Текст книги "Расслабься. Гениальное исследование о том, как вовремя взятая пауза в разы увеличивает ваши результаты"

Итак, вот суть того, что действительно произошло между 2000 и 2007 годами: мы вошли в мир, где подключение стало быстрым, бесплатным, простым и повсеместным. Одновременно и обработка даных точно так же стала быстрой, бесплатной, простой и незаметной. У нас появилась возможность не только установить контакт с людьми, с которыми раньше мы не могли связаться, но и выполнять удивительные и такие сложные прежде операции касанием пальца. И когда мы собрали вместе подобные разработки, рождённые «сверхновой», компьютер стал на удивление мощным, дешёвым и простым, ибо впитал в себя «каждое устройство и каждый аспект нашей жизни и нашего общества», – как выразился Крейг Манди.

– Это делает мир не просто плоским, но и быстрым, – добавил Манди. – Естественное развитие – это объединение технологий, а затем их оперативное распространение повсюду. Таким образом, сводятся к минимуму трения со стороны всё большего числа предприятий, промышленных процессов и человеческих взаимодействий. Этот процесс, как масло – он просачивается в каждый закоулок, в поры, добавляя жизни подвижности и эффективного взаимодействия: поскольку сила трения исчезает, всё начинает работать гораздо быстрее.

И действительно всё – будь то страна, куча данных, робот, вызов такси или аренда комнаты в Тимбукту.

И это произошло за первое десятилетие XXI века. Стоимость сбора, генерации, хранения и обработки данных рухнула так же сильно, как выросла скорость загрузки или выгрузки этих данных в облако или из него. Стив Джобс подарил миру мобильное устройство с таким удивительно простым пользовательским интерфейсом, подключением к Интернету и разнообразными программными приложениями, что с ним справится и двухлетний ребенок. Когда все эти линии пересеклись (подключение, повторю, стало быстрым, бесплатным, простым и повсеместным, а управление сложными технологиями быстрым, бесплатным, простым и незаметным), произошёл выброс освободившейся энергии. И благодаря ей люди стали создавать такие сервисы и машины, каких раньше мы не только не видели, но и не могли представить. Этот переломный момент случился около 2007 года.

– Мобильность открывает массовый рынок, широкополосный доступ даёт доступ к информации в цифровом виде, а в облаке хранятся программные приложения. Их можно использовать в любое время в любом месте, и стоимость пользования равна нулю. Совокупность этих факторов меняет всю картину мира в целом, – так оценивает ситуацию Ханс Вестберг, бывший генеральный директор Ericsson Group.

Здесь что-то вроде «фазового перехода» в химии от твёрдого состояния к жидкому. В чём особенность твёрдой субстанции? Её движению препятствует сила трения. В чём особенность жидкости? Ей сила трения практически не мешает. Когда вы одновременно избавляетесь от трения и сложности во всё большем количестве ситуаций и предоставляете интерактивные решения «в одно касание», случается тот самый фазовый переход. Все виды взаимодействия между людьми или предприятиями переходят «от твёрдого состояния к жидкому», от медленного к быстрому, от сложности, ставшей для многих преградой, до сложности, ставшей невидимой и свободной от трения. И поэтому всё, что вы хотите сделать – переместить файл, что-то вычислить, проанализировать или просто общаться, – можно сделать с меньшими усилиями.

Сегодня Кремниевая долина работает под единым девизом: всё аналоговое оцифровывается, всё оцифрованное хранится, всё хранимое анализируется программным обеспечением на более мощных вычислительных системах. И немедленно применяется машинное обучение, чтобы не только создавать новые вещи, но и заставить старые работать лучше и принципиально новыми способами.

Например, изобретение службы такси Uber удовлетворяет всем трём пунктам. Ведь это не просто новый конкурентоспособный таксопарк – Uber создал принципиально лучший способ вызова такси, сбора данных о потребностях и возможностях, оплаты проезда и оценки поведения водителя и пассажира. Такого рода преобразования сегодня происходят в каждом бизнесе благодаря высвобождению энергии «сверхновой». Довольно часто причина сложного и, следовательно, дорогостоящего решения заключается в том, что нужная вам информация недоступна или непригодна для использования. Это затрудняет сбор соответствующих данных и превращение их в применимые знания. Но когда сбор, хранение и передача данных в облако, а также их анализ с помощью программных приложений становятся практически беспрепятственными, происходит важный прорыв: теперь любая система может быть оптимизирована до уровня пиковой производительности гораздо меньшими усилиями.

