Сици Чен, Подиум
Всегда одна и та же история: появляется новая технология, и все начинают говорить о том, как она всё изменит. Затем вливается капитал, компании создаются в одночасье, и оценки растут быстрее, чем кто-либо может это оправдать. Затем, спустя много-много месяцев, появляются предупреждения, и люди внезапно вспоминают о крахе доткомов или о криптовалютах.
Вы, вероятно, уже это видели. И если видели, то, вероятно, думаете, что ИИ — это следующий пузырь. Люди отлично умеют распознавать закономерности. Мы эволюционировали, чтобы видеть закономерности, поэтому, когда появляется что-то знакомое, мы инстинктивно сопоставляем это с наиболее близкой нам уже известной историей. Мы думаем, что уже видели это раньше, и уверены, что знаем, чем это закончится.
Но этот инстинкт может нас обмануть. Искусственный интеллект кажется замкнутым миром, потому что мы втискиваем нечто совершенно несовместимое в знакомую историю. Идея о том, что всё, что быстро развивается, в конечном итоге должно рухнуть, звучит разумно. Но это не значит, что так будет всегда.
Почему рынки постоянно перегибают палку
Каждый крупный технологический сдвиг порождает одни и те же внешние симптомы: завышенные ожидания, за которыми следует громкий провал. Доткомы, мобильные технологии и криптовалюты — все они прошли через фазу, когда мир потерял чувство меры.
Почему это постоянно происходит? Потому что у рынков нет модели для резких изменений. Модели дисконтированных денежных потоков предполагают устойчивый, стабильный рост, а компании, работающие в сопоставимых сегментах, исходят из предположения, что данная категория уже существует. Поэтому люди предполагают, что ближайшее будущее будет похоже на недавнее прошлое, но это не работает, когда сама базовая категория меняется.
Большинство инструментов оценки предназначены для постепенного прогресса, поэтому аналитики рассматривают квартальные прогнозы и постепенные улучшения. Они не знают, что делать с резкими изменениями, и не могут моделировать нелинейное внедрение.
Поэтому, когда вы видите перерасход капитала или крайнюю разброс результатов, это означает, что рынок пытается оценить многолетние ставки, используя квартальную логику. (Что не работает.) И именно это и представляет собой пузырь: признак того, что никто еще не знает, как оценить то, что нас ждет. Эта неопределенность выглядит как обесценивание, но она лишь обнажает ограничения существующих моделей.
Ошибка в категории, которую мы постоянно допускаем
Когда появляется что-то новое, мы начинаем сравнивать.
Искусственный интеллект подобен электричеству.
Искусственный интеллект похож на компьютеры.
Искусственный интеллект похож на интернет.
Искусственный интеллект похож на мобильные устройства.
Эти сравнения обнадеживают, потому что все они привели к масштабным экономическим изменениям и привлекли огромный капитал. Они изменили способы выполнения работы.
У них есть и более глубокая общая черта. Каждая из этих технологий расширила возможности человека, не заменив при этом человеческое мышление. Электричество приводило в движение машины, но люди по-прежнему решали, что создавать. Компьютеры обрабатывали данные, но люди их интерпретировали. Интернет перемещал информацию, но люди решали, что имеет значение. Мобильные устройства сделали вычисления доступными в кармане, но внимание человека оставалось дефицитным ресурсом. В каждом случае человеческий интеллект был основой всего. Он также являлся узким местом.
Искусственный интеллект отличается тем, что выполняет когнитивную работу. И если это вас беспокоит, то это неудивительно. Потому что если ИИ действительно умеет думать, то многое из того, на чём мы построили свою карьеру, например, наши знания и с трудом приобретенные навыки, может оказаться не таким уж и надёжным, как мы думали. Молодой инженер, который годами развивал интуицию, теперь работает с инструментом, который мгновенно её получает. То же самое можно сказать и о финансовом аналитике, известном своим анализом отклонений. Люди больше не уверены в том, где на самом деле находится ценность, и это пугает.
Я общаюсь с финансовыми директорами каждую неделю. Шесть месяцев назад они задавали мне абстрактные вопросы, такие как «что такое ИИ?» и «нужна ли нам стратегия в области ИИ?». Теперь вопросы стали конкретными: «Какие части работы моей команды больше не нужно выполнять таким образом?» Этот сдвиг произошел так быстро, что уже меняет способы распределения ресурсов.
Например, одна моя знакомая основательница компании начала использовать Клода для написания SQL-запросов, на которые раньше у её аналитика уходило несколько дней. Заменила ли она аналитика? Конечно, нет. Но она устранила узкое место и больше не зависит от него в плане быстрых ответов. Затем роль её аналитика полностью изменилась. Раньше он тратил 60% своего времени на написание запросов, а теперь 10% — на их проверку и 90% — на стратегические рекомендации. Компания не сократила штат или расходы, а аналитик, ранее поддерживавший трёх заинтересованных сторон, теперь поддерживавший пятнадцать.
