Текст книги "Власть роботов. Как подготовиться к неизбежному"

Грядущая революция ии в традиционной розничной торговле и индустрии фастфуда

Агентство Bloomberg опубликовало 3 декабря 2019 года статью под названием «Роботы во втором проходе» (Robots in Aisle Two), посвященную проникновению искусственного интеллекта, роботизации и автоматизации в американские традиционные розничные магазины. В статье, написанной бизнес-репортером Мэтью Бойлом, отмечалось, что ведущие продовольственные сети особенно заинтересованы в освоении новых технологий, в которых они видят средство защиты от прихода на этот рынок компании Amazon. Скучная сфера торговли продовольственными товарами, где последней крупной инновацией стало внедрение сканеров для штрихкодов в конце 1970-х годов, спешно бросилась экспериментировать с новыми технологиями на основе ИИ, в частности с «роботами для сканирования полок, программным обеспечением для динамического ценообразования, умными тележками, системами мобильных касс и автоматизированными мини-складами в подсобных помещениях»[57]57
  Matthew Boyle, “Robots in aisle two: Supermarket survival means matching Amazon,” Bloomberg, December 3, 2019, www.bloomberg.com/features/2019-automated-grocery-stores/.


[Закрыть].

Вместе с тем в статье цитировалось очень сдержанное высказывание одного из инсайдеров сферы розничной торговли. «Вы нескоро увидите роботов в сети Target, – сказал ее гендиректор. – Участие человека по-прежнему очень важно»[58]58
  Там же.


[Закрыть]. Примерно за два дня до появления этой статьи на сайте Bloomberg в китайском Ухане был зафиксирован первый случай заболевания COVID-19. В следующие несколько месяцев все наши соображения, связанные с воспринимаемой ценностью «участия человека», были обнулены и пересмотрены. Не приходится сомневаться, что практически в любой среде, где работники непосредственно контактируют с потоком клиентов, коронакризис должен существенно ускорить движение к автоматизации. Это верно не только из-за проблем с социальным дистанцированием и гигиеной, но и вследствие неизбежного увеличения фокуса на эффективность после экономического спада, вызванного вирусом. Скорее всего, даже когда текущий кризис уйдет в историю – а это произойдет не ранее чем появится общедоступная эффективная вакцина или лечение, – зародившаяся тенденция окажется необратимой.

Ретейлеры разного масштаба, от местных продуктовых магазинов до национальных и региональных сетей, энергично движутся к использованию роботов, способных решать специализированные задачи. Например, Brain Corporation, производитель автономных роботов для мытья полов, резко увеличила продажи после того, как спровоцированный коронавирусом кризис создал потребность в тщательной уборке магазинов каждую ночь. Walmart планировала разместить такие машины более чем в 1800 своих магазинов в США к концу 2020 года[59]59
  Nathaniel Meyersohn, “Grocery stores turn to robots during the coronavirus,” CNN Business, April 7, 2020, www.cnn.com/2020/04/07/business/grocery-stores-robots-automation/index.html.


[Закрыть]. Розничный гигант также использует сортировочные машины, помогающие распределять поступающие товары по отделам по мере разгрузки грузовиков. Ретейлеры вкладывают деньги в роботов для контроля запасов на полках магазинов. К лету 2020 года Walmart планировала оснастить по меньшей мере тысячу своих магазинов машинами высотой 2 м с 15 камерами для самостоятельного инспектирования полок и считывания штрихкодов[60]60
  Shoshy Ciment, “Walmart is bringing robots to 650 more stores as the retailer ramps up automation in stores nationwide,” Business Insider, January 13, 2020, www.businessinsider.com/walmart-adding-robots-help-stock-shelves-to-650-more-stores-2020-1.


[Закрыть]. Данные, собранные роботами, передаются алгоритмам, которые следят за товарными запасами и сразу сообщают работникам о необходимости пополнить их. Анализ выявил прямую связь между отсутствием товаров на полках и снижением продаж магазина, поэтому появление роботов-учетчиков сразу же повышает прибыльность и одновременно удовлетворенность клиентов посещением магазина. Алгоритмы машинного обучения используются для управления всем, от товарных запасов до выбора товаров и размещения конкретных позиций в магазине. Благодаря этим мерам традиционные ретейлеры начинают пользоваться преимуществами искусственного интеллекта того же типа, который Amazon столь эффективно применяет в своей онлайновой торговле.

