Роботы наступают. Развитие технологий и будущее без работы

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}.