Zgodnie z jednym z badań Eurobarometru, 72% Europejczyków uważa, że roboty kradną ludziom pracę. Oczywiście komentując taki wynik należy uwzględnić kontekst badania, jaka grupa była badana i czy np. wszyscy badani oceniają to zjawisko jako niepokojące? Niemniej pokazuje ono pewien trend, sposób myślenia o kolejnej rewolucji społecznej i przemysłowej, której jesteśmy aktywnymi uczestnikami. Czy uczenie maszynowe, uczenie algorytmów i szybki rozwój AI to procesy, których należy się obawiać, czy wręcz przeciwnie – sztuczna inteligencja i machine learning pomogą nam tak zmienić relacje społeczne, by każdy mógł zajmować się tym, co lubi? Na pewno osoby, które lubią programować w Pythonie już dziś mogą zająć się tym, co lubią i czerpać z tego niemałe korzyści.
Co ma Ford do zegara? I czy Charlie Chaplin parodiował algorytmizację?
Wiele napisano o technicznych aspektach kolejnych etapów rewolucji przemysłowej a także o tym, jak wpłynęły na zmiany społeczne. Rzadziej wspomina się wprost o pewnej konsekwencji tych zmian, którą odczuwamy do dziś. To sprzedaż czasu – niezależna od rytmu natury, pór dnia i pór roku. Stała się możliwa m.in. dzięki wynalezieniu sztucznego oświetlenia i skonstruowaniu mechanicznego zegara. W kulturze zbieracko-łowieckiej wszyscy członkowie ludzkich społeczności mogli mieć mniej więcej równy status. W porównaniu z wiekami późniejszymi, wszyscy podobnie pracowali na wspólne przetrwanie. Po rewolucji neolitycznej stopniowo zaczęliśmy prowadzić życie osiadłe i specjalizować się w określonych czynnościach. Efekt tych czynności był przedmiotem wymiany handlowej. Ludzie sprzedawali efekty swojej pracy, ale nie czas. Kowal kuł konie, właściciel kurnika mógł wymienić jajka, pióra i mięso na podkowy, a szewc mógł przyjąć to wszystko jako opłatę za parę butów. Trochę, jak w idealistycznym wierszu Juliana Tuwima: „Murarz domy buduje, / Krawiec szyje ubrania, / Ale gdzieżby co uszył, / Gdyby nie miał mieszkania? (...)”. Niestety, gdy ten wierszyk powstawał, już od dawna przestaliśmy sprzedawać swoje dzieło lub usługę, a zaczęliśmy – swój czas. Na początku ten szewc, który potrafił w danym czasie uszyć więcej par butów, miał jeszcze szanse na utrzymanie swojej rodziny. Później nie miał już szans konkurować z fabryką obuwia i musiał się w niej zatrudnić. Tylko, że jego doświadczenie niekoniecznie było atutem dla właścicieli fabryki. Jak do tego doszło? Pewnego poranka Henry Ford obudził się z pomysłem, który zrewolucjonizował przemysł i nadał mu postać, jaką znamy do dziś. Pomysł polegał na podziale skomplikowanego, wymagającego specjalistycznej wiedzy projektu, jakim jest budowa samochodu, na serię małych, powtarzalnych czynności, które może wykonać każdy. Wydajność wzrosła, a specjalistyczna wiedza pracownika, wykraczająca poza proste zadanie na danym stanowisku, mogła wręcz przeszkadzać. Chronologia wskazuje, że nie był to oryginalny pomysł Forda lecz modyfikacja tayloryzmu – czyli modelu, w którym zarządzający nadzorowali pracowników i wyznaczali im konkretne, łatwe do rozliczenia zadania. Tak powstała nie tylko automatyzacja, ale też wczesna algorytmizacja pracy. Pamiętamy Charliego Chaplina przykręcającego śruby przy taśmie produkcyjnej, który „zabierał” pracę do domu. Nawet po odejściu od taśmy jego dłonie powtarzały ruch wykonywany przez cały dzień. Trudno oprzeć się wrażeniu, że dziś wciąż zabieramy pracę do domu – zwłaszcza tę umysłową. Przez długie lata proste prace wykonywali ludzie, de facto stając się dla wielu pracodawców biologicznymi robotami. Dziś zawody łatwe do zalgorytmizowania, czy podatne na uczenie maszynowe, są coraz częściej przejmowane lub wspomagane przez roboty. Zegar mechaniczny stosowany był do rozliczania czasu pracy już w pierwszych manufakturach tkackich. Dziś tę rolę coraz częściej pełnią algorytmy. Nie tylko kontrolują wykorzystanie każdej minuty, analizują także jakość pracy konsultantów, sprawdzają optymalizację ilości kroków wykonanych w magazynie, potrafią zarekomendować managerowi, którego pracownika należy zwolnić. Dzieje się tak, gdy jedynym celem jest efektywność. Na szczęście algorytmy to wciąż tylko narzędzia. Można ich użyć do automatycznego zwolnienia pracownika albo do tego, by ułatwić jego pracę. Wciąż to od nas zależy, czy będziemy zawdzięczać im lepsze życie, czy niewolę. Dlatego rola trenerów sztucznej inteligencji będzie rosła i być może już w niedługiej perspektywie okaże się, że jest równie ważna i społecznie odpowiedzialna, jak dziś rola nauczycieli.