Одной из самых актуальных тенденций сегодня является создание так называемых мини-центров исполнения заказов в подсобных помещениях традиционных продуктовых магазинов. Такие центры организуются рядом стартапов, включая Takeoff Technologies и израильский Fabric, которые автоматизируют процессы приема и исполнения заказов во многом точно так же, как это делается в значительно более крупных распределительных центрах. Мини-центры помогают продуктовым магазинам эффективно осуществлять доставку онлайновых заказов, они способны обрабатывать до 4000 заказов в неделю[61]61
  Jennifer Smith, “Grocery delivery goes small with micro-fulfillment centers,” Wall Street Journal, January 27, 2020, www.wsj.com/articles/grocery-delivery-goes-small-with-micro-fulfillment-centers-11580121002.


[Закрыть]. Благодаря тому, что онлайновые операции отделены от работы основного магазина, эта технология позволяет универсамам не отправлять работников за товарами в торговый зал, где может скапливаться много людей, и не затрагивать запасы товаров в зонах обслуживания покупателей, которые и без того быстро снижаются во времена спровоцированного коронавирусом ажиотажного спроса. Хотя мини-центрам недоступен эффект масштаба, обеспечивающий ценовое преимущество более крупным складам, первоначальные капиталовложения и трудоемкость их организации заметно сокращаются, что является важным плюсом для мелких сетей и независимых магазинов.

В общем, роботы, используемые в сфере розничной торговли, обладают теми же достоинствами и недостатками, что и работающие на складах или фабриках. Машины эффективно переносят и сортируют материалы в подсобных помещениях магазина, перемещаются по проходам между стеллажами, моют полы и считывают штрихкоды. Чего они в настоящее время не могут делать – заполнять товарами полки. Фундаментальное ограничение, мешающее революции роботизации идти вширь, почти всегда проблема ловкости. Роботы пока не умеют брать с полок на складе предметы, отличающиеся огромным разнообразием; не способны они и решить еще более сложную задачу размещения товаров на полках розничных магазинов. Эта ситуация неизбежно изменится с появлением по-настоящему ловких роботов.

Важно также отметить, что меняется бизнес-модель розницы. Большинство традиционных магазинов испытывают сильное давление со стороны Amazon и других онлайновых ретейлеров, и, по всей видимости, продажи продолжат постепенно перетекать из традиционной среды розничной торговли в гигантские и все более автоматизированные распределительные центры, управляемые поставщиками услуг электронной торговли. Даже в секторе продовольственных товаров онлайновые заказы и доставка становятся все более популярными, а когда почти всем пришлось сидеть дома в разгар коронакризиса, их объемы резко увеличились. Время покажет, является ли это изменение предпочтений покупателей постоянным, но похоже, что, как только потребители привыкнут к удобству доставки продуктов питания прямо к двери, трансформация закрепится. Это может привести к общей перестройке розничных продовольственных магазинов: автоматизированные операции в их подсобных помещениях станут более важными, а торговые залы и товарные запасы в них постепенно сократятся. Со временем мы можем стать свидетелями появления продовольственных магазинов, представляющих собой, в сущности, склады, предлагающие почти мгновенную доставку или комплектацию заказа. Возможно, в них будут маленькие зоны, где покупатели смогут посмотреть на товары, прежде чем сделать заказ через терминал или мобильное устройство.

Для развития одной особенно важной тенденции в автоматизации розничной торговли не требуются ловкие роботы да и вообще какие-либо движущихся части. В совершенно новой модели ретейла – бескассовом магазине – покупатели проходят вдоль стеллажей, берут с полок товары и просто уходят: ни очереди в кассу, ни кассира или хотя бы очевидного механизма оплаты. Эта концепция родилась с появлением магазинов Amazon Go в 2018 году. Чтобы попасть в магазин площадью порядка 200 квадратных метров, покупатели сначала активируют приложение в своем смартфоне, затем сканируют его, проходя через турникет наподобие тех, что стоят на станциях метро. В магазине они просто забирают товары с полок и сразу кладут в свою сумку. Возможность этого обеспечивает сочетание датчиков и видеокамер, размещенных группами на потолке по всему магазину. Подробности Amazon не раскрывает, но известно, что камеры могут безошибочно отслеживать, какие продукты взяты с полок, после чего данные обрабатываются системами глубокого обучения с функцией распознавания образов, которые надежно фиксируют покупки каждого клиента по мере того, как он идет между стеллажами и отбирает товары.