Вот лишь один пример: вспомним об исторической проблеме электричества, генерируемого ветром. Поскольку ветер дует с перерывами и генерируемый им ток не может храниться долго и в большом объёме, коммунальное предприятие, использующее энергию ветра, никогда не может быть полностью обеспечено достаточным запасом электричества. Способность ветра заменять энергию, вырабатываемую на угле, всегда была ограниченна. Но теперь программы для прогнозирования погоды, использующие аналитику больших данных, стали настолько интеллектуальными, что могут предсказать точный час, когда подует ветер, пойдёт дождь или повысится температура. Таким образом, коммунальная компания в таком городе, как Хьюстон, может за сутки вперёд узнать, будет ли следующий день особенно жарким. Если да, то спрос на кондиционирование воздуха будет расти, значит, спрос на электричество, потребляемое от ветряных генераторов, может превысить предложение. Сегодня программа уведомляет дома в Хьюстоне об автоматическом включении кондиционирования воздуха между 6 и 9 утра, когда ветер генерирует наибольшее количество энергии. Здания хорошо сохраняют прохладу, таким образом, комфорт обеспечивается на протяжении большей части дня. В результате количество энергии ветра, которое генерирует коммунальное предприятие, полностью соответствует спросу: не нужно беспокоиться о хранении его в батареях или о необходимости дополнительной выработки из угля. Невероятно сложная задача баланса «спрос – предложение» решена нулевой ценой – просто использован машинный интеллект и оптимизирована система. Другими словами, проблема решена программным обеспечением, и сегодня подобное происходит повсюду.

Но если эти преобразования реальны, то почему их так долго не видно в показателях производительности, предоставляемых экономистами, – в соотношении объёма производства товаров и услуг к рабочим часам, затраченным на производство продукции? Поскольку именно повышение производительности стимулирует рост, в экономической среде сейчас это важная и горячо обсуждаемая тема. Экономист Роберт Гордон в книге «Взлёты и падения американского роста: уровень жизни в США после гражданской войны», приведя убедительные аргументы, заявил, что время постоянного устойчивого роста, вероятно, позади. Он считает, что все большие успехи были достигнуты в «особом столетии» между 1870-м и 1970-м годами. Автомобили, радио, телевидение, бытовая сантехника, электрификация, вакцины, чистая вода, воздушные путешествия, центральное отопление, расширение прав и возможностей женщин, антибиотики – всё уже давно изобретено. Гордон скептически расценивает возможность того, что сегодняшние новые технологии когда-либо сделают ещё один скачок в производительности, сопоставимый с тем, особым веком.

Однако Эрик Бриньольфсон из MIT противопоставил пессимизму Гордона аргумент, который я считаю более убедительным. По мере перехода от индустриальной экономики к той, что основана на использовании компьютеров, Интернета, мобильной широкополосной связи – короче говоря, к экономике, основанной на «сверхновых» технологиях, мы испытываем растущие трудности адаптации к ним. И менеджеры, и работники должны освоить эти инновации и понять, как перестроить под них фабрики, правительственные нормативы и бизнес-процессы.

Примерно то же самое, отмечает Бриньольфсон, произошло 120 лет назад, во время Второй промышленной революции, когда в жизнь вошла электрификация – «сверхновая» той эпохи. Для повышения производительности недостаточно было просто электрифицировать старые фабрики. Оказалось, что необходимо пересмотреть все их бизнес-процессы. Потребовалось тридцать лет, чтобы одно поколение менеджеров и рабочих ушло на пенсию, а пришедшая им на смену генерация смогла в полной мере воспользоваться всеми преимуществами производительности нового источника энергии.

Исследование, проведённое в декабре 2015 года Глобальным институтом американской промышленности McKinsey, выявило значительный разрыв, возникающий со временем между наиболее оцифрованными секторами и остальной экономикой, и обнаружило, что, несмотря на массовый всплеск адаптации, за последние десять лет большинство секторов экономики едва ли смогли найти своё место в мире новых технологий. Поскольку менее оцифрованные секторы являются одними из самых крупных, с точки зрения вклада в ВВП и рынка труда, эксперты McKinsey считают, что экономика США в целом достигает только 18 % своего цифрового потенциала: «Соединенным Штатам необходимо адаптировать институты и методы обучения, чтобы помочь работникам приобрести соответствующие навыки и ориентироваться в сложном переходном периоде».

