# Как искусственный интеллект изменит медицину, образование и рынок труда к 2030-м годам

Источник: https://www.youtube.com/watch?v=h3F109rflCM
Канал: The Jordan Harbinger Show
Опубликовано: 14.10.2021

---

Искусственный интеллект стремительно перерастает рамки простых алгоритмов, трансформируя глобальную экономику, медицину и саму структуру человеческой занятости. В новом выпуске подкаста «The Jordan Harbinger Show» ведущий Джордан Харбинджер и известный футурист Кай-Фу Ли обсуждают, как генеративные модели и автономная робототехника меняют привычный уклад жизни. Собеседники пытаются заглянуть в будущее, где привычные профессии исчезают, а человечеству приходится заново переосслять свою уникальность.

## 🌍 Масштаб тектонических сдвигов: ИИ на стыке научных революций
[[JUMP:0:29]]

Обсуждение будущего технологий начинается со ссылки на тезис футуриста Кевина Келли, который в одном из прошлых выпусков подкаста сравнил грядущую ИИ-революцию с промышленной революцией, отметив, что изменения превзойдут по масштабу внедрение электричества. Кай-Фу Ли полностью разделяет эту позицию. По его мнению, ситуация усугубляется тем, что человечество одновременно переживает сразу несколько революций:

* Энергетическую революцию;
* Революцию в создании новых материалов;
* Глубокие сдвиги в биотехнологиях (Life Sciences).

Когда искусственный интеллект накладывается как невидимый слой на каждую из этих отраслей, эффект изменений многократно масштабируется. Человеческий разум не способен в одиночку обработать, например, терабайты информации о геноме и выдать готовое решение, в то время как алгоритмы могут находить скрытые взаимосвязи за считанные дни, на что у людей ушли бы столетия экспериментов.

## 🧬 Расшифровка генома и тихая революция в медицине
[[JUMP:1:07]]

Данные генетического секвенирования одного человека составляют почти 1 гигабайт информации. Ни рядовые врачи, ни даже профильные исследователи не умеют читать этот массив данных целиком. Сегодня, как отмечает Кай-Фу Ли, наука способна расшифровать лишь около 1% генома, тогда как остальные 99% остаются для людей «серой зоной». Именно ИИ поручено разобраться, как работает этот массив информации, чтобы создать прецизионную (персонализированную) медицину.

Подобно тому, как алгоритмы социальных сетей формируют уникальную новостную ленту для каждого пользователя, ИИ сможет подбирать индивидуальные методы лечения на основе генетических особенностей пациента. Однако у этой технологии есть обратная, пугающая сторона — конфиденциальность. 

Кай-Фу Ли подчеркивает, что генетические данные, в отличие от стандартной больничной карты, невозможно полностью анонимизировать. Из медицинской истории можно удалить имя, адрес или номер телефона, но геном уникален по определению — это цифровой отпечаток пальца, который невозможно изменить. Если эти данные попадут к недобросовестным страховым компаниям, хакерам или авторитарным государствам, последствия для приватности личности будут катастрофическими. По мнению Джордана Харбинджера, ситуация выглядит зловеще, поскольку большинство больниц не обладают бюджетами для найма сильных специалистов по кибербезопасности.

## 🔒 Конфиденциальность данных: Федеративное обучение как спасение
[[JUMP:4:51]]

В качестве технологического решения проблемы конфиденциальности Кай-Фу Ли предлагает концепцию «приватных вычислений» и федеративного обучения (Federated Learning). Эта технология позволяет обучать нейросети без передачи персональных данных на центральный сервер.

Принцип работы федеративного обучения:

1.  Генетические данные пациента остаются внутри вычислительного контура конкретного учреждения, которому он доверяет (например, Массачусетской больницы общего профиля).
2.  ИИ тренируется локально на серверах больницы.
3.  На внешние сервера передаются только математические коэффициенты обновленной модели, но не сами исходные данные пациентов.
4.  Глобальная нейросеть агрегирует эти децентрализованные модели, сохраняя полную конфиденциальность первоисточников.

Несмотря на скепсис ведущего относительно уязвимости любых систем перед хакерами, Кай-Фу Ли напоминает, что хранение данных, например, на личном смартфоне пользователя еще более опасно, чем в ИТ-контуре крупного госпиталя.