Технология несовершенна и порой случаются недостачи, однако намеренно обмануть систему невероятно трудно. Например, клиенты могут взять товар, снова поставить его на полку, в том числе в другом месте, затем взять снова, и покупка будет корректно учтена. Попытки похитить (скажем, заслонить товар перед тем, как снять его с полки, или быстро сунуть в карман, а не в сумку для покупок) редко оказываются успешными. Когда покупатель выходит из магазина через турникет, стоимость покупок автоматически списывается с его счета в Amazon[62]62
  Nick Wingfield, “Inside Amazon Go, a store of the future,” New York Times, January 21, 2018, www.nytimes.com/2018/01/21/technology/inside-amazon-go-a-store-of-the-future.html.


[Закрыть].

Amazon открыла магазины Go в 26 точках крупнейших городов США и, согласно одному отчету, предполагает со временем открыть в Соединенных Штатах до 3000 магазинов[63]63
  Spencer Soper, “Amazon will consider opening up to 3,000 cashierless stores by 2021,” Bloomberg, September 29, 2018, www.bloomberg.com/news/articles/2018-09-19/amazon-is-said-to-plan-up-to-3-000-cashierless-stores-by-2021.


[Закрыть]. В феврале 2020 года компания объявила о начале работы первого полноценного бескассового гастронома. В супермаркете площадью без малого 1000 квадратных метров в пригороде Сиэтла Кэпитол-Хилл продается около 5000 наименований товаров. Хотя Amazon, как обычно, является крупнейшим игроком, в гонке за вывод этой технологии на рынок участвует и несколько стартапов. Например, Accel Robotics в декабре 2019 года получила венчурный капитал в размере $30 млн на разработку своей технологии grab and go[64]64
  «Взял и пошел». – Прим. пер.


[Закрыть]. Другие стартапы, в том числе Trigo, Standard Cognition и Grabango, получили от инвесторов каждая минимум $10 млн[65]65
  Paul Sawyers, “SoftBank leads $30 million investment in Accel Robotics for AI-enabled cashierless stores,” VentureBeat, December 3, 2019, venturebeat.com/2019/12/03/softbank-leads-30-million-investment-in-accel-robotics-for-ai-enabled-cashierless-stores/.


[Закрыть]. По сообщениям, Amazon продает лицензию на свою технологию другим ретейлерам[66]66
  Jurica Dujmovic, “As coronavirus hits hard, Amazon starts licensing cashier-free technology to retailers,” MarketWatch, March 31, 2020, www.marketwatch.com/story/as-coronavirus-hits-hard-amazon-starts-licensing-cashier-free-technology-to-retailers-2020-03-31.


[Закрыть]. Иными словами, скоро возникнет оживленный и высококонкурентный рынок технологий управления магазинами без кассовых аппаратов. С учетом этого высоки шансы перехода многих ныне действующих ретейлеров на новую модель.

Если бескассовые магазины станут популярными, то в сфере розничной торговли может произойти масштабное подрывное изменение, которое поставит под удар рабочие места более чем 3,5 млн кассиров в одних только Соединенных Штатах. Эти магазины не только делают процесс покупок более удобным и экономят время, которое прежде тратилось на очереди в кассу, но и прекрасно вписываются в будущее, сформированное пандемией коронавируса, поскольку обеспечивают абсолютно бесконтактную оплату, когда не нужно даже приближаться к какому-либо работнику. Как ни парадоксально, с началом пандемии Amazon временно закрыла большую часть своих магазинов Go, возможно, из-за их популярности и, как следствие, длинных очередей покупателей. Однако в долгосрочной перспективе эта технология представляется идеальной в мире, где социальное дистанцирование, по крайней мере временно, ставится во главу угла.

Другой сектор, где я ожидаю существенной роботизации и автоматизации в сравнительно близком будущем, – отрасль быстрого питания. Например, McDonald’s уже сделала шаг в этом направлении, установив в своих ресторанах во всем мире терминалы самообслуживания с сенсорными экранами. По имеющимся данным, в 2019 году компания потратила на эти аппараты почти миллиард долларов и собирается установить их практически во всех своих точках в США[67]67
  Eric Rosenbaum, “Panera is losing nearly 100 % of its workers every year as fast-food turnover crisis worsens,” CNBC, August 29, 2019, www.cnbc.com/2019/08/29/fast-food-restaurants-in-america-are-losing-100percent-of-workers-every-year.html.


[Закрыть]. Терминалы самообслуживания уже привычны и в европейских ресторанах McDonald’s.

Приготовление пищи в подсобных помещениях ресторанов также, вероятно, будет автоматизироваться в ближайшее время. Этот процесс уже в значительной мере разбит на ряд рутинных действий. Такой подход объясняется отраслевой стратегией по сохранению низкой оплаты труда и приспособлению к высокой текучести кадров, достигавшей в 2019 году 150 %[68]68
  Там же.