«Сверхновая» – мощный источник энергии, и обществу понадобится некоторое время, чтобы перестроиться и полностью использовать его потенциал. Верю, что, когда это произойдет, Бриньольфсон окажется прав, и мы увидим новые преимущества: широкий спектр новых открытий в области здравоохранения, обучения, городского планирования, транспорта, инноваций и торговли, – они и будут стимулировать экономический и производственный рост. Хотя эта дискуссия скорее для экономистов и выходит за рамки данной книги, надеюсь увидеть, чем она закончится.

Совершенно ясно, что, пусть «сверхновая» и не сделала пока нашу экономику заметно более продуктивной, она явно делает все виды технологий, а значит, отдельных людей и групп, компаний и заводов, машин и идей, более мощными и способными изменять окружающий мир с беспрецедентно меньшими усилиями, чем когда-либо прежде.

Если мечтаете стать создателем, предпринимателем, изобретателем или новатором – сегодня ваше время. Используя «сверхновую», вы можете сделать очень многое, имея в руках достаточно мало инструментов.

В своём эссе от 3 марта 2015 года на TechCrunch.com Том Гудвин, старший вице-президент по стратегии и инновациям в Havas Media, заметил: «Uber – крупнейшая в мире компания такси не имеет транспортных средств. Facebook – самый популярный в мире владелец СМИ, не создает контента. Alibaba – самый крупный продавец, не имеет товаров. А Airbnb – крупнейшая в мире компания, сдающая жилье, не владеет недвижимостью. Происходит нечто интересное».

Что-то в этом есть, и остальную часть главы я посвящу тому, как крупные и малые производители используют преимущества способностей, исходящих от «сверхновой», для создания совершенно новых продуктов и переосмысления действительно старого в более быстрое и умное. И не имеет значения, являетесь ли вы онкологом, традиционным ритейлером, передовым дизайнером, удалённым новатором в горах Восточной Турции или тем, кто хочет превратить дом на дереве на своем заднем дворе в центр прибыли и сдавать его в Сети для туристов, приезжающих из Нью-Йорка или Новой Гвинеи. В нынешнюю эпоху «сверхновой» наступает лучшее время для бизнес-творчества.

Я встретился и сфотографировался с оригинальным Ватсоном, когда посещал исследовательский центр IBM Томаса Дж. Уотсона в Йорктаун-Хайтс, Нью-Йорк. Ватсон мало что сказал. Сейчас он на пенсии. Но, хотя он и отключен от Сети, всё же заполняет своими стойками с серверами просторную комнату.

Мне довелось познакомиться и с внуком Ватсона. Он размером с большой чемодан. Хотя, по правде говоря, это макет – некое представление о том, как будет выглядеть сегодняшняя версия Ватсона спустя ещё два поколения закона Мура. Однако с технической точки зрения, нынешняя версия Ватсона – даже не тот большой чемодан, ибо теперь и он живет в облаке.

– Ватсон больше не скучает в отключённом от Сети ящике, он теперь живёт в Интернете, – объяснил Дэвид Яун, вице-президент IBM по коммуникациям. – Макет мини-Ватсона IBM собрала, чтобы проиллюстрировать, как сегодня мы можем уместить всю вычислительную мощь робота из «Jeopardy!» в чемодан. Но сам Ватсон теперь буквально – часть нашей «сверхновой». Он вышел за границы коробки или автономного сервера.

И в любом случае внук Ватсона никогда не будет тратить своё время на попытки победить человека в игре «Jeopardy!». Сейчас вам не 2011-й! Сегодня Ватсон занят обработкой всех известных медицинских исследований по такой проблеме, как диагностика и лечение рака. Хотя, когда мы сели обедать, Яун доверительно поделился:

– Мы подумываем о том, чтобы Ватсон выбрал «радиологию за 200». То есть получил сертификат для чтения и интерпретации рентгеновских лучей.

Хмм… Я бы сделал то же самое. Правильно! Ватсон в свободное время вполне мог бы изучать радиологию. Или, скажем, урологию, стоматологию, патологию – оставляя вас без штанов в «Jeopardy!».

«Сверхновая» предлагает огромные вычислительные мощности повсюду и всем. Ватсон предлагает глубокие знания во всём для всех. Ватсон – не просто большая поисковая система или цифровой помощник, чтобы искать ключевые слова как таковые. И не просто большой компьютер, который программисты настраивают для выполнения определённых задач. Ватсон – другой. Вы не видели ничего подобного (разве что в сериале «Звездный путь»). Ватсон – не что иное, как рассвет «когнитивной эры вычислений», сказал Джон Э. Келли III, который делит историю вычислений на три отдельные эпохи.