Pamiętamy Charliego Chaplina przykręcającego śruby przy taśmie produkcyjnej, który „zabierał” pracę do domu. (źródło: bit.ly/2ZjYJMV) Rewolucja turingowska, czyli: czy wyrasta nam właśnie realna konkurencja?
Rewolucja w technologii – jeśli rzeczywiście jest rewolucją – owocuje także zmianami w przemyśle i w stosunkach społecznych. Wg różnych źródeł jesteśmy dziś świadkami takiej właśnie zmiany – tzw. czwartej rewolucji przemysłowej (lub technologicznej), zwanej też rewolucją 4.0. Przypomnijmy: pierwsza rewolucja przemysłowa zaowocowała nieodwracalną mechanizacją produkcji. Umożliwił to wynalazek silnika parowego i wykorzystanie energii wodnej. Drugą rewolucją było umasowienie produkcji możliwe m.in. dzięki odkryciu energii elektrycznej, wykorzystaniu wynalazków takich jak silnik spalinowy, czy gwałtownemu rozwojowi metalurgii. Zmiany te miały charakter lawinowy – jeden wynalazek prowadził do kolejnego. Równolegle transformacje zachodziły w stosunkach społecznych, w handlu i na rynku pracy. Trzecia rewolucja jest nam dość bliska czasowo i kształtowała bezpośrednio nasz współczesny świat, dlatego wielu czytelnikom trudno będzie rozważać ją w kategoriach historycznych, a przecież właśnie przechodzi do historii. To rewolucja cyfrowa, rozpoczęta niedługo po II Wojnie Światowej. Bazuje na miniaturyzacji i samonapędzającym się rozwoju elektroniki oraz technologii informatycznych. Zanim przejdziemy do rewolucji 4.0, warto wspomnieć o dziejących się równolegle przełomach w tym, jak postrzegaliśmy siebie i świat. Można powiedzieć, że z trudem rezygnowaliśmy z pozycji pępka wszechświata, więc z nieubłaganą prawdą oswajaliśmy się etapami. Według Luciano Floridi, włoskiego filozofa zajmującego się teorią poznania, etyką komputerową oraz filozofią informacji i informatyki, można dziś wyróżnić cztery takie etapy. Pierwszy był dziełem Kopernika i obalił przekonanie, że Ziemia wraz z ludzkością są w centrum kosmosu. Kolejna rewolucja – darwinowska – uświadomiła nam, że nie jesteśmy królami wszelkiego stworzenia. Trzecią rewolucją wg Floridiego jest rewolucja freudowska. Jej ofiarą stało się założenie o racjonalności naszych umysłów. Rewolucja czwarta to wynik rewolucji technologicznej zwiastującej nadejście sztucznej inteligencji: rewolucja turingowska. To nie tylko powszechna cyfryzacja i automatyzacja. To także zmiana środowiska, w którym się komunikujemy – pojawienie się „infosfery” oraz algorytmów zdolnych do uczenia. Im bardziej będziemy nasycać rzeczywistość technologiami informacyjnymi (co możemy dziś obserwować na przykładzie np. rozwoju Augmented Reality, czy Internetu Rzeczy możliwego dzięki technologii 5G), tym mocniej sami zaczniemy funkcjonować jako organizmy informacyjne, zanurzone w infosferze. Czyli w środowisku, w którym rozwijać się będą także „infoorganizmy” nie będące ludźmi. W tak widzianym świecie człowiek traci wyjątkową pozycję istoty myślącej, przetwarzającej informacje i zdolnej do logicznego zachowania. Innymi słowy wyrasta nam właśnie realna konkurencja. Nie przyleciała z kosmosu – sami ją zbudowaliśmy i udoskonalamy. Dodać można, że machine learning to już codzienność, a sztuczna inteligencja zaczyna szkolić kolejne pokolenia sztucznej inteligencji. Czy „naprawdę” inteligentna AI będzie dzieckiem rewolucji 4.0? Jeśli tak, ciekawie będzie obserwować, czy zachowamy swoją „kierowniczą rolę”, czy też będziemy musieli wypracować partnerskie zasady koegzystencji, albo w pewnym momencie staniemy się biernymi i bezradnymi obserwatorami jej dalszego rozwoju? Na razie każdy z tych scenariuszy wydaje się obiecującym tematem dla pisarzy, filmowców i filozofów. Warto jednak zdawać sobie sprawę, że nasze życie właśnie zmienia się – na dobre i na złe.