[Закрыть]. Вследствие механического характера этих работ чрезвычайно вероятно, что их исполнители постепенно будут заменяться автоматами.

Одним из самых успешных примеров этого является Creator, Inc. из Сан-Франциско. Сложный, эстетично оформленный робот в первом ресторане компании, открывшемся в районе Саут-оф-Маркет, способен выдавать по безупречному гамбургеру каждые 30 секунд. Клиенты заказывают гамбургеры через мобильное приложение, и робот выполняет заказы с начала и до конца, при этом ни один человек не прикасается к пище. Машина еще и обеспечивает приятные мелочи, которые найдешь не в каждом шикарном ресторане, где работают повара-люди. Для каждого бургера готовится свежий фарш и трется сыр, режутся булочки и измельчаются овощи. Creator продает свои бургеры по $6 – примерно в два раза дешевле, чем пришлось бы заплатить за такое же качество в других ресторанах. Цель компании не производство дешевых гамбургеров руками робота, а снижение затрат на рабочую силу для того, чтобы больше вложить в качество блюда. Около 40 % стоимости продукции Creator приходится на продукты, тогда как в типичном ресторане эта доля может составлять 30 %[69]69
  Kate Krader, “The world’s first robot-made burger is about to hit the Bay Area,” Bloomberg, June 21, 2018, www.bloomberg.com/news/features/2018-06-21/the-world-s-first-robotic-burger-is-ready-to-hit-the-bay-area.


[Закрыть].

Оказывается, сконструировать и произвести машину для полностью автоматического изготовления первоклассного гамбургера – нетривиальная задача. Creator была основана в 2012 году, и я писал об этой компании, которая тогда называлась Momentum Machines, в своей книге «Роботы наступают». Потребовалось больше шести лет работы над аппаратной и программной частями, прежде чем удалось отправить робота в производство и в июне 2018 года открыть ресторан в Сан-Франциско. Теперь же эта компания, получавшая финансирование от Google Ventures и других ведущих венчурных фондов из Кремниевой долины, готова быстро внедрять свою технологию и, может быть, продавать на нее лицензии другим ресторанам.

Скорее всего, по пути Creator, создающей автоматы для производства шедевральных гамбургеров, скоро пойдут другие стартапы, которые будут специализироваться на роботах для выпуска дешевых стандартизированных бургеров. Думаю, со временем крупнейшие сети фастфуда, как и мелкие рестораны, неизбежно начнут внедрять эти технологии. Как только крупнейший участник рынка сделает это и сумеет заработать, законы конкуренции практически гарантируют всеобщую автоматизацию.

Процесс не ограничится гамбургерами. Предприниматели найдут возможности использовать роботов для приготовления любых блюд, от пиццы до тако и вашего любимого кофе. Разумеется, устоявшееся мнение, что в этой отрасли клиенты предпочитают иметь дело с сотрудниками, а не с роботами, легко может превратиться в свою противоположность из-за коронакризиса. Машина, способная сделать готовое блюдо при полном отсутствии контакта с человеком, неожиданно может стать существенным рыночным преимуществом. Сейчас, когда я это пишу, многие рестораны мира ограничили обслуживание торговлей навынос. Если при продолжении кризиса предпочтения клиентов изменятся в пользу еды навынос, это еще сильнее подорвет преимущества, обеспечиваемые контактом с человеком, и, вполне вероятно, ускорит переход к автоматизации фастфуда.

Искусственный интеллект в сфере здравоохранения

В течение полувека, с 1970 по 2019 год, расходы Соединенных Штатов на здравоохранение, выраженные в виде доли ВВП, выросли в два с лишним раза, примерно с 7 до почти 18 %[70]70
  John Elflein, “U.S. health care expenditure as a percentage of GDP 1960–2020,” Statista, June 8, 2020, www.statista.com/statistics/184968/us-health-expenditure-as-percent-of-gdp-since-1960/.


[Закрыть]. Темпы роста затрат на эту сферу в других развитых странах не так высоки, и суммы, расходуемые в настоящее время, меньше, чем в США, но общая картина аналогична. В таких странах, как Германия, Швейцария и Великобритания, расходы в виде доли ВВП по меньшей мере удвоились за тот же период[71]71
  “Healthcare expenditure and financing,” OCED.stat, accessed May 15, 2020, stats.oecd.org/Index.aspx?DataSetCode=SHA.