По его градации первая эпоха – «эра табулирования», длившаяся с 1900‑х по 1940-е годы и построенная на одноцелевых механических системах, которые использовали перфокарты для вычисления, сортировки, сопоставления и интерпретации данных. Затем последовала «эра программирования» – с 1950‑х годов до наших дней.

– По мере роста численности населения усложнялись экономические и социальные системы. Механические системы, основанные на ручном управлении, просто не могли идти в ногу с прогрессом. Мы обратились к программному обеспечению, применявшему логику и итерацию «если/тогда» для вычисления ответов на предписанные сценарии. Эта технология взлетела на волне закона Мура и подарила нам персональные компьютеры, Интернет и смартфоны. Проблема в том, что прорывы были мощными, долговременными и трансформирующими, так что в конце концов технологии оказались ограничены нашей способностью их проектировать.

И вот начиная с 2007 года мы стали свидетелями рождения «когнитивной эры» компьютерных технологий. Это могло произойти только после того, как закон Мура вошел нв вторую половину шахматной доски и дал довольно технологий, чтобы оцифровать практически всё мыслимое: слова, фотографии, электронные таблицы, голос, видео и музыку. К возможности загрузить информацию в компьютер и облако добавились умение сетевых технологий перемещать всё это на высокой скорости и способность программистов к написанию алгоритмов, которые научили бы компьютер понимать неструктурированные данные, подобно человеческому мозгу, – и, следовательно, улучшить каждый аспект принятия человеческих решений.

Как объяснил мне Келли, когда IBM спроектировали Ватсона для игры в «Jeopardy!», можно было точно узнать, сколько времени ему требуется, чтобы переварить вопрос и получить на него ответ. Около секунды, чтобы понять вопрос, полсекунды, чтобы найти ответ, и секунда, чтобы ответить первым. Это означало, что «каждые десять миллисекунд идут на вес золота». Но настолько быстрым и точным Ватсон стал не потому, что «учился» сам по себе, а благодаря его способности к самосовершенствованию. То есть к умению использовать весь свой объём данных и сетевое взаимодействие, чтобы быстрее получать статистические корреляции по сравнению с возрастающим количеством данных.

«Достижения Ватсона – признак того, как далеко ушёл прогресс в машинном обучении – процессе, благодаря которому компьютерные алгоритмы самосовершенствуются при выполнении задач, связанных с анализом и прогнозированием, – констатировал Джон Ланчестер в London Review of Books 5 марта 2015 года. – Используемые методы в основном являются статистическими: методом проб и ошибок машина узнаёт, какой ответ с наибольшей вероятностью является правильным. Звучит примитивно, но, поскольку в соответствии с законом Мура компьютеры стали невероятно мощными, циклы проб и ошибок могут чередоваться с огромной скоростью, и машина быстро улучшится до неузнаваемости».

В этом разница между когнитивным и программируемым компьютером. Как пояснил Келли в эссе 2015 года: «Компьютеры, познание и будущие знания» для IBM Research, «программируемые компьютеры основаны на правилах, которые обрабатывают данные через серию заранее определённых для достижения результата процессов. Несмотря на то, что такие машины мощные и сложные, они детерминированы: процветают на структурированных данных, но не способны обрабатывать непредсказуемый ввод. Эта жёсткость ограничивает их полезность, учитывая многие аспекты возникающего сложного мира, где много двусмысленности и неопределенностей». С другой стороны, продолжил он, «когнитивные системы – вероятностные, то есть предназначенные для адаптации и осмысления сложности и непредсказуемости неструктурированной информации. Они могут «читать» текст, «видеть» изображения и «слышать» естественную речь. И интерпретируют эту информацию, организуют её, предлагают объяснение того, что она означает, а также обосновывают свои выводы. Они не дают однозначных ответов. На самом деле они даже «не знают» ответ. Скорее они предназначены для взвешивания информации и идей из разных источников, рассуждения и выдвижения последующих гипотез к рассмотрению». Затем такие системы назначают уровень достоверности для каждого потенциального вывода или ответа. Более того, они даже способны учиться на собственных ошибках.

Поэтому, вспоминал Келли, создавая Ватсона, выигравшего в «Jeopardy!», они сначала написали целый набор алгоритмов, которые позволили компьютеру проанализировать вопрос – почти так же, как учитель чтения учил вас когда-то составлять предложения.

