Глобальна автоматизація. У чому роботам не обскакати людину

Емоції і розуміння контексту - речі, які ще дуже далекі для машин

Фото: Getty Images

Президент і генеральний директор Коледжу Фаундри, засновник Minerva Schools Мінерви в Інституті випускників Кеку Стівен Косслін на сторінках Harvard Business Review розвіяв страхи людей перед роботами, які відбиратимуть у них роботу.

Багатьом майбутнє працевлаштування видається в похмурому світлі. Згідно з нещодавнім дослідженням, проведеним Forrester, в цьому році в США буде автоматизовано 10% робочих місць. А в іншому дослідженні, яке провела McKinsey, зазначається, що в наступні десять років автоматизованою може бути приблизно половина всіх робочих місць у Сполучених Штатах.

Автоматизовані можуть бути ті робочі завдання, які є рутинними і повторюваними: від вивчення рентгенівських знімків (участь людей-радіологів незабаром може стати куди більш скромною) до управління фурою і навантаження. І хоча вже багато було написано про ті професії, які, ймовірно, зникнуть, так само детально не розглядалася інша точка зору, яка полягає в тому, що необхідно задатися питанням не про те, які професії зникнуть, а про те, які аспекти професій, які збережуться, також візьмуть на себе машини.

Наприклад, поглянемо на роботу лікаря: ясно, що діагностику захворювань незабаром (якщо вже не сьогодні) краще виконувати будуть машини, ніж люди. Навчання машин надзвичайно ефективно саме по собі при наявності баз даних, доступних для навчання і випробувань, що актуально для широкого спектру захворювань. Але що ж з тим, щоб сісти і обговорити разом з сім'єю варіанти лікування? Малоймовірно, що це в найближчому майбутньому можна буде автоматизувати.

Або взяти професію іншого статусу - бариста. У Сан-Франциско Cafe X замінив всіх барист роботизованими руками, які розважають клієнтів своїми рухами, коли готують гарячі напої. Однак навіть в Cafe X працює чоловік, який показує клієнтам, як використовувати цю технологію для замовлення напоїв, і усуває проблеми, що виникають з роботом-баристою.

З професією баристи ще більше контрастує робота барменом. З ним люди дуже часто люблять побалакати. Ця робота явно щось більше, ніж просто змішування напоїв. Як і у випадку з лікарем, ми можемо легко розділити цю роботу на дві складові: повторювану й рутинну (змішування та подача напоїв) і більш інтерактивну, непередбачувану, яка включає в себе вислуховування і спілкування з клієнтами.

Поміркувавши про особливості безлічі робочих місць і професій, мені здається, дуже важко буде автоматизувати дві нестандартних складових такої роботи, які зустрічаються дуже часто.

По-перше, емоції. Емоції відіграють важливу роль у спілкуванні між людьми (згадайте про те, як лікар зустрічається з сім'єю, або про те, як бармен спілкується з клієнтами). Вони є практично у всіх формах невербального спілкування та емпатії. Але більш того, вони також допомагають нам розставити пріоритети щодо того, що ми робимо. Наприклад, допомагають нам вирішити, що потрібно зробити прямо зараз, а не пізніше ввечері. Емоції не тільки складні і різноманітні, але також впливають на наші процеси прийняття рішень. Функціонал емоцій для наукового розуміння виявився надто складним (хоча певний прогрес є), і його складно вбудувати в автоматизовану систему.

По-друге, контекст. Люди можуть легко враховувати контекст при прийнятті рішень або взаємодії з іншими людьми. Контекст особливо цікавий, тому що не має завершення: наприклад, кожен раз, коли з'являється нова новина, вона змінює контекст (сильно або злегка), з яким ми стикаємося. Крім того, зміни в контексті (наприклад, обрання президента-індивідуаліста) можуть змінити не тільки взаємозв'язок різних чинників, але і додати нові і фундаментально змінити конфігурацію факторів. І це проблема для навчання машин, які працюють з наборами даних, сформованими раніше і в іншому контексті. Таким чином, розуміння контексту (що з легкістю може робити бармен) - проблема для автоматизації.

Наша здатність керувати емоціями і використовувати їх, а також брати до уваги особливості контексту - це ключові складові критичного мислення, творчого вирішення проблем, ефективного спілкування, адаптивного навчання і здорового глузду. Дуже складно запрограмувати машини наслідувати цим людським навичкам і знанням, і неясно, коли прикладені зусилля принесуть (і чи принесуть) свої плоди.

Насправді ж саме ці навички вказують роботодавці при пошуку працівників. Наприклад, в рамках одного соцопитування 93% роботодавців повідомили, що "здатність претендента критично мислити, чітко висловлювати думки і вирішувати складні проблеми важливіша, ніж його або її диплом". Крім того, роботодавці шукають працівників, що володіють іншими "гнучкими навичками", такими як здатність швидко навчатися, приймати правильні рішення та працювати з іншими колегами. Ці затребувані навички, звичайно ж, чудово поєднуються з тим, що люди можуть робити добре, але їх важко автоматизувати.

Все це говорить про те, що наші системи освіти повинні концентруватися не тільки на тому, як люди взаємодіють з технологіями (наприклад, навчаючи студентів програмування), але і на тому, як вони можуть робити те, що найближчим часом не зможуть ще робити машини. Це новий підхід до розуміння основної природи "гнучких навичок", назва яких не дуже вірна: це навички, які складніше всього зрозуміти і систематизувати, а також навички, які дають і будуть давати людям перевагу над роботами.