[Закрыть]. Главной движущей силой этой общемировой тенденции является так называемая болезнь издержек, или эффект Баумоля, – явление, изученное экономистами Уильямом Баумолем и Уильямом Боуэном, которые описали его в своей книге о болезни издержек в сфере сценических видов искусства, вышедшей в 1966 году[72]72
  William J. Baumol and William G. Bowen, Performing Arts, The Economic Dilemma: A Study of Problems Common to Theater, Opera, Music and Dance, MIT Press, 1966.


[Закрыть].

Суть болезни издержек состоит в том, что некоторые отрасли экономики, прежде всего здравоохранение и высшее образование, требуют нестандартного и немасштабируемого труда высококвалифицированных работников, вследствие чего в них нет роста производительности, наблюдающегося в экономике в целом. Например, благодаря непрерывному процессу автоматизации в производстве выработка отдельно взятого рабочего невероятно выросла. То же самое наблюдается в таких сферах, как розничная торговля и быстрое питание, где внедрение новых технологий, более эффективная организация рабочего пространства, совершенствование методов управления и бизнес-моделей – включая появление супермаркетов и онлайновой торговли – также сильно повысили производительность труда. Однако в здравоохранении пациентам по-прежнему требуется индивидуальный подход со стороны врачей, медсестер и других квалифицированных профессионалов. Бесспорно, новые знания и технологии повысили качество медицинского обслуживания и значительно увеличили успешность лечения, но до сих пор не увеличили производительность работников сферы здравоохранения, как это произошло с промышленными рабочими. Тем не менее уровень оплаты труда в сфере медицинского обслуживания должен расти, чтобы не отстать от роста зарплат работников более продуктивных отраслей. В противном случае врачи и медсестры будут уходить из профессии ради более привлекательных вариантов занятости (или вообще в нее не придут). В результате доля расходов на здравоохранение в экономике неуклонно растет[73]73
  Michael Maiello, “Diagnosing William Baumol’s cost disease,” Chicago Booth Review, May 18, 2017, review.chicagobooth.edu/economics/2017/article/diagnosing-william-baumol-s-cost-disease.


[Закрыть].

Одна из самых заманчивых перспектив и сложнейших задач искусственного интеллекта – его превращение в средство от болезни издержек. Окажется ли искусственный интеллект технологией, которая в конце концов переломит кривую роста затрат на здравоохранение, обеспечив повышение производительности труда в этой сфере? Пока этого не произошло, но, безусловно, имеются веские основания ожидать существенного эффекта от внедрения ИИ в долгосрочной перспективе.

Роботы уже добились значительных успехов в больницах, но на них распространяются те же принципиальные ограничения, которые мы видели в складском хозяйстве и розничных магазинах. Например, быстро растет популярность роботов-дезинфекторов. Эти машины могут создавать виртуальную карту пространства больницы и автономно перемещаться по нему, обрабатывая поверхности мощным ультрафиолетовым излучением. В отличие от человека, робот не пропустит ни одного уголка. Ультрафиолет быстро разрушает РНК и ДНК вирусов и бактерий, и примерно за 15 минут комната среднего размера оказывается полностью продезинфицированной. Эта процедура оказалась существенно более эффективной, чем применение жидких дезинфицирующих средств, особенно после появления у самых опасных «супербактерий» устойчивости к этим химическим веществам. В первые три месяца пандемии коронавируса спрос на роботов-дезинфекторов одного из производителей, Xenex из Сан-Антонио, вырос на 400 %[74]74
  “7 healthcare robots for the smart hospital of the future,” Nanalyze, April 6, 2020, www.nanalyze.com/2020/04/healthcare-robots-smart-hospital/.


[Закрыть].

Другие роботы автономно перемещаются по больничным коридорам и лифтам, развозя лекарства, постельное белье и медицинские принадлежности. Роботы самостоятельно перевозят тяжелые грузы и периодически возвращаются на станции зарядки аккумуляторов. Аналогично многочисленные фармацевтические роботы, которые с неизменной точностью готовят и смешивают препараты в соответствии с тысячами рецептов, повысили эффективность и снизили число ошибок в дозировке лекарств в крупных больницах. Машины работают в полностью автоматическом режиме: с того момента, когда лечащий врач вводит рецепт в компьютерную систему больницы, ни один человек не прикасается к лекарствам до тех пор, пока робот их не упакует и не снабдит штрихкодом для отслеживания. Система также следит за запасом медикаментов и ежедневно автоматически генерирует заказы для его пополнения[75]75
  Daphne Sashin, “Robots join workforce at the new Stanford Hospital,” Stanford Medicine News, November 4, 2019, med.stanford.edu/news/all-news/2019/11/robots-join-the-workforce-at-the-new-stanford-hospital-.html.