– Алгоритм разбивает язык на части и пытается выяснить, о чём идёт речь: имя, дата, животное – что я ищу? – объясняет Келли. – Второй набор алгоритмов предназначен для поиска всей литературы, к которой у Ватсона есть доступ: от Википедии до Библии – чтобы попытаться найти всё, так или иначе имеющее отношение к данной предметной области, человеку или дате. Компьютер будет искать множество улик и формировать предварительный список возможных ответов, а также искать подтверждающие доказательства для каждого возможного ответа – например, «они запрашивают имя человека, работающего в IBM, и я знаю, что Том работает там». Затем с помощью другого алгоритма Ватсон оценивал правильные ответы, присуждая им степень доверия. Если степень уверенности была достаточно высока, он жужжит – и отвечает.

Лучший способ понять разницу между программируемым и когнитивным компьютером – два примера, приведённые Дарио Джилом, вице-президентом IBM по науке и решениям. Когда в IBM впервые стали разрабатывать программу для перевода, здесь создали команду для разработки алгоритма, который мог бы переводить с английского на испанский.

– Мы думали, что лучший способ – нанять лингвистов, которые будут учить нас грамматике, и как только мы поймем природу языка, сообразим и как написать программу перевода, – вспомнил Джил.

Увы, не сработало. И, сменив множество лингвистов, в IBM попробовали другой подход.

– На этот раз мы решили: а если воспользоваться статистическим подходом и просто взять два текста, переведённых людьми, сравнить их и посмотреть, какой из них является наиболее точным?

И такая возможность появилась, потому что в 2007 году вычислительные мощности и ресурсы хранения выросли. Новый подход привёл IBM к фундаментальному пониманию, которое Джил выразил в шутке:

– Каждый раз, когда мы избавлялись от лингвиста, наша точность росла… Так что теперь мы используем только статистические алгоритмы, которые способны сравнивать огромное количество текстов для повторяющихся шаблонов. Сейчас у нас нет проблем с переводом на урду или на китайский, даже если никто из нашей команды не знает ни одного из этих языков. Теперь мы тренируемся на примерах.

Если вы дадите компьютеру достаточно примеров того, что правильно, а что нет (а в эпоху «сверхновых» технологий вы можете предложить практически бесконечный объём данных), он поймёт, как правильно оценивать ответы и учиться на практике. И вам не нужно изучать грамматику урду или китайский – нет, только статистику! Вот как Ватсон победил на «Jeopardy!». «Программируемые системы, совершившие революцию в нашей жизни за последние шесть десятилетий, никогда не могли понять беспорядочных, неструктурированных данных, необходимых для игры в «Jeopardy!», – пишет Келли. – Способность Ватсона точно и быстро отвечать на тонкие, сложные и взвешенные вопросы ясно дала понять: приближается новая эра вычислений». Эту мысль наглядно иллюстрирует вопрос, на который Ватсон ответил неправильно в конце первого дня соревнований, когда всем участникам дали одинаковую подсказку для «Final Jeopardy!». В категории «СШA. Города» вопрос звучал так: «Его самый крупный аэропорт назван в честь героя Второй мировой войны; второй по величине – в честь битвы в ходе Второй мировой войны». Ответ был Чикаго (О’Хара и Мидуэй). Между тем Ватсон спросил: «Что такое Торонто???» – с кучей вопросительных знаков.

– Есть много причин, по которым Ватсона смутил этот вопрос, включая его грамматическую структуру, а также наличие города Торонто в Иллинойсе и Торонто Блю Джейс, играющего в бейсбол в Американской лиге, – считает Келли. – Но ошибка осветила важную правду о том, как работает Ватсон. Система отвечает на вопросы не потому, что «знает». Скорее она оценивает и взвешивает информацию из нескольких источников, а затем предлагает варианты к рассмотрению. И назначает уровень достоверности для каждого потенциального ответа. В случае «Final Jeopardy!» уровень доверия Ватсона был довольно низким: 14 %, по его заключению: «Не верь этому ответу». В некотором смысле – да, он знал, что не знает правильного ответа.

Поскольку эти технологии пока совсем новые, о когнитивной эре вычислений написано много страшных вещей: например, что когнитивные компьютеры собираются захватить мир людей. Правда, в IBM так не считают.

