Мы знаем больше, чем можем рассказать

Майкл Полани, британско-венгерский философ развил идею «неявного знания» – тех тонких ощущений и умений, которые накапливаются в опыте и остаются вне пределов слов. В отличие от «явного» знания, которое можно легко сформулировать и записать, неявное подчиняется лишь внутреннему укладу нашего восприятия и автоматически усваивается, словно мы учим родной язык в детстве: без правил грамматики, но через ежедневное общение

Полани отмечал, что неявное знание невозможно передать «упаковкой» инструкций или сводом правил – для этого требуется близкое взаимодействие и взаимное доверие. Именно поэтому пилот, натасканный на данные датчиков, в моменты экстренного захода на посадку полагается не на них, а на внутреннее чутьё, которое нельзя выразить ни одной формулой

Эта мысль приобрела новую актуальность в эпоху искусственного интеллекта. Когда мы создаём автопилоты, системы диагностики или чат-боты для терапии, мы неизбежно сталкиваемся с тем, что машина может обработать огромные объёмы данных, но не «почувствовать» контекст целиком. Она воспроизводит шаблоны и статистические закономерности, но остаётся слепа к тому, что Полани называл «неявным знанием» – интуиции, гибкости, здравому смыслу. Именно поэтому десятилетия и миллиарды инвестиций в разработку самообучающихся автомобилей так и не решили проблемы непредсказуемого бокового порыва ветра или забега непослушного пса перед камерой робота-пылесоса

Экономист Дэвид Автор добавляет аргумент: несмотря на ускоряющуюся автоматизацию, мы наблюдаем не полную замену людей машинами, а рост поляризации рынка труда. С одной стороны, растут высокооплачиваемые профессии, требующие абстрактного мышления и творческого подхода; с другой — низкооплачиваемые работы, где важна ручная ловкость и способность мгновенно реагировать на окружение. Средний класс, занятой «рутинными» задачами, сокращается, потому что именно эти работы легче всего алгоритмизировать

Конечно, оптимисты указывают, что современные нейросети научились «догадываться» о правилах, неявно скрытых в примерах, – вспомнить триумф AlphaGo над Ли Седолем в 2016 году, когда DeepMind создала программу, самостоятельно вырабатывавшую стратегии из тысячи партий

Технологии стимулируют смещение спроса в сторону навыков, трудно формализуемых и не покрываемых автоматизацией, так что качайте софты, друзья #длиннопост