Цифровая революция. Преимущества и риски. Искусственный интеллект и интернет всего - Елена Сергеевна Ларина

миллиардов долларов. Главное же, данные игры откроют возможности для создания обучающих курсов самой различной тематики, перехода к платформенному образованию и т. п.

Если обратиться к книгам и фильмам: как художественным, так и документальным, – о закономерностях и темпах развития научно-технического, гуманитарного и социального прогресса, появившимся в СССР, да и на Западе, то несложно заметить их жизнеутверждающий оптимистический и гуманистический характер. Однако поздний капитализм и так называемый финансианализм, восторжествовавший на планете с начала 1990-х годов, извратили и технологический прогресс, и искусственный интеллект. Извращено было и то, что в 1960-е – 1970-е годы называлось бионикой, а сегодня – биотехнологиями.

В настоящий момент имеет место начальная стадия терминального кризиса капитализма. Мир, каким он существовал до 2020 года, с чрезвычайно высокой степенью вероятности не имеет будущего. Более того, рискнем сделать прогноз, что этот мир потребует переосмысления и, в значительной мере, перевооружения как ИИ, так и технологий совершенствования человека. Какой выбор будет сделан, зависит от характера и направленности процессов, которые разворачиваются на наших глазах.

2.6. Искусственный интеллект против Covid-19

Уже в первые недели распространения Covid-19 сначала по Китаю, затем по планете руководители отдельных стран, правительства, международные организации буквально в режиме реального времени начали корректировать свои воззрения на инструменты из арсенала противодействия пандемии. В частности, Совет Европы постарался обобщить передовой опыт использования информационно-коммуникационных технологий и алгоритмических платформ для борьбы с различного рода кризисами. В ходе этой работы Совет запросил мнение ведущих исследователей высокотехнологичных решений, в том числе искусственного интеллекта, не только из Европы, но и из Америки, Азии. Едва ли не наиболее интересный доклад, поступивший в рамках этой работы в Европейский Совет, – это исследование Института Брукингса относительно надежд на ИИ и реальности их реализации, подготовленный одним из ведущих аналитиков Института Алексом Энглером в апреле 2020 года.

Вот принципиальные выводы из этой и ещё нескольких работ, посвященных теме ИИ против Covid-19.

Учёные приходят к непривычным, парадоксальным выводам: по состоянию на начало апреля 2020 года они констатируют, что надежды на ИИ как панацею против кризисов оказались чрезмерно завышенными. Хотя возможно в будущем и произойдут изменения, в настоящее время такие технологические пакеты, как передача данных, телемедицина, традиционные разработанные еще в прошлом веке диагностические инструменты и модели вносят в борьбу с распространением и преодолением эпидемий гораздо больший вклад, чем ИИ.

В результате опроса лиц, принимающих решения, медиков-вирусологов, представителей технологического бизнеса и науки удалось выделить восемь соображений, заставляющих сформулировать скептическое мнение относительно претензий ИИ на роль ведущей технологии современного мира.

Первое Обратите внимание на экспертов

Как показал опыт распознавания зарождения и распространения Covid-19, наиболее раннюю и адекватную информацию добыли отнюдь не алгоритмические системы и ИИ, ориентированные на распознавание слабых сигналов, а разведывательные агентства Великобритании и США, получившие сведения от своей агентуры в Китае и в результате отслеживания научных докладов и сообщений экспертами-вирусологами.

Несмотря на все разговоры об алгоритмах и больших данных, ИИ ни в одной стране мира не сделал сколько-нибудь точного прогноза о развитии эпидемии, начиная с первичной стадии в Ухани (Китай) до современной стадии в Европе, Америке и Азии. В решающей степени это связано с тем, что давно и хорошо известно аналитикам и прогнозистам: эффективное предсказание алгоритмическими системами и ИИ результатов того или иного процесса, относительно которого отсутствуют точные и достоверные данные, не только невозможно, но и вредно. При столкновении с плохо определенными проблемами и угрозами лучше действовать на основе опережающего реагирования, чем на основе долгосрочных вычислительных моделей. Для того чтобы модели продолжали работать в будущем, нужно иметь первоклассные, постоянно обновляемые данные, необходимого объема и подробной структуры по различным группам населения, факторам и условиям, связанным с пандемиями или иными катастрофическими процессами.

В ходе эпидемии Covid-19 выяснилось, что в то время, как расчеты ИИ показали свою несостоятельность, лучшие специалисты-эпидемиологи, использующие давно и хорошо известные статистические модели для изучения пандемий, смогли еще в феврале 2020 года сделать достаточно достоверные прогнозы. При этом любопытно, что прогнозы, которые правительствами ряда стран были положены в основу разработки противодействия Covid-19 и базировались на ИИ, оказались несостоятельными. Например, так называемая Манчестерская модель дала по Великобритании и Соединенным Штатам ошибку не на проценты, а в разы. В то же время опытные эпидемиологи, использующие простые математические модели смертности, а такая модель применительно к пандемии оспы датируется 1766 годом, а также модели математической эпидемиологии, созданные в 80-90-е годы прошлого века, которые широко использовались в Южной Корее, на Тайване, ряде других государств, позволили не только сделать достоверные прогнозы, но и разработать на этой основе политику противодействия, которая показала высокую на тот момент эффективность.

По состоянию на начало апреля 2020 года не ИИ, а эпидемиологическая модель Кермака-Маккендрика, разработанная в 1927 году, позволила наиболее точно прогнозировать ход эпидемии. При этом модель требует постоянной коррекции со стороны опытных эпидемиологов. Модель Андерсона Кермака и Уильяма Маккендрика известна сегодня как модель SIR. Эта аббревиатура происходит от английских слов Susceptible – Infected – Recovered, буквально означающих «восприимчивые – инфицированные – выздоровевшие».

Именно старые, проверенные модели и опытные эпидемиологи, а не математики, статистики, специалисты по машинному обучению и программисты ИИ вносят сегодня решающий вклад в борьбу с эпидемией.

Не существует никакой ценности в ИИ и даже в математико-статистических моделях без экспертов и специалистов по форс-мажорным процессам. В последнее время сложилась практика называть ИИ любое использование математических, логических и статистических методов. Это неправильно. Большая часть математико-статистических методов благополучно существовала, когда ИИ не был описан даже в фантастических романах. Главная привлекательная черта ИИ, по мнению эксплуатантов, это – способность в рамках комбинаторных вычислений находить в данных дополнительные глубокие закономерности, на которые не обратили внимание люди. В отличие от моделей ИИ, которые изучают закономерности на исторических данных, и на основании этого прогнозируют процессы, эпидемиологи рассматривают статистические модели лишь как один из способов формулирования и проверки гипотез. Наряду с математическими методами, они широко используют качественный анализ и даже такую ненаучную вещь, как врачебная интуиция.

Использование ИИ для прогнозирования – с одной стороны, и для распознавания процессов и явлений – с другой, по-разному воспринимается эпидемиологами и используется в их практической работе. Недавно журналисты, затаив дыхание, писали: «ИИ предсказал коронавирус», а цифры убеждали политиков в необходимости срочных мер на финансовых рынках, аргументируя это страшными цифрами смертности, которые прогнозировал ИИ.

Хрестоматийный пример: в феврале 2020 года тогдашний президент США Д. Трамп и его медицинские консультанты уверяют общественность, что эпидемии коронавируса в США не будет. Затем к делу