– Популярное восприятие искусственного интеллекта и когнитивных вычислений далеко от реальности, – успокаивает Арвинд Кришна, старший вице-президент и директор IBM Research. – Как, собственно, и вся идея разумных компьютерных систем, которые становятся сознательными и принимают своё собственное направление благодаря тому, что изучают.

Что мы действительно можем сделать – обучить компьютеры в узких областях, скажем, в онкологии, геологии или географии, написав алгоритмы, которые позволяют им «изучать» каждую из дисциплин с помощью множества пересекающихся систем и распознавания образов.

Но, если компьютер создан для понимания онкологии, это единственное, что он способен сделать. Правда, он может продолжать обучение по мере появления новой литературы в узкой области, для которой был разработан. Мысль о том, что он вдруг сам по себе начнет проектировать автомобили, не имеет шансов на реализацию, – резюмирует Кришна.

Надо сказать, к июню 2016 года Ватсон уже использовался пятнадцатью ведущими онкологическими институтами мира, проанализировал 12 миллионов страниц медицинских статей, 300 медицинских журналов, 200 учебников и десятки миллионов записей о пациентах, и объём информации растёт с каждым днем. Идея не в том, чтобы доказать, будто Ватсон когда-либо сможет заменить врачей, уточняет Келли, а в том, чтобы продемонстрировать, как помочь врачам, которые давно уже сталкиваются с необходимостью постоянно оставаться в курсе медицинской литературы и результатов новых исследований. «Сверхновая» просто усугубляет проблему: оценки показывают – врачу первой помощи требуется более 630 часов в месяц, чтобы не отставать от потока свежей литературы, связанной с его практикой.

Мост в будущее – Ватсон, которому по силам решить огромное количество диагностических проблем. В прошлом, когда пациенту был диагностирован рак, онкологи выбирали между тремя различными формами известного лечения, основываясь на дюжине последних медицинских статей, которые они успели прочитать. Сегодня, как отмечает команда IBM, можно получить генетическую информацию об опухоли с помощью лабораторного теста в течение часа, а врач с помощью Ватсона может определить те лекарства, на которые эта конкретная опухоль, как известно, лучше всего реагирует, – также через час. Сегодня IBM предоставит Ватсону 3000 медицинских изображений, на двухстах из которых показаны меланомы, а на остальных 2800 – нет, и затем робот использует алгоритм, чтобы понять, какие у меланом цвета, топография и края. Посмотрев на десятки тысяч снимков и выявив в них общие черты, он способен гораздо быстрее человека выявить те, где развивается рак. Это позволяет врачам сосредоточиться на пациентах, в чём последние нуждаются больше всего.

Другими словами, магия Ватсона проявляется, когда сочетается с уникальными способностями доктора-человека, такими как интуиция, эмпатия и суждение. Синтез этих способностей может привести к созданию и применению знаний, намного превосходящих всё, что человек и машина могут сделать порознь. Игра «Jeopardy!», напомнил Келли, настроила двух чемпионов против машины. Но будущее за Ватсоном, работающим совместно с врачами. Человек и машина станут решать проблемы сообща.

– Информатика, – добавил он, – будет быстро развиваться, и медицина вместе с ней. Это коэволюция. Мы станем помогать друг другу. Представляю себе ситуацию, когда я, пациент, компьютер, моя медсестра и мой аспирант находятся в экзаменационной комнате и общаются друг с другом.

Со временем всё это изменит медицину и наше представление о том, что значит быть умным, утверждает Келли.

– В XXI веке отнюдь не знание всех ответов будет отличать чей-то разум. Скорее способность задавать правильные вопросы станет признаком истинного гения.

Действительно, каждый день мы читаем о том, как искусственный интеллект внедряют во всё большее количество машин, делая их гибкими, интуитивными, похожими на людей, доступными по одному касанию, жесту или голосовой команде. Вскоре у каждого, кто захочет, будет личный умный помощник, собственный маленький Ватсон, или Сири, или Алекс, который будет узнавать больше об их предпочтениях и интересах каждый раз, когда они общаются. Поэтому их помощь становится более целенаправленной и ценной с каждым днём. Это не научная фантастика. Это происходит уже сегодня. Вот почему меня не удивило то, что Келли в конце нашего интервью в штаб-квартире Ватсона в IBM размышлял:

– На зеркале заднего вида автомобиля написано: «Объекты в зеркале ближе, чем кажутся»… Теперь это относится к тому, на что мы смотрим впереди, потому что теперь это будущее гораздо ближе, чем мы думаем.