Человеческий капитал. Как с помощью нейробиологии управлять профессиональными командами

Неспособность ИИ брать на себя ответственность хорошо прослеживается по тому, как автоматизируется медицинская отрасль. Если посмотреть на структуру достижений цифровой медицины, то она будет иметь преимущественно околомедицинский характер. Это всевозможные роботы-массажеры и роботы-разносчики, биопринтеры, синтезирующие органические ткани, системы удаленной диагностики и автоматические собиратели анамнеза. Но везде, где дело касается профессии врача – самой диагностики и непосредственно лечения, достижения автоматизации гораздо скромнее. Какой бы продвинутой система ни была, над ней всегда будет врач, интерпретирующий результат ее работы.

Как бы сильно ни развивались автоматизация и робототехника, в медицине и в других сферах в первую очередь будет замещаться низкоквалифицированный труд, не подразумевающий высокой степени ответственности.

Созидать

Здесь хочу сразу оговориться, что под словом «созидать» имею в виду не то же самое, что и под словом «создавать». С задачей «создавать» те же нейросети справляются прекрасно. Они могут писать книги, рисовать картины, музицировать и сочинять стихи. Но важно, что в основе этого процесса лежат шаблоны и закономерности, полученные анализом загруженных в нейросеть примеров. То есть в процессе создания, который происходит под эгидой автоматизации, отсутствует субъективный опыт творца. Это тоже «творение», но не то, с которым мы привыкли иметь дело, когда говорим о творчестве и искусстве. В человеческой культуре творчество связано не только с закономерностями, но и с индивидуальными особенностями восприятия художника, с его жизненным опытом. Без этих специй продукты автоматического «творения» всегда будут рафинированными и никогда не обретут такой же ценности в наших глазах.

Чтобы до конца расставить точки над «i», расскажу историю одной картины, и вы сразу поймете, что я имею в виду.

«Ноктюрн в черном и золотом. Падающая ракета» – картина американского художника Джеймса Уистлера, написанная в 1875 году. Ныне бесценное произведение искусства

Когда Уистлер выставил эту картину на продажу, знаменитый арт-критик Джон Рескин осудил художника за дерзость просить 200 гиней (английская золотая монета) за то, что тот «плеснул из горшка с краской в лицо публике». Автор не захотел мириться с публичным унижением и подал на него в суд за клевету. Когда адвокат Рескина спросил в суде, сколько времени Уистлер работал над картиной, тот ответил: «Два дня». «И за два дня работы вы хотите получить 200 гиней?!» «Нет, – парировал Уистлер, – я хочу получить эту плату за опыт всей моей жизни».

Фантазировать

Фантазия, как мы ее понимаем, представляет собой образ мысли, выходящий за рамки реальности. Это умственная импровизация в условиях недостатка информации или ее намеренного игнорирования. Способность фантазировать – неотъемлемая часть любого креативного процесса. В том числе и построения научных гипотез, которые позволяют совершать открытия. Как это происходит: ученый достигает пределов общедоступного знания, а затем выходит за границы изведанной территории, выдвигая гипотезу. Ставится эксперимент. Если гипотеза подтверждается, научный прогресс движется вперед. А поскольку автоматизация работает только с имеющимися у нее данными и не понимает их сути, то и фантазировать не способна. Для рынка труда это означает, что в цифровом мире по-прежнему будут востребованы ученые, визионеры, новаторы, продюсеры и другие специалисты, опирающиеся на креативный подход в работе.

Но есть в этой теории и спорный момент. Может статься, что сама способность фантазировать вовсе не сокровище человеческого ума, а всего лишь компенсация недостаточно развитого интеллекта. Дело в том, что те же научные открытия не всегда лежат в области неизведанного. Часто они скрываются в общедоступных знаниях, но на уровне иного масштаба – масштаба «бигдэйта», который человеческий интеллект попросту не в силах переварить. Наш мозг – это моноструктура, поэтому работать может только с той информацией, которая помещается в его рабочую память. Цифровой интеллект не имеет таких ограничений и способен обрабатывать циклопические массивы данных. Таким образом, если ИИ скормить ту же общедоступную информацию, но в гигантском объеме, то машина сможет увидеть в ней более тонкие закономерности, ускользающие от человека. Поэтому, используя одни и те же данные, она придет к открытию логическим путем, а мы будем добираться до истины перебором гипотез.