Machine learning to już codzienność, a sztuczna inteligencja zaczyna szkolić kolejne pokolenia sztucznej inteligencji. Co łączy AI z uczeniem maszynowym i dlaczego żaby nie polubiłyby xenobotów.
Dziś AI to szerokie pojęcie obejmujące wiele dziedzin wiedzy i wkraczające w różne sfery życia codziennego. Od przetwarzania obrazu, przez wspieranie tłumaczeń, rozpoznawanie mowy po analizę wszelkich informacji dających się przełożyć na formę cyfrową. Dzięki sztucznej inteligencji korzystamy z coraz doskonalszych asystentów wirtualnych, przegrywamy z komputerami w szachy i czasem trudno nam odróżnić, czy telefon odebrał pracownik infolinii zbudowany z białka, czy z algorytmów. Cechą wspólną tych zastosowań jest machine learning, czyli uczenie maszynowe, które początkowo bazowało na statystycznej analizie danych, by rozwinąć się w stronę „deep learning” oraz uczenia wykorzystującego sieci neuronowe. Działania uczących się algorytmów nie są z góry zaprogramowane – są one trenowane. Dzięki temu znajdują rozwiązania nawet, gdy dane wejściowe lub zmieniające się warunki nie zostały przewidziane przez programistę. Przy treningu często pracują ludzcy nauczyciele oznaczający pożądane wyniki i dane (uczenie wspomagane lub nadzorowane). Jednak powstają już systemy sztucznej inteligencji zdolne do samodzielnego uczenia kolejnych AI. Przykładem mogą być systemy wykorzystywane do trenowania AI dwunożnych robotów. Człowiek wyznacza tu ogólne cele, sieć neuronalna tworzy model, w którym dzięki wielu próbom i błędom uczy AI robota, jak optymalnie poruszać się po zadanej przestrzeni. Kucanie, podskoki, pełzanie i sposoby zachowania równowagi w każdej z tych sytuacji to już tylko „podprogramy” służące do osiągnięcia ogólnego celu. Każdy z nich także jest wypracowywany poprzez trening, a trenerką jest sztuczna inteligencja. Kolejny etap tej ewolucji to zmiana budulca i tworzenie nowych organizmów. W pierwszym kwartale mijającego roku sztuczna inteligencja wspomogła naukowców z Vermont i z Tufts University w zaprojektowaniu i wydrukowaniu mikroskopowych robotów z komórek tkanek żaby szponiastej. Realizacja projektu nie byłaby możliwa bez ewolucyjnych algorytmów AI. Według naukowców, xenoboty są nową klasą żywych organizmów, które można programować. Jesteśmy świadkami, jak science fiction staje się rzeczywistością. Pozostaje nam pocieszyć się, że jeśli xenoboty opanują kiedyś świat, to przynajmniej będą biodegradowalne.
Czy prawnicy i lekarze powinni się już bać? Czy cieszyć na nowe, inteligentne narzędzia?
Inne przykłady zastosowań machine learning i AI to diagnostyka medyczna, analiza tekstów prawniczych, czy analiza zdjęć satelitarnych. We wszystkich tych dziedzinach inteligentne algorytmy okazują się bardziej nieomylne niż wyszkoleni specjaliści. Ponadto – w odróżnieniu od ludzkich analityków – algorytmy nie męczą się i mogą pracować przez całą dobę. To prowadzi do pytania, które zawody staną się niepotrzebne w niedalekiej przyszłości?
Kolejną szansą, jaką AI daje medycynie, jest przyspieszenie badań klinicznych oraz wsparcie farmaceutów w poszukiwaniu szczepionek i projektowaniu leków Dobra informacja: zastosowanie technologii AI w medycynie oznacza dziś postęp w diagnostyce. Dzięki niej lekarze zamiast na nużącym ocenianiu tysięcy podobnych do siebie próbek, mogą skupić się na metodach leczenia lepiej i wcześniej diagnozowanych pacjentek i pacjentów. Kolejną szansą, jaką AI daje medycynie, jest przyspieszenie badań klinicznych oraz wsparcie farmaceutów w poszukiwaniu szczepionek i projektowaniu leków, np. na raka. Być może także leczenie chorób rzadkich przestanie być w przyszłości problemem. Dziś badania nad takimi lekami nie są dla koncernów farmaceutycznych opłacalne. Modelowanie dostępne dzięki przyszłym, coraz lepiej wytrenowanym algorytmom AI może rozwiązać ten problem.
