Развитие искусственного интеллекта вышло на траекторию взрывного роста, заставляя переосмыслить фундаментальные основы программирования, образования и медицины. В рамках дискуссии сооснователь венчурного фонда Andreessen Horowitz (a16z) Марк Андриссен и управляющий партнер фонда a16z Bio + Health Виджай Панде анализируют, почему нынешняя волна генеративного ИИ кардинально отличается от классического программного обеспечения. По мнению инвесторов, интеграция экспертных систем ИИ в здравоохранение и социальные институты способна преодолеть кафкианскую бюрократию и подарить человечеству ультимативную «аугментированную» суперсилу.
🌊 Революция искусственного интеллекта: новая парадигма программирования 0:20
Более десяти лет назад Марк Андриссен сформулировал свой знаменитый тезис о том, что программное обеспечение «пожирает мир». Сегодня эта экспансия практически завершена, однако конец 2022 года ознаменовал собой начало новой технологической эпохи. Ссылаясь на известное выражение Владимира Ленина о неделях, в которые вмещаются десятилетия, Андриссен отмечает, что в науке и технологиях наступил каталитический момент, когда критическая масса инноваций запускает каскадный процесс прорывов. Каждую неделю публикуются фундаментальные исследовательские работы и происходят релизы продуктов.
Историческая траектория этого процесса развивалась волнообразно. С точки зрения Андриссена, хронология включает в себя несколько ключевых вех:
- 2012 год: Прорывной момент в компьютерном зрении и распознавании изображений, заложивший основу для разработки беспилотных автомобилей.
- 2019 год: Качественный скачок в обработке естественного языка (NLP), ставший катализатором для появления архитектур GPT и текстовой генерации.
- 2022 год: Взрывной рост систем транскрипции текста, синтеза речи и художественная революция в сфере генерации изображений и видео.
Как программист с многолетним стажем, Андриссен видит в происходящем фундаментальный слом самой сути написания кода. По его мнению, в будущем станет очевидно, что существовало два принципиально разных подхода к созданию программного обеспечения. Первый подход — это классическая детерминированная машина Фон Неймана. Ее проблема заключается в гипербуквальности компьютеров. Если машина делает что-то не так, это исключительно вина разработчика, некорректно сформулировавшего инструкцию. Обучение молодого программиста всегда сопряжено с болезненным осознанием того, что любая ошибка в коде — это его личный просчет.
Второй подход основан на вероятностной природе ИИ. Вместо жестких инструкций инженеры используют тренировочные данные, настраивая и корректируя систему. Это открывает компьютерам возможность взаимодействовать с хаотичной и стохастической средой реального мира.
Виджай Панде сравнивает раннее машинное обучение с дрессировкой собаки методом подкрепления, когда система получает «награду» за правильное распознавание образов. Однако современные модели ближе к обучению человека. Андриссен проводит аналогию со своим семилетним сыном: в первые годы жизни ребенок постоянно проводит «эксперименты по прикладной физике» — падает, бросает предметы, проверяет реакцию родителей. В определенный момент его биологическая нейросеть собирает массив данных воедино, и ребенок начинает уверенно ходить.
При этом Андриссен скептически относится к идее линейного пути к общему искусственному интеллекту (AGI) или сознанию. Он считает утверждения об «эмерджентном сознании» за счет простого масштабирования нейронных сетей умозрительным «помахиванием руками» (hand-waving), хотя и признает, что многие его авторитетные коллеги убеждены в обратном. Уже сегодня модели вроде GPT-3 успешно сдают экзамены SAT, набирая около 1200 баллов, решают домашние задания и способны к генерализации: они могут вывести радиус Шварцшильда для черной дыры или написать код для игры в крестики-нолики размером 8х8.
🪄 Фокусы сознания и иллюзия «магии» ИИ 6:34
Несмотря на академические успехи, ИИ демонстрирует странные провалы в тривиальных для человека областях. Модели не способны полноценно считывать юмор. Кроме того, в мире до сих пор нет робота, способного сложить вещи в чемодан, приготовить омлет или постирать белье — попытка поручить машине деликатную одежду приведет лишь к ее уничтожению.
Собеседники характеризуют текущие когнитивные успехи ИИ как своего рода «ловкость рук» (sleight of hand). Андриссен подчеркивает, что нейросети не создают принципиально новую информацию, у них нет собственного мнения или точки зрения. Модель обучается на субтотальном объеме человеческих текстов и воспроизводит проекции этого совокупного опыта. Даже когда ИИ пишет качественные драматические сценарии из трех актов, он лишь компилирует шаблоны, заложенные в голливудских системах построения сюжетов вроде «Звездных войн» или «Рокки».