[Закрыть].

Это важные достижение, но опять-таки они ограничены самыми рутинными сторонами работы, которая должна выполняться в медицинских учреждениях. Никакой робот не способен заменить докторов и медсестер при выполнении медицинских процедур, требующих высокой квалификации. Хирургические роботы, такие как система da Vinci, ставшие очень популярными, увеличивают возможности хирургов, но они неавтономны. Врач, который в ином случае выполнял бы операцию своими руками, теперь управляет роботом. Возможно, пациенту результат нравится больше, но резкого сокращения времени работы хирурга и бригады ассистентов не произошло. Манипуляции, выполняемые врачами и медсестрами, невероятно трудны для искусственного интеллекта, потому что требуют высочайшей ловкости в сочетании с навыками решения проблем и межличностного взаимодействия, а также способности действовать в непредсказуемой обстановке, где каждая ситуация и каждый пациент уникальны. Что касается роботов для терапевтической помощи, то влияние эффекта масштаба на производительность, наблюдаемое на фабриках и складах, представляется делом далекого будущего. Для его достижения потребуется не только невероятное увеличение ловкости роботов, но и, весьма вероятно, универсальный ИИ или нечто очень к нему близкое.

С учетом ограничений «железных» роботов похоже, что существенное влияние ИИ на здравоохранение в ближайшее время будет достигнуто в области задач, для выполнения которых не нужны движущиеся части. Иными словами, искусственный интеллект проявит себя в обработке информации и таких сугубо интеллектуальных видах деятельности, как диагностика или составление планов лечения. Расшифровка медицинских снимков с использованием машинного зрения особенно многообещающая область. Ряд исследований показал, что системы глубокого обучения во многих случаях способны сравняться с рентгенологами или превосходить их. Например, в исследовании, обнародованном группой ученых из Google и нескольких медицинских школ в 2019 году, система глубокого обучения проявила себя лучше, чем рентгенологи, в диагностике рака легких по КТ-снимкам. Система Google была точна в 94,4 % случаев, «превзошла всех шестерых рентгенологов» в тех случаях, когда отсутствовали результаты предыдущего КТ-сканирования пациента, и «была наравне с теми же рентгенологами», если имелась возможность сравнивать результаты свежего сканирования с предшествующим исследованием[76]76
  Diego Ardila, Atilla P. Kiraly, Sujeeth Bharadwaj et al., “End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography,” Nature Medicine, volume 25, pp. 954–961 (2019), May 20, 2019, www.nature.com/articles/s41591-019-0447-x.


[Закрыть].

Рентгенологические системы на основе ИИ использовались в экстренном порядке в некоторых случаях, когда возникала опасность перегрузки больниц из-за пандемии коронавируса. На пике дефицита тестов для выявления COVID-19 рентгенограмма грудной клетки, выявляющая симптомы пневмонии, стала важным альтернативным методом диагностики. В некоторых больницах накапливались необработанные снимки, с потоком которых рентгенологи просто не справлялись, что на шесть и более часов задерживало постановку диагноза. Для решения этой проблемы два производителя диагностических инструментов на основе ИИ, Qure.ai из Мумбаи и корейская компания Lunit, быстро перенастроили свои системы на выявление коронавируса. Одно исследование обнаружило, что система Qure.ai с точностью 95 % отличала COVID-19 от других причин пневмонии[77]77
  Karen Hao, “Doctors are using AI to triage COVID-19 patients. The tools may be here to stay,” MIT Technology Review, April 23, 2020, www.technologyreview.com/2020/04/23/1000410/ai-triage-covid-19-patients-health-care.


[Закрыть].

Подобные результаты порождают энтузиазм, который порой выливается в хайп. Даже некоторые эксперты по глубокому обучению считают почти данностью, что в относительно близком будущем системы ИИ полностью заменят рентгенологов. Лауреат премии Тьюринга Джеффри Хинтон, пожалуй самый видный пропагандист глубокого обучения, в 2016 году сказал, что «теперь мы можем перестать учить рентгенологов», поскольку «в течение пяти лет глубокое обучение будет показывать лучшие результаты, чем люди». Хинтон сравнил врачей с Хитрым Койотом, персонажем мультфильма «Дорожный бегун», который, как известно, часто оказывается «уже за краем обрыва» и лишь потом смотрит вниз и падает в бездну[78]78
  Creative Distribution Lab, “Geoffrey Hinton: On radiology (video),” YouTube, November 24, 2016, http://www.youtube.com/watch?reload=9&v=2HMPRXstSvQ. (Фрагмент конференции 2016 года «Машинное обучение и рынок интеллекта».)