Także prawnicy twierdzą, że cieszą się z rozwoju AI. Odciążeni od analizy setek podobnych ale różniących się drobnymi, znaczącymi szczegółami klauzul w umowach, będą mogli zająć się tym, czego nie da się tak łatwo zalgorytmizować – czyli wymyślaniem rozwiązań wymagających myślenia strategicznego i zaangażowania intelektualnego. Może dzięki maszynom także inne, zbiurokratyzowane zawody, staną się po prostu bardziej ludzkie?
Technologiczne bezrobocie, czy bardziej ludzkie spojrzenie na pracę? Co mogą nam dać, a co zabrać AI, uczenie maszynowe i rewolucja 4.0?
J. M. Keynes, w odniesieniu do drugiej rewolucji przemysłowej, opisywał bezrobocie technologiczne jako skutek większego tempa odkrywania sposobów na oszczędność kosztów pracy od tempa, w którym wymyślamy dla pracy nowe zastosowania.
Według wielu badań, w najbliższych latach ryzyko utraty pracy związane z automatyzacją będzie tym większe, im łatwiejsze do zalgorytmizowania są wykonywane zadania. Z drugiej strony należy spodziewać się, że automatyzacja nie spowoduje masowego zastąpienia pracowników robotami i algorytmami lecz zredukuje tę część ich obowiązków, która jest najbardziej powtarzalna, monotonna i niewymagająca „ludzkiej” decyzyjności. Sztuczna inteligencja zamiast zagrożeniem, może stać się narzędziem odciążającym nas od nudnych czynności – zarówno fizycznych, jak i umysłowych. Co więcej, w dłuższej perspektywie czwarta rewolucja może pozwolić na wyrównanie szans kobiet na rynku pracy, a także na lepszą integrację osób z niepełnosprawnościami. Dla pracowników, od klasycznie pojmowanego wykształcenia kierunkowego, ważniejsze staną się umiejętności „miękkie” i otwarcie na zmiany. Kilkukrotna zmiana zawodu lub powiększanie swoich kwalifikacji będzie w przyszłości normą. Jednocześnie jest szansa, że przestaniemy obawiać się takich zmian. Uczenie wspomagane przez sztuczną inteligencję będzie łatwiejsze a praca zamiast kojarzyć się z uciążliwą koniecznością, może stać się sposobem na ciekawe spędzanie czasu. Dziś dane wskazują na to, że tylko ok. 5% zawodów zostanie w najbliższym czasie w pełni zautomatyzowanych. Gorszą informacją jest potencjalne zagrożenie dla ok. 30% miejsc pracy, które pojawi się na trzecim etapie rewolucji 4.0, już w latach trzydziestych naszego wieku. Automatyzacja to oczywiście szansa na większe zyski dla pracodawców ale także na bardziej przyjazne miejsca i sposoby pracy dla pracowników. Dla rządów to wyzwanie ale też szansa na pozytywne zmiany społeczne. Łatwo przecież można wyobrazić sobie świat, i to w całkiem niedalekiej przyszłości, w którym dzięki wsparciu AI nasze podstawowe potrzeby zostaną zapewnione. Praca zamiast obowiązkiem, stanie się przyjemnością, a także sposobem na budowanie pozycji społecznej i towarzyskiej. Światy ludzi i maszyn zaczną się przenikać. Maszyny będą tak wspierać naszą kreatywność, zdolności poznawcze i możliwości wyznaczania nowych celów, że bez nich nie wyobrazimy już sobie życia.
Bezrobocie, czyli tęsknota za robotem. Miło by było zmienić znaczenie tego słowa – na lepsze.
Warto mieć nadzieję, że maszyny zwiększą nasz potencjał, a termin bezrobocie zniknie lub zmieni swoje znaczenie. Będzie na przykład oznaczać nagły brak lub niedobór robotów, czyli naszych narzędzi – a może partnerów – w pracy i w życiu.
Warto też przygotować się do nadchodzących zmian. Kto chce pogłębić temat, może sięgnąć m.in. do książki Katarzyny Śledziewskiej i Renaty Włoch „Gospodarka cyfrowa” (WUW, Warszawa, 2020) a także raportu PARP „Czwarta rewolucja przemysłowa i jej wpływ na rynek pracy”, czyli do źródeł, z których korzystałem. Można też nauczyć się języka Python, powiększać swoje kompetencje kreatywne i trzymać rękę na pulsie – albo inną końcówkę manipulatora.