## 🧠 От жестких правил к языковым моделям: Эра Foundation Models
[[JUMP:8:41]]

Долгое время компьютерные системы строились на основе жестких правил или экспертных систем: «если на входе X, то на выходе Y». Современный подход к ИИ в корне отличается. Чем меньше человек вмешивается в процесс принятия решений алгоритмом, тем качественнее оказывается результат. По словам Кай-Фу Ли, человеческие правила принятия решений слишком хрупкие, в то время как ИИ анализирует данные в тысячемерном пространстве параметров, находя математические закономерности, недоступные человеческому пониманию.

Важнейшим прорывом последних лет гость считает появление «базовых моделей» (Foundation Models) — систем вроде GPT-3, Google LaMDA или BERT. Процесс их создания делится на два ключевых этапа:

* **Универсальное предобучение (Pre-training):** Модель поглощает колоссальные объемы текстовой информации со всего интернета (сотни миллионов страниц, книги, блоги), формируя базовые связи между концептами.
* **Тонкая настройка (Fine-tuning):** Обученная модель адаптируется под конкретную узкую задачу — от написания стихов до ответов на технические вопросы.

Футурист признается, что еще пять лет назад не верил, что самоорганизующиеся нейросети без прямого контроля со стороны человека смогут настолько качественно комбинировать абстрактные понятия — например, писать лимерики про Илона Маска в стиле Доктора Сьюза. Роль программиста теперь сводится к заданию целевой функции (Objective Function) — например, заставить пользователя проводить больше времени на Facebook или максимизировать выручку Amazon — и проектированию архитектуры самой сети.

## ⚖️ Борьба с предвзятостью и «проблема 51%»
[[JUMP:15:03]]

Поскольку базовые модели обучаются на неотфильтрованном контенте из интернета, они неизбежно впитывают человеческие предвзятости, токсичность и стереотипы. Однако Кай-Фу Ли предостерегает от чрезмерной цензуры данных со стороны разработчиков. По его мнению, когда люди пытаются «играть в бога» и урезать датасеты, они делают ИИ менее мощным.

В качестве примера работы с неочевидными данными гость приводит алгоритмы оценки кредитоспособности. Если скормить ИИ все данные со смартфона пользователя, он может обнаружить корреляцию между уровнем заряда батареи и финансовой надежностью. Джордан Харбинджер в шутку предполагает, что люди, у которых телефон вечно разряжен, просто безответственны по жизни. Кай-Фу Ли подтверждает, что корреляция действительно существует, но она составляет примерно 51%. Для человека такой показатель почти бесполезен, но ИИ учитывает его как микроскопический фактор в общей системе весов. Машина способна сама отсеять информационный мусор, если ей дать достаточно данных.

Для минимизации социальной предвзятости ИИ (например, когда алгоритм найма отсеивает женщин, потому что исторически нанимали больше мужчин) футурист предлагает использовать автоматические сканеры кода. Подобно тому, как современные компиляторы ищут утечки памяти, специальные утилиты должны проверять обучающие выборки на предмет дисбаланса и предупреждать инженеров о возможных искажениях.

## 💬 Объяснимый ИИ: Способна ли машина обосновать свои решения?
[[JUMP:41:48]]

Критики ИИ часто называют глубокое обучение «черным ящиком», поскольку невозможно проследить логику формулы с миллиардами параметров. Тем не менее, Кай-Фу Ли считает эту проблему решаемой. Машина вполне способна «перевести» свое математическое решение на понятный человеку язык.

Если банк отклоняет заявку на кредит, ИИ может проанализировать матрицу весов и выдать топ-5 главных причин отказа: низкий уровень дохода, частая смена работы, малый стаж проживания по адресу и так далее. Гость иронизирует, что люди зачастую сами не понимают истинных мотивов своих поступков (например, при покупке автомобиля или совершении аварии) и склонны выдумывать оправдания, в то время как ИИ, по крайней мере, абсолютно честен в своей математической логике.