Однако аналогичная «ловкость рук» может быть присуща и человеческому разуму. Андриссен задается вопросом, насколько реальны наша свобода воли и креативность. Существует гипотеза, что все многообразие человеческой культуры укладывается в концепцию мономифа Джозефа Кэмпбелла («Тысячеликий герой»), которая является эффективным алгоритмом для управления нашей нейрохимией и вызова базовых реакций страха, тревоги или влечения.
В качестве примера простоты человеческой биологии Андриссен приводит психологическую «теорию базового аффекта» (Core Affect Theory). Согласно ей, эмоциональная палитра человека не так сложна и раскладывается на матрицу 2х2:
- Валентность: Позитивный или негативный отклик (хорошо / плохо).
- Интенсивность: Высокий или низкий уровень нейронного возбуждения.
С этой точки зрения тоска — это лишь слегка негативное состояние низкой интенсивности, а отчаяние — экстремально негативный отклик. Человек устроен как базовый организм, склонный постфактум конструировать сложные истории для оправдания своих чистых нейрохимических реакций. Из этого следует циничный вывод: с позиции нейробиологии, поедание мороженого в жаркий день и состояние влюбленности могут активировать идентичные механизмы.
По этой причине Андриссен считает классический тест Тюринга методологически несовершенным. Обмануть человека слишком легко, и тот факт, что GPT близок к прохождению теста, доказывает лишь уязвимость человеческого восприятия, а не наличие самосознания у машины. Панде предлагает простой критерий проверки: если попросить ИИ объяснить, почему он самосознателен, он с готовностью сочинит историю; если попросить доказать обратное — он сделает это с тем же успехом. В отличие от любого живого организма, у машины нет дифференцированного отношения к перспективе своего отключения, она не умоляет «пожалуйста, не выключайте меня» из искреннего страха небытия.
🎓 Кризис академических оценок и экспертные знания 13:02
Способность ИИ генерировать тексты ставит под удар традиционные методы контроля знаний. Назначение эссе и последующая оценка результатов как метод обучения больше не работают. Андриссен выражает глубокий скепсис по отношению к качеству современных программ PhD и процедур отбора в колледжи, утверждая, что планка требований в университетах за последние десятилетия существенно снизилась.
В контексте обсуждения «экспертности» Панде предлагает считать экспертом того, кто входит в топ-0,1% человечества в своей узкой дисциплине — например, в дизайне лекарственных препаратов. При этом в творческих сферах граница между посредственностью и гениальностью едва уловима. Собеседники вспоминают Моцарта, группу Led Zeppelin и известную фразу из комедии Spinal Tap о «тонкой грани между гениальностью и глупостью». Сценарии и шутки, генерируемые ИИ сегодня, пока находятся на среднем уровне и не способны завоевать «Оскар».
Проверку на подлинную экспертность осуществляет рыночный тест. В киноиндустрии и поп-музыке этот критерий абсолютен:
- Метрики досматриваемости: Стриминговые платформы (например, Netflix) теперь предоставляют авторам точную статистику о том, на какой минуте зрители выключают фильм, обнажая любые провисания сюжета.
- Субсидирование: В отличие от коммерческого кинематографа, классическая музыка перестала быть частью свободного рынка и полностью субсидируется, в то время как ее рыночным эквивалентом стала музыка к фильмам.
Подлинный экспертный «вкус», по мнению Андриссена, представляет собой неалгоритмизируемый композит из фундаментальных знаний, масштабного опыта и способности к вынесению иррациональных качественных суждений. И хотя вопрос достижения этого уровня машинами остается открытым, инвесторы полагают, что ИИ неизбежно придет к обладанию эстетическим вкусом.
🩺 ИИ как супероружие в медицине: диагностика без иллюзий 23:29
Для интеграции ИИ в Life Sciences и здравоохранение не требуется решать философскую проблему сознания — достаточно ограничиться узкими предметными доменами. В области медицинской диагностики Андриссен призывает регуляторов и общество сместить фокус с требования абсолютного совершенства на прагматичный вопрос: работает ли алгоритм лучше, чем среднестатистический врач-человек?