Вот где исторические сравнения действительно начинают давать сбой. Такие инструменты, как GitHub Copilot, сжимают экспертные знания. Теперь начинающий инженер может работать на уровне, который раньше требовал многолетнего опыта. И каждый раз, когда инструмент используется, он учится. Молоток не становится лучше только потому, что вы построили им дом, а вот инструменты искусственного интеллекта — становятся. И когда инструменты совершенствуются в процессе использования, темпы улучшения увеличиваются. Эта динамика не вписывается ни в одну из предыдущих технологических аналогий, поэтому инстинктивное желание назвать это «пузырем» упускает из виду истинную суть.
Предыдущие технологии исходили из предположения о фиксированном пределе человеческих когнитивных возможностей. Они делали нас быстрее и сильнее, но ограничивающим фактором всегда оставался один и тот же: сколько умных людей мы могли привлечь к решению проблемы? Искусственный интеллект расширяет этот потолок далеко за пределы того, к чему мы привыкли. Раньше лучшее понимание вашего бизнеса обычно означало одно из трех: больше данных, больше аналитиков или более опытных руководителей. Ограничением было то, сколько внимания и суждений вы могли себе позволить. С ИИ это ограничение смещается. Когда анализ, который раньше занимал дни, теперь выполняется за секунды, новым ограничением становится знание того, что искать. Какие вопросы важны? Ограничивающим фактором становится уже не талант, а суждение.
Скептики правы насчет ажиотажа, но ошибаются в том, что он означает.
Давайте примем самую убедительную версию аргумента о «пузыре» за чистую монету. Возможно, ИИ действительно переоценен, и большинство этих компаний потерпят крах. Возможно, мы находимся на ранней стадии, и реальное влияние проявится еще через пять или десять лет. Все это может быть абсолютно правдой, и это все равно не изменит сути вопроса, которая заключается в следующем:
Даже если большинство стартапов в области ИИ потерпят неудачу, и даже если внедрение будет намного медленнее, чем ожидалось, ИИ всё равно останется первой технологией, способной выполнять интеллектуальную работу. Это не исчезнет из-за того, что рынки переоценивают возможности технологии или ожидания меняются. Скептики правы в том, что ажиотаж раздут. Но они ошибаются, утверждая, что раздутый ажиотаж делает технологию неактуальной. Мы уже видели это раньше: пузырь доткомов был реальным, и Pets.com рухнул, но интернет всё равно всё изменил. Оба утверждения были верны одновременно.
Руководители финансовых отделов, с которыми я работаю, уже перестали спорить о том, имеет ли значение ИИ. Теперь они пытаются понять, какие рабочие процессы меняются в первую очередь и как быстро им нужно адаптироваться. Этот разговор происходит тихо, под всем этим шумом.
И рабочие процессы, которые первыми рушатся, обладают тремя общими свойствами:
Они требуют специальных знаний, но при этом монотонны.
Они являются препятствиями на пути стратегической работы.
Их легко проверить, но сложно сгенерировать.
Эти рабочие процессы достаточно важны, чтобы их оплачивать, но не настолько стратегически важны, чтобы автоматизация угрожала конкурентному преимуществу. Они требуют навыков, но эти навыки не накапливаются значительно с повторением, что делает их экономически неустойчивыми и объясняет, почему их уже автоматизируют.
Где люди по-прежнему имеют значение (пока что)
Искусственный интеллект отлично распознает тенденции, но ужасно плохо понимает, какие из них действительно важны. Он может проводить анализ отклонений, но не может сказать, свидетельствует ли 12-процентное изменение расходов о здоровом росте или о более глубокой проблеме. Он может разрабатывать стратегии, но не может сказать, какая стратегия подходит для этого рынка и этой команды в этот конкретный момент. Принятие решений в условиях неопределенности и принятие рискованных решений, где последствия могут быть катастрофическими, остаются обязанностью человека. Пока что.
Когда ограничивающим фактором становится не «достаточно ли у нас умных людей», а вопрос приоритетов. Что заслуживает внимания? Что стоит строить дальше? Именно здесь, как я вижу, многие основатели застревают. Они спрашивают, не является ли это пузырем и не слишком ли рано, но это не самые полезные вопросы. Правильный вопрос: «Что я могу построить в следующем году, что создаст реальную ценность, независимо от оценки стоимости?»
Долго просуществуют те компании, которые незаметно внедряют ