Управляя компаниями будущего. Мышление полного спектра для развития бизнеса

После матча выросли продажи игры в го, а Ли Седоль заявил, что поединок с AlphaGo способствовал повышению уровня его мастерства. «Этот опыт заставил меня расти над собой. Я собираюсь с толком использовать тот урок, что получил. Я благодарен за предоставленную мне возможность испытать себя и думаю, что понял, почему выбрал игру в го. Я сделал прекрасный выбор, решив посвятить себя этой игре. Это незабываемый опыт»[91]. Вот пример игрока, который поначалу производил впечатление чрезвычайно амбициозного человека, а после игры обрел новое для себя качество — смирение.

Нейронные сети и технология машинного обучения дают возможность визуализировать сложность полного спектра, даже сложность игры го. Распределенные вычислительные системы позволяют распространять умения в новой среде, которую образует фантастическое слияние человеческих и компьютерных ресурсов.

ДОПОЛНЕННЫЙ ИНТЕЛЛЕКТ, А НЕ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

Первый семинар по книге «Новые навыки лидера» я провел для группы руководителей HR-службы. Семинар был организован компанией LinkedIn в Лаборатории информатики и искусственного интеллекта (Computer Science and Artificial Intelligence Laboratory)[92] при Массачусетском технологическом институте, где и придумали термин «искусственный интеллект». На встрече, которая происходила летом 2017 года, нам сказали, что этому термину уже 65 лет. В то время велись дискуссии, какое название лучше — «искусственный интеллект» или «дополненный интеллект». К сожалению, победа осталась за «искусственным интеллектом».

Термину «дополненный интеллект» отдавал предпочтение Дуглас Энгельбарт, самый авторитетный участник дискуссионной группы на МККК’72, о которой я упоминал ранее. Энгельбарт был основателем и руководителем Исследовательского центра по расширению (Augmentation Research Center, ARS) в Стэнфордском исследовательском институте (теперь это Международный Стэнфордский исследовательский институт), который стал первым библиотечным и ресурсным центром для ARPANET. Он создал прототипную (пилотную) систему, которую назвали NLS. Она обладала массой разных возможностей, которые, как полагал Энгельбарт, могли бы помочь в решении самых сложных мировых проблем. Источниками вдохновения для него послужили Вэнивар Буш[93] и выдвинутая им в 1945 году классическая концепция мемекса[94] — мирового разума.

Энгельбарт предполагал, что создание машины, способной помочь в решении мировых проблем, будет крайне сложной задачей. Как-то раз он заметил, что число команд в системе NLS будет равно количеству слов в английском языке. Эффективность категорий становится очевидной, когда имеются широкий спектр выражений, воплощенных в командах и концепциях, и оперативные возможности для их реализации. Энгельбарт построил сложную систему, позволяющую решать очень сложные проблемы. Он поднял понятие категоризации на совершенно новый уровень и использовал компьютеры, для того чтобы помочь людям думать иначе.

У Стива Джобса было другое видение будущего компьютеров, основанное на простоте их использования. Он хотел минимизировать число команд и сделать компьютеры как можно более интуитивно понятными. В итоге Джобс способствовал эволюционированию компьютеров в цифровые устройства. Джобс восхищался работой Энгельбарта, но стремился к упрощению системы, что привело к напряженным отношениям между ними[95].

По словам Энгельбарта, он создавал горный велосипед, тогда как Джобс, в его понимании, изобретал трехколесный. На трехколесный велосипед можно сразу сесть и поехать, но возможности его ограничены. Горным велосипедом тяжело управлять на труднопроходимой местности, но как только вы наработаете определенные навыки, то поймете, что это гораздо более мощное средство передвижения.

Благодаря распределенным вычислительным системам мы получим эксплуатационные возможности горного велосипеда в сочетании с легкостью использования, присущей трехколесному велосипеду. Энгельбарт и Джобс предвидели высокий потенциал компьютеров, но в то время вычислительные системы и сети еще не были готовы к решению более сложных задач. Сейчас такие компании, как DeepMind, и эксперименты, подобные созданию программы AlphaGo, опираются на идеи Энгельбарта и Джобса, стараясь совместить высокую производительность машины с легкостью в эксплуатации.

Распределенные сети все еще требуют вмешательства человека на ключевых этапах в том, что касается доверия. Есть смутные опасения, что компьютеры станут делать в точности то, что мы просим, но результаты будут безобразными. Человек располагает контекстом, который позволяет ему выносить оценочные суждения о неожиданных и непредвиденных последствиях, даже когда мы не можем прописать четких инструкций. Компьютеры не имеют такого контекста.