Проводя параллель с беспилотным транспортом, Андриссен напоминает, что статистика аварийности на тысячу миль у автономных автомобилей уже ниже, чем у водителей-людей. Машины обладают критическим системным преимуществом: если один беспилотник совершает ошибку в конкретной локации, вся сеть моментально обучается новому паттерну. Человеческий опыт таким свойством не обладает. С утилитарной точки зрения, заявляет Андриссен, управление автомобилем человеком уже сегодня можно было бы признать аморальным и запретить, учитывая наличие более безопасной альтернативы.
В медицине ситуация выглядит аналогично. Если направить карту пациента с набором симптомов 100 человеческим врачам, редакция отмечает, что высока вероятность получить 100 различных мнений. Андриссен развенчивает миф о безупречности традиционной диагностики, указывая на системные проблемы здравоохранения:
- Дефицит времени: Средний хронометраж приема у терапевта составляет 15 минут. Врач перегружен, истощен и оперирует крайне ограниченным объемом данных.
- Метод «проб и ошибок»: В рамках стандартного протокола врач назначает первичное лечение; если оно не дает результатов, цикл повторяется до тех пор, пока пациент либо не поправится сам, либо не умрет.
- Отсутствие данных о комплаенсе: Медицинские специалисты физически не способны отслеживать перекрестные интеракции десятков препаратов и проверять, соблюдает ли пациент режим приема лекарств.
ИИ имеет мгновенный доступ ко всей медицинской литературе и миллионам электронных медицинских карт (EMR). Он снимает извечную дилемму выбора специалиста: между пожилым опытным доктором с отличным паттерн-матчингом и молодым выпускником, знающим последние достижения науки. Алгоритм совмещает в себе обе эти характеристики.
Андриссен критикует концепцию «мудрости толпы» применительно к врачебным консилиумам, указывая на психологический феномен групповой поляризации (group polarization). Когда люди собираются в комитеты, социальный конформизм заставляет их принимать либо более радикальные, либо усредненно-посредственные решения. Вместо неэффективных дискуссий ИИ может запускать симуляции по методу Монте-Карло, прогоняя одни и те же клинические вводные сотни раз для вычисления оптимального терапевтического вектора.
💼 Трансформация профессий: от автоматизации к аугментации 30:51
Страх перед технологической безработицей собеседники считают исторически необоснованным. Технологии никогда не приводили к перманентной безработице, они лишь уничтожали старые неэффективные функции, создавая новые рабочие места за счет общего экономического роста. ИИ позволит пересмотреть базовые допущения о структуре профессий.
Роль врача будущего сместится из парадигмы «мастера по ремонту» (break-fix), занятого рутинным дебаггингом симптомов и выписыванием рецептов. Освобожденный от бумажной работы доктор сможет сосредоточиться на поведенческих факторах и психологическом здоровье пациентов, что стало критически важным после пандемии COVID-19. Врач трансформируется в высокотехнологичного лайф-коуча с глубоким биологическим и фармакологическим бэкграундом.
Похожие сдвиги ожидают и систему образования. Единственной научно доказанной за последние 50 лет масштабной интервенцией, радикально повышающей успеваемость, является индивидуальное наставничество (one-to-one tutoring). Современная классно-урочная система — это лишь конвейерный артефакт индустриальной эпохи. ИИ сможет взять на себя функции персонализированного тьютора для каждого ребенка, в то время как учитель перейдет на уровень супервизора, управляющего этой панелью обучения.
В связи с этим Андриссен настаивает на замене термина Artificial Intelligence (Искусственный интеллект) на Augmented Intelligence (Дополненный интеллект), возвращаясь к метафоре Стива Джобса об ИТ как о «велосипеде для ума». ИИ должен выступать в роли когнитивного экзоскелета, повышающего индивидуальную продуктивность человека. В истории искусств этот паттерн уже воспроизводился:
- Появление фотографии: В XIX веке изобретение дагерротипа уничтожило экономический смысл фотореалистичной живописи, однако это не убило искусство, а породило модернизм и абстракционизм, кратно увеличив объем арт-рынка.
- Изобретение фонографа: Технологии записи звука изначально воспринимались музыкантами как экзистенциальная угроза живым выступлениям, но в долгосрочной перспективе они сформировали глобальную многомиллиардную индустрию звукозаписи.
Для творческих индустрий ИИ становится незаменимым спарринг-партнером. Андриссен приводит в пример шоураннера культового сериала Mad Men Мэттью Вайнера, который рассказывал, что в их сценарной комнате существовало жесткое правило: при поиске сюжетного поворота авторы сначала штурмовали и выписывали пять самых очевидных вариантов развития событий, после чего безжалостно их вычеркивали. С помощью генеративных моделей любой сценарист может получить список из десяти очевидных клише за две секунды, моментально отсечь их и перейти к созданию подлинно оригинального и непредсказуемого нарратива.