[Закрыть]. Однако через четыре года после заявления Хинтона нет никаких свидетельств нависшей над рентгенологами угрозы безработицы. Практикующие специалисты энергично оспаривают утверждение, будто их профессия скоро исчезнет. В сентябре 2019 года Алекс Братт, врач с факультета рентгенологии Стэнфордской медицинской школы, опубликовал комментарий под названием «Почему рентгенологам незачем бояться глубокого обучения» с доказательствами того, что системы анализа рентгеновских снимков на основе глубокого обучения не обладают гибкостью и целостным мышлением и их применимость в общем ограничена простыми случаями. По его словам, системы ИИ не способны объединять информацию из «истории болезни, результатов анализов, предыдущих снимков» и тому подобного. Таким образом, эта технология пока что работает прекрасно лишь в «случаях, которые можно надежно выявить на основании лишь одного снимка (или нескольких последовательных снимков), не обращаясь к клинической информации или предшествующим обследованиям»[79]79
  Alex Bratt, “Why radiologists have nothing to fear from deep learning,” Journal of the American College of Radiology, volume 16, issue 9, Part A, pp. 1190–1192 (September 2019), April 18, 2019, www.jacr.org/article/S1546-1440(19)30198-X/fulltext.


[Закрыть]. Я подозреваю, что Джефф Хинтон заявил бы на это, что такие ограничения неизбежно будут преодолены, и очень вероятно, что в долгосрочной перспективе он окажется прав, но, на мой взгляд, мы увидим постепенный процесс, а не резкое подрывное изменение.

Картина дополняется множеством других серьезных препятствий, из-за которых очень трудно в обозримом будущем оставить без работы рентгенологов или медиков любых других специальностей. Практически все аспекты здравоохранения зарегулированы подчас многочисленными инстанциями с пересекающимися полномочиями. Совершенно вывести из игры лицензированных врачей будет очень непросто. Авторитет таких организаций, как Американская медицинская ассоциация, дает докторам намного больше власти над собственной судьбой, чем большинству других работников. Существуют также важные вопросы юридической ответственности. Ошибка с плохими последствиями для пациента легко может обернуться судебным преследованием. Пока эта ответственность распределена между тысячами врачей. Если работу будет выполнять не врач, а устройство или алгоритм, разработанный и поставленный заказчику богатой корпорацией, это приведет к концентрации ответственности и может спровоцировать поток судебных исков. Все эти препятствия, наверное, будут преодолены в перспективе, но в обозримом будущем, на мой взгляд, вопрос состоит не в том, заменит ли ИИ рентгенологов, а в том, сможет ли он существенно повысить производительность их труда. Если глубокое обучение позволит рентгенологам анализировать существенно больше снимков за определенный период времени, а также моментально обеспечит их вторым квалифицированным мнением, сводящим ошибки к минимуму, это расширит возможности каждого доктора и сможет со временем заставить студентов-медиков выбирать другую специальность, реагируя на естественный рыночный спрос.

Конечно, визуальные образы не единственный вид информации, поддающийся обработке с помощью алгоритмов глубокого обучения. Переход к электронным медицинским картам создал огромный источник данных, во многих отношениях идеально подходящий для применения искусственного интеллекта. Задействование этого источника для повышения эффективности, сокращения затрат и улучшения результатов лечения пациентов, пожалуй, самый многообещающий вариант использования ИИ в здравоохранении в ближайшем будущем. По некоторым данным, врачебные ошибки – третья по распространенности причина смерти в Соединенных Штатах, уступающая только онкологическим и сердечным заболеваниям. До 440 000 американцев умирают ежегодно вследствие ошибок, которые можно было предотвратить[80]80
  Ray Sipherd, “The third-leading cause of death in US most doctors don’t want you to know about,” CNBC, February 22, 2018, www.cnbc.com/2018/02/22/medical-errors-third-leading-cause-of-death-in-america.html.


[Закрыть]. Особенно часты случаи назначения неправильного лекарства или неверной дозы.

