигли этого этапа.

Насколько я понимаю текущую ситуацию, большинство коммерческих применений ИИ находятся на первом этапе. Люди справляются лучше, но соображения экономии могут повлиять на принятие решений в пользу ИИ. Например, ИИ, скорее всего, будет всё чаще заменять операторов колл-центров не потому, что общение с ИИ «лучше», чем с реальным человеком, а просто потому, что это дешевле.

²

В других областях мы приближаемся ко второму этапу. Программирование может быть одной из таких областей, где лучшие ИИ-агенты справляются лучше, чем неэлитные программисты (по крайней мере, с краткосрочными задачами). Но всё ещё есть много возможностей для сотрудничества, поскольку у ИИ-агентов другие сильные и слабые стороны, чем у программистов-людей.

Опыт предыдущих успешных применений ИИ в более узких областях позволяет предположить, что третий этап развития ИИ, на котором команды из человека и компьютера работают лучше, чем каждый из них по отдельности, может продлиться дольше, чем мы думаем. Радиология — хороший пример того, что даже если машинное зрение может превзойти человеческий глаз, для выполнения более широкого спектра задач по-прежнему требуются рентгенологи.

Даже если мы создадим общий искусственный интеллект (AGI) и компьютеры смогут выполнять всю когнитивную и физическую работу, которую выполняют люди, мы всё равно можем оказаться в ситуации, когда многочисленные различия между агентами ИИ и людьми позволят людям и компьютерам какое-то время работать бок о бок. Если взять в качестве примера шахматы, то можно сказать, что человек «управляет» командой агентов ИИ, понимая их сильные и слабые стороны.

Конечно, если мы достигнем уровня искусственного сверхинтеллекта (ИСИ), когда компьютеры будут справляться с всеми задачами гораздо лучше людей (включая, предположительно, управление другими агентами ИИ), то трудно сказать, как будет выглядеть ситуация с профессиональными навыками. И вымирание, и утопия больше не кажутся чем-то надуманным, а делать прогнозы о том, каким будет мир, кажется практически невозможным.

Итак, как в истории о пьянице, который ищет свои ключи под уличным фонарём — потому что там есть свет, пусть и не его ключи, — я сосредоточусь на том, как следует подходить к инвестициям в развитие навыков в трёх разных сценариях:

1. ИИ стабилизируется примерно на том уровне, который мы наблюдаем сейчас. Другими словами, эпоха масштабных скачков в практических возможностях и полезности ИИ в 2022–2025 годах подходит к концу. Новые версии GPT становятся похожими на новые версии iPhone — с новыми наворотами, но без радикальных изменений.
2. ИИ продолжает совершенствоваться, но ОИИ по-прежнему недостижим. Мы получаем всё более совершенных агентов, которые могут выполнять больше задач, но они остаются (относительно) узконаправленными инструментами. Это может быть связано с тем, что некоторые задачи по-прежнему сложно автоматизировать, поэтому людям по-прежнему есть чем заняться, или с тем, что сложно обеспечить достаточный уровень надёжности, поэтому нам нужны люди, которые будут контролировать процесс и вмешиваться в него, даже если ИИ в принципе способен выполнить всю работу.
3. Мы достигаем уровня искусственного общего интеллекта. Все когнитивные (и физические?) задачи могут выполняться машинами, но различия в их сильных и слабых сторонах достаточно велики, чтобы сотрудничество было возможным. На этом этапе наступает длительный период «кентавров», когда люди начинают активно сотрудничать с ИИ и управлять им.

Самый экстремальный сценарий, при котором мы довольно быстро переходим к четвёртому этапу модели Коуэна, вероятно, является самым тревожным, но при этом кажется наименее поддающимся анализу.

3. Как изменится путь к получению ценных навыков?

Даже если предположить, что ИИ будет развиваться умеренно, остаётся открытым вопрос о том, на что лучше тратить время для развития навыков и человеческого капитала. В этих сценариях люди по-прежнему будут зарабатывать на жизнь, но характер работы, скорее всего, изменится. Некоторые навыки станут более востребованными, другие утратят актуальность.

Первое различие, на которое важно обратить внимание, заключается в том, что автоматизируются задачи, а не рабочие места. Реальные рабочие места включают в себя множество различных задач и обязанностей. Пока некоторые задачи требуют участия человека, место для человеческого мастерства всё ещё есть.

Таким образом, было бы ошибкой просто взглянуть на работу, в которой активно используется ИИ, и предположить, что работники неизбежно окажутся на улице. Хотя такой сценарий возможен, всё может пойти и по другому пути: автоматизация некоторых задач с помощью ИИ может значительно повысить производительность, тем самым увеличив общую ценность работы для людей.

Чтобы было понятнее, рассмотрим программистов. Если спрос на программное обеспечение фиксирован, а ИИ может выполнять большую часть работы нынешних программистов, то спрос в отрасли может быть удовлетворён за счёт найма гораздо меньшего количества разработчиков. С другой стороны, если ИИ позволит нынешним программистам создавать гораздо больше (или более качественного) программного обеспечения, производительность в отрасли может резко возрасти. Это может увеличить спрос на программное обеспечение и, соответственно, спрос на программистов. Например, нечто подобное произошло с автомобилями: как только автоматизация повысила производительность и сделала автомобили более доступными, количество рабочих мест на производстве увеличилось, а не сократилось.