## 🤖 Четыре волны автоматизации: От фабричных роботов до беспилотников
[[JUMP:20:57]]

Кай-Фу Ли напоминает свою классификацию развития технологий, состоящую из четырех волн: интернет-ИИ, бизнес-ИИ, ИИ восприятия и автономный ИИ. Сегодня мир активно переходит к четвертой волне — автономным машинам, которые физически меняют пространство вокруг себя.

Локомотивом этой индустрии, по мнению эксперта, выступает Китай. Будучи «мировой фабрикой», страна столкнулась с резким ростом стоимости рабочей силы — китайские синие воротнички сегодня зарабатывают вдвое больше, чем их коллеги во Вьетнаме или других развивающихся странах. Автоматизация производств стала единственным способом сохранить конкурентоспособность.

Эволюционный путь робототехники, согласно прогнозу Ли, выглядит так:

* **Промышленная автоматизация:** Внедрение систем компьютерного зрения для инспекции брака и роботизированных систем перемещения грузов (по типу складских роботов Kiva, используемых Amazon).
* **Коммерческое использование:** Роботы-официанты в ресторанах и автоматические тележки доставки. В Китае уже сегодня распространены заведения, где заказ делается через смартфон, а блюда привозит роботизированный поднос, исключая контакт с персоналом.
* **Бытовые роботы:** Системы, способные мыть посуду, убирать дом и готовить еду (это долгосрочная перспектива, требующая тонкой моторики).

В жилом доме самого Кай-Фу Ли в Пекине доставка еды и посылок от стойки регистрации до двери квартиры уже полностью осуществляется роботом, что стало стандартом со времен пандемии COVID-19.

## 🚗 Эволюция беспилотного транспорта: Стратегии США и Китая
[[JUMP:26:01]]

Развертывание автономного транспорта идет неравномерно. Кай-Фу Ли считает, что правильная стратегия заключается в постепенном переходе от простых условий к сложным:

```
Погрузчики на складах ➔ Багажные машины в аэропортах ➔ Магистральные грузовики ➔ Автобусы на фиксированных маршрутах ➔ Роботакси
```

Китай идет по этому пути постепенного усложнения. В то же время американские компании (такие как Waymo и Tesla) пытаются решить самую сложную задачу сразу — создать беспилотник, способный возить пассажира в любую погоду по любым дорогам. По оценкам гостя, массовое появление автономных машин на улицах городов США и Китая произойдет в ближайшие пять лет. Однако сам футурист пока советует не торопиться полностью доверять свою жизнь автомобилям без подстраховки водителя в сложных метеоусловиях, дождавшись официальной статистики, доказывающей, что их уровень смертности стабильно ниже человеческого.

## 📉 Кризис занятости: Роботизация белых воротничков и безусловный доход
[[JUMP:28:24]]

Главная опасность стремительного прогресса — массовая безработица. Причем, как утверждает Кай-Фу Ли, под удар попадают не только рабочие заводов, но и офисные сотрудники. За последние годы огромный скачок совершила технология RPA (Robotic Process Automation — роботизированная автоматизация процессов), продвигаемая такими компаниями, как UiPath. Программные боты анализируют действия сотрудников за компьютерами и автоматизируют до 70% рутинных задач.

В зоне риска находятся:

* Телемаркетинг и клиентская поддержка;
* Обработка отчетов об электронных расходах;
* Первичный кадровый учет (HR);
* Составление стандартных писем и отчетов.

По мнению собеседников, если государства окажутся не готовы, это приведет к колоссальному социальному расслоению. ИИ будет генерировать огромные богатства, но они осядут в карманах технологических магнатов. Кай-Фу Ли заявляет о необходимости внедрения безусловного базового дохода (UBI), но оговаривается, что одних денег мало. Работа дает людям чувство гордости, самореализации и смысл существования.

Выход видится в переориентации экономики с «экономической ценности» на «социальную ценность». Государства должны поощрять и оплачивать профессии, завязанные на человеческом тепле, эмпатии и доверии, которые ИИ не способен сымитировать без фальши. Это сферы ухода за пожилыми людьми, социальная поддержка сирот, индивидуальное домашнее обучение и наставничество.