В исследовании 2019 года ИИ-приложению израильского стартапа MedAware предоставили данные о почти 750 000 взаимодействий с пациентами бостонской клиники Brigham and Women’s Hospital в 2012 и 2013 годах. Оно выявило почти 11 000 ошибок. Анализ результатов показал, что программа MedAware в 92 % случаев верно обнаруживала допустимые ошибки, почти 80 % выданных ею предупреждений стали источником ценной клинической информации, и больше двух третей этих ошибок не были бы обнаружены существующими системами клиники. Исследование показало, что в дополнение к улучшению результатов лечения пациентов – а может быть, и спасению жизней – клиника сэкономила бы около $1,3 млн затраченных на устранение ошибок[81]81
  Elise Reuter, “Study shows reduction in medication errors using health IT startup’s software,” MedCity News, December 24, 2019, medcitynews.com/2019/12/study-shows-reduction-in-medication-errors-using-health-it-startups-software/.


[Закрыть].

Один из самых известных случаев применения ИИ для обработки данных о пациентах произошел в 2016 году, когда DeepMind заключила пятилетнее соглашение об обмене данными с Национальной службой здравоохранения Великобритании (NHS). NHS предоставила DeepMind доступ к информации более чем о миллионе пациентов. К числу разработанных компанией пилотных приложений относилась система, способная анализировать медицинские карты и результаты анализов и немедленно уведомлять сотрудников NHS об угрозе острой почечной недостаточности, а также система на основе ИИ, способная диагностировать болезни глаз на основании медицинских снимков порою точнее, чем врачи. Несмотря на многообещающий прогресс, соглашение вызвало полемику в 2019 году, когда программа была передана Google, материнской компании DeepMind. Сразу же возникли опасения, что технологический гигант получит доступ к данным NHS о пациентах, хотя Google и сообщила о введении строгой политики конфиденциальности и тщательной анонимизации данных[82]82
  Adam Vaughan, “Google is taking over DeepMind’s NHS contracts – should we be worried?” New Scientist, September 27, 2019, www.newscientist.com/article/2217939-google-is-taking-over-deepminds-nhs-contracts-should-we-be-worried/.


[Закрыть]. Это очередная иллюстрация того, как факторы, помимо возможностей технологии – в данном случае кажущаяся угроза персональным данным, – могут существенно замедлить внедрение искусственного интеллекта в сфере здравоохранения.

Наиболее поразительны примеры успешного применения искусственного интеллекта в области психического здоровья. Стартап Woebot Labs из Кремниевой долины, основанный в 2017 году, создал чат-бот на основе технологии обработки естественного языка, аналогичной той, что используется в Alexa и Siri, дополнив ее элементами диалога, которые были тщательно подобраны психологами. По сути, идея Woebot состоит в автоматизации когнитивно-поведенческой терапии – проверенного метода помощи людям, страдающим от депрессии и тревоги. В течение недели после вывода чат-бота на рынок с ним поговорили больше 50 000 человек. Как отмечает основательница и генеральный директор стартапа Элисон Дарси, «Woebot доступен даже в два часа ночи в случае панической атаки, когда рядом нет, да и не может быть, психотерапевта»[83]83
  Clive Thompson, “May A.I. help you?” New York Times, November 14, 2018, www.nytimes.com/interactive/2018/11/14/magazine/tech-design-ai-chatbot.html.


[Закрыть]. Действительно, круглосуточная доступность чат-бота, в настоящее время бесплатного, совершенно новое явление в психотерапии, и это приложение удовлетворяет важнейшую потребность. Возможность получения профессиональной психологической помощи ограничена даже у многих работающих американцев, имеющих медицинскую страховку. Ситуация во многих развивающихся странах с низким уровнем медобслуживания значительно хуже. Там, где властям сложно обеспечить население хотя бы элементарной медицинской помощью, услуги квалифицированных психиатров и психологов практически недоступны большинству. Woebot регулярно общается с жителями более 130 стран, многие из которых взаимодействуют с этой службой, реализованной только на английском языке, через автоматизированного переводчика на основе ИИ[84]84
  Blair Hanley Frank, “Woebot raises $8 million for its AI therapist,” VentureBeat, March 1, 2018, venturebeat.com/2018/03/01/woebot-raises-8-million-for-its-ai-therapist/.


[Закрыть]. В мире, где все более очевидным становится кризис в области психического здоровья, который, по всей видимости, значительно усилится из-за стресса и тревоги, связанных с пандемией коронавируса, подобные инструменты – единственное доступное решение проблемы для многих людей. Я усматриваю определенную иронию в том, что именно та область здравоохранения, которую мы привыкли считать наиболее «человеческой» по своей природе, первой выиграла от масштабируемого роста производительности, обеспеченного ИИ, который когда-нибудь, как мы надеемся, преобразует всю эту сферу.