Но даже если количество трудоустроенных людей не изменится, навыки, необходимые для выполнения важной работы, могут измениться. Я могу представить себе несколько вариантов развития событий:

1. Если ИИ будет помогать посредственным работникам больше, чем самым квалифицированным, это может привести к снижению заработной платы. Уже есть некоторые доказательства этого: ChatGPT повышает производительность, сокращая при этом разницу в результатах между сотрудниками при выполнении имитационного письменного задания.
2. Если ИИ автоматизирует работу, которую выполняют менее квалифицированные сотрудники, но не автоматизирует работу, которую выполняют самые квалифицированные работники, это может привести к повышению заработной платы для самых квалифицированных сотрудников при меньшем росте оплаты труда для менее квалифицированных. Приведённый выше отчёт Стэнфордского университета о сокращении числа технических специалистов на ранних этапах карьеры может служить тому подтверждением: возможности для начинающих программистов сокращаются, в то время как положение программистов среднего звена улучшается.
3. В качестве альтернативы ИИ может полностью автоматизировать многие рабочие процессы, но при этом создать новые рабочие места. Возможно, в будущем программистам придётся не писать и не понимать код, а умело управлять небольшой армией агентов-программистов и добиваться от них идеального поведения.

В первом сценарии ИИ может снизить потребность в освоении определённого навыка, поскольку помощник на базе ИИ может многое сделать за вас. Это будет своего рода «упрощением» ремесла, и, хотя это, безусловно, плохо для тех, кто уже обладает необходимыми навыками, это может создать возможности для экономической мобильности, подобно тому, как переход от квалифицированных механиков к сборочным линиям создал рабочие места для среднего класса среди широких слоёв населения.

Во втором сценарии ИИ усиливает текущие тенденции в поляризации навыков. Поскольку более простые задачи автоматизируются, для выполнения оставшихся требуются более высокие навыки. Нечто подобное происходило в последние несколько десятилетий, когда повышались требования к наличию высшего образования и последипломной подготовки. В таком мире стремление овладеть передовыми навыками становится более актуальным и более выгодным, но в то же время гораздо более сложным, поскольку возможностей для обучения становится меньше, так как простая работа не представляет экономической ценности.

Согласно третьему сценарию, в этой сфере может доминировать совершенно другая группа людей. Возможно, программистам будущего придётся стать «заклинателями» ИИ, понимающими особенности «психологии» ИИ в большей степени, чем базовую кодовую базу, которую создают эти агенты.

В зависимости от конкретного результата легко представить, как ИИ снижает ценность инвестиций в определённый навык (поскольку расширение возможностей ИИ повысит минимальный уровень производительности), повышает его ценность (поскольку автоматизация с помощью ИИ означает, что останутся только самые лучшие или наиболее востребованные компоненты) или даже обесценивает его (поскольку характер необходимых навыков меняется настолько сильно, что они практически не пересекаются с текущими навыками, требуемыми для выполнения той же работы).

Некоторые предварительные выводы

Учитывая высокую степень неопределённости как в отношении развития технологий искусственного интеллекта, так и в отношении того, как масштабное внедрение и распространение этих технологий повлияет на реальные рабочие места, трудно сделать какие-либо однозначные выводы о том, чему человеку следует уделять первостепенное внимание при обучении прямо сейчас.

Некоторые идеи кажутся мне разумными:

1. Научиться лучше работать с искусственным интеллектом.

Как гласит старая пословица, «если не можешь победить, присоединяйся». Во многих сценариях сотрудничество человека и ИИ будет важным аспектом работы, возможно, оно будет продолжаться и в будущем, если не рассматривать экстремальные сценарии быстрого развития.

В этом смысле обучение работе с ИИ не так уж сильно отличается от предыдущих технологических инноваций, таких как обучение работе с персональными компьютерами или Интернетом. В конечном счёте работа будет настолько тесно связана с использованием ИИ, что основное разделение будет проходить между теми, кому комфортно работать с ИИ, и теми, кому нет.

Ради собственного интереса я пытался использовать ИИ для улучшения своей работы. По моему опыту, ИИ не очень хорош в качестве «писателя-призрака», но он очень помог мне в поиске информации и составлении списков для чтения.

3. Научитесь работать без помощи ИИ.

Другой вариант — отойти в сторону от наступающей волны. Если вы сможете сосредоточиться на навыках и сильных сторонах, которые не так сильно зависят от возможностей ИИ, то изменения в технологиях будут вам не так страшны. 

Это может потребовать смены направления деятельности. Я ожидаю, что садовники и медсестры станут одними из последних, чьи профессии будут в значительной степени автоматизированы, поскольку в них много нестандартных физических задач, с которыми нынешний ИИ плохо справляется.

Мы также пытаемся принять упреждающие меры, чтобы защитить свою карьеру от ИИ, изменив подход к работе таким образом, чтобы ИИ было сложнее меня скопировать.

3. Развитие более общих навыков.

Мы давно скептически относимся к идее универсальных навыков, не зависящих от содержания.

Но даже если идея о том, что мы должны отказаться от предметных знаний и просто обучать общим навыкам, таким как «решение проблем» или «критическое мышление», кажется несбыточной мечтой, навыки и знания различаются по степени универсальности. Математический анализ более универсален, чем ремонт посудомоечной машины, а умение проводить презентации более универсально, чем знание всех тонкостей последней версии Powerpoint.

В условиях перемен лучше быть выносливым одуванчиком, чем тепличной орхидеей. Точно так же я ожидаю, что в условиях перемен, вызванных искусственным интеллектом, люди, у которых есть разнообразные интересы и навыки, смогут извлечь из них максимальную пользу, в то время как узкие специалисты будут подвержены большему риску вымирания.

Редактор: admin