Думай медленно – предсказывай точно. Искусство и наука предвидеть опасность - Филип Тетлок, Дэн Гарднер (2015)

В 1954 году блистательный психолог Пол Мил написал небольшую книгу, вызвавшую значительный резонанс[13]. В ней анализировались двенадцать исследований, согласно которым хорошо информированные эксперты, предсказывавшие, добьется ли студент учебных успехов или вернется ли заключенный, условно отпущенный на свободу, обратно в тюрьму, в своих прогнозах оказывались не так точны, как простые автоматизированные алгоритмы, подытоживавшие объективные данные (итоги теста на способности или записи о поведении в тюрьме). Заявление Мила расстроило многих экспертов, но и последующие исследования — на данный момент их проведено уже более двухсот — показали, что в большинстве случаев статистические алгоритмы точностью превосходят субъективные суждения, а в той горстке исследований, где это не так, играют вничью. Учитывая, что алгоритмы, в отличие от субъективных суждений, — это быстрый и дешевый способ прогнозирования, ничья засчитывается за их выигрыш. Теперь уже вывод неоспорим: если у вас есть надежный статистический алгоритм, используйте его.

Этот вывод никогда не угрожал царствованию субъективных суждений, потому что мы очень редко располагаем надежными алгоритмами для решения конкретной проблемы. Непрактично заменять математикой старый добрый мыслительный процесс — и в 1954-м, и даже сейчас.

Однако потрясающий прогресс в области информационных технологий свидетельствует, что мы приближаемся к историческому перелому в отношениях человечества и машин. В 1997 году созданный на базе IBM компьютер Deep Blue обыграл шахматного чемпиона Гарри Каспарова. В наши дни имеющиеся в продаже шахматные программы могут обыграть любого человека. В 2011 году суперкомпьютер IBM Watson обошел чемпионов телевикторины Jeopardy! Кена Дженнингса и Брэда Раттера. Для инженеров, создававших Watson, это была гораздо более сложная задача, но они с ней справились. Сейчас уже вполне возможно представить себе соревнование по прогнозированию, в котором суперкомпьютер разгромит как суперпрогнозистов, так и суперумников. После этого люди, конечно, будут и дальше делать прогнозы — но, как случилось с участниками Jeopardy!, мы будем наблюдать за ними исключительно ради развлечения.

Я поговорил об этом с главным инженером Watson Дэвидом Феруччи. У меня не было сомнений, что Watson без проблем выдаст ответ на вопрос о настоящем и будущем — например, «Как зовут двух российских политических лидеров, которые обменялись должностями за последние десять лет?», — однако мне хотелось узнать мнение Дэвида о том, сколько времени пройдет, прежде чем Watson или кто-то из его цифровых потомков сможет ответить на вопрос «Обменяются ли два российских политических лидера должностями в ближайшие десять лет?».

В 1965 году эрудит Герберт Саймон считал, что всего через двадцать лет наступит эпоха, когда машины смогут делать «любую работу, которую могут делать люди». Но тогда вообще часто высказывали подобные наивно-оптимистические мысли, и это одна из причин, по которой Феруччи, работающий в области искусственного интеллекта уже тридцать лет, более осторожен в подобных оценках[14]. Он отметил, что компьютерная наука гигантскими шагами движется вперед и способность машин отслеживать тенденции заметно растет. А их обучение, в сочетании с растущим взаимодействием «человек — машина», которое подпитывает учебный процесс, обещает еще более впечатляющий прогресс в будущем. «Это одна из экспоненциальных кривых, и мы сейчас все еще находимся у ее основания», — сказал Феруччи.