🛑 Страх, регулирование и «миф о Прометее» 38:20
Главным барьером на пути технологического прогресса спикеры называют иррациональный общественный страх, кристаллизующийся в требования жесткого государственного регулирования. В коллективном бессознательном глубоко укоренен миф о Прометее, укравшем огонь у богов и обреченном на вечные муки. Этот архетип отражает экзистенциальную тревогу перед технологиями двойного назначения (dual-use), способными как согреть цивилизацию, так и сжечь ее дотла. Современные регуляторы, по мнению Андриссена, часто действуют от имени этих «старых богов», пытаясь защитить статус-кво.
Инвестор выражает жесткий скепсис относительно попыток лицензирования разработки ИИ. Он подчеркивает, что на базовом математическом уровне это эквивалентно «регулированию линейной алгебры и матричного умножения», что абсурдно и технически нереализуемо. Запретительные меры не работают в отношении фундаментальной математики. Вместо ожидания гипотетического «разрешения на запуск» со стороны чиновников, правильной стратегией является инкрементальное эволюционное развитие в реальном мире.
В качестве примера успешного внедрения сложной технологии Андриссен приводит стратегию Tesla Full Self-Driving. Пока другие робототехнические компании годами ждали идеальных регуляторных условий и валидации ведомств, так и не выпустив машины на дороги, Tesla развивала автопилот эволюционно — начиная с функции базового круиз-контроля и радаров. Компания собирала терабайты размеченных данных реальных поездок, где человек выступал в роли страхующего пилота. Tesla обновляет прошивку автомобилей по воздуху без предварительных федеральных тестов, что позволило им совершить качественный технологический скачок. Единственным барьером остается страх перед «проблемой вагонетки», хотя в реальных критических ситуациях водители-люди никогда не принимают сложных этических решений о спасении пяти бабушек вместо одного ребенка — они просто жмут на тормоз. Машина сделает то же самое, но на несколько миллисекунд быстрее.
🏛️ Преодоление бюрократии: боты против ботов 50:22
Глубокая трансформация консервативных отраслей вроде медицины способна произойти снизу, в обход регуляторных изменений. Андриссен упоминает вирусное видео практикующего врача из Twitter. Специалист описал кафкианский процесс взаимодействия со страховыми компаниями: для одобрения выплаты за любое нестандартное лечение врач обязан составить объемное письмо с академическими цитатами и строгим обоснованием. Модели GPT оказались способны генерировать такие узкоспециализированные медицинские апелляции со всеми необходимыми научными ссылками за несколько секунд. Это освобождает врачам до четырех часов времени в неделю, которые они могут потратить на клиническую работу. Весь медицинский сектор способен пройти этот апгрейд мгновенно.
Этот феномен «симметричной автоматизации» активно масштабируется и на потребительском рынке. Собеседники анализируют кейс портфельной компании фонда a16z — стартапа DoNotPay Джошуа Браудера. Изначально созданное как бот для оспаривания штрафов за парковку, приложение превратилось в инструмент для борьбы с корпоративной бюрократией — например, при расторжении контрактов с телеком-гигантами вроде Comcast. Крупные корпорации нанимают специальные «команды удержания» (save teams), задача которых — максимально усложнить процесс отписки, заставляя клиента часами висеть на телефоне.
DoNotPay интегрировал языковую модель в систему синтеза речи. Теперь ИИ-бот самостоятельно звонит на горячие линии корпораций и общается с операторами. Обладая бесконечным терпением, ИИ методично заявляет:
«Нет, я требую аннулировать подписку. Нет, я не согласен на специальные скидки. Нет, мне не нужно кабельное ТВ. Отключайте».
Бот продолжает оказывать вежливое давление до тех пор, пока человеческий оператор на том конце провода не сдается и не прекращает списание средств.
Логическим завершением этой эволюции Андриссен видит неизбежную ситуацию, когда удерживающие боты корпораций будут вынуждены общаться со звонящими ботами клиентов. Осознание тотальной абсурдности этого процесса заставит индустрию отказаться от искусственных барьеров и перейти к прозрачному автоматическому взаимодействию через чистые API с обеих сторон. В конечном счете, резюмируют инвесторы, будущее ИИ в здравоохранении и обществе определят не чиновники, а прагматичный выбор миллионов пациентов и врачей, получивших доступ к технологиям аугментации.