## 🎓 Проблема первой ступени и ИИ-учителя будущего
[[JUMP:46:28]]

Серьезный вызов для рынка труда — исчезновение стартовых позиций (entry-level jobs). Чтобы стать высококлассным журналистом, раньше нужно было несколько лет писать простые отчеты о криминальной хронике или квартальных результатах компаний; чтобы стать главным бухгалтером, нужно было пройти этап ведения первичной книги учета. Но если всю эту рутину забирает ИИ, у молодых специалистов пропадает возможность наработать опыт.

В своей книге «AI 2041» Кай-Фу Ли описывает концепцию «перераспределения рабочих мест» и создания симулированных или практикантских позиций. Крупные компании могут нанимать выпускников на условные должности, где их работа (например, написание аналитики) будет проверяться и корректироваться ИИ, по сути, выполняя роль тренажера для ускоренного роста специалиста до уровня эксперта.

Параллельно ИИ совершит революцию в самом образовании, превратившись в бесплатного, бесконечно терпеливого персонального репетитора для каждого ребенка на планете. Алгоритм сможет геймифицировать обучение: объяснять математику через симуляцию баскетбольного матча или комиксы про супергероев в зависимости от увлечений конкретного ученика. Это станет мощнейшим социальным уравнителем, давая детям из бедных семей доступ к знаниям топового уровня.

## 💊 Фармацевтический прорыв: Снижение стоимости разработки лекарств на 90%
[[JUMP:51:44]]

Традиционная модель создания новых лекарств крайне неэффективна: корпорации тратят около 2 миллиардов долларов на разработку одного препарата, из-за чего они берутся лечить только массовые заболевания ради окупаемости инвестиций. Редкие болезни или недуги беднейших регионов мира (например, стран субсахарной Африки) остаются без внимания фармгигантов.

Применение ИИ способно снизить стоимость поиска новых молекул на 90%. Алгоритмы помогают ученым в процессе фолдинга (сворачивания) белков, вычисляя потенциальные «карманы» в патогенах, куда должно воздействовать лекарство. ИИ не заменяет биолога, но сужает бесконечное пространство вариантов, отсекая заведомо ложные пути. Дополнительно процесс ускоряется за счет роботизированных лабораторий (wet labs), где роботы-лаборанты проводят физические эксперименты в режиме 24/7 без риска загрязнения образцов и человеческих ошибок.

## 👓 Смешанная реальность: Второе пришествие умных очков
[[JUMP:57:07]]

Обсуждая технологии интерфейсов, Джордан Харбинджер поинтересовался, вернутся ли в обиход концепты вроде Google Glass. Кай-Фу Ли уверен, что проект Google просто появился задолго до того, как технологии созрели, и пострадал от плохой маркетинговой упаковки, вызвавшей споры о приватности.

По прогнозу спикера, примерно через 5 лет на рынке появятся полноценные, легкие и не привязанные к проводам очки дополненной (AR) или смешанной реальности. Для этого инженерам предстоит решить три фундаментальные задачи:

* Снижение веса устройства и отказ от громоздких шлемов;
* Повышение качества рендеринга (ИИ должен мгновенно просчитывать тени и освещение виртуальных объектов, чтобы они органично вписывались в реальный мир);
* Создание жестовых интерфейсов без необходимости использовать перчатки или трекпады.

Первой индустрией, где смешанная и виртуальная реальность пустят глубокие корни, станет сектор развлечений и компьютерных игр, поскольку там не требуется абсолютная фотореалистичность и человеческое воображение готово к условностям.

## ❤️ Что делает нас людьми: Уроки ИИ-футуризма
[[JUMP:1:01:23]]

В завершение беседы Кай-Фу Ли делится личным философским выводом, к которому он пришел за сорок лет изучения искусственного интеллекта. Будучи молодым студентом-инженером, он верил, что создание ИИ — это способ полностью скопировать человеческий мозг и разгадать механизмы нашего мышления.

Однако успехи алгоритмов в выполнении сложнейших задач заставили его пересмотреть свои взгляды. По мнению футуриста, подлинная сущность человеческого бытия лежит как раз в тех сферах, которые ИИ никогда не сможет освоить. Этими фундаментальными качествами остаются человеческая креативность, способность к состраданию, а также искреннее умение любить и выстраивать глубокие эмоциональные связи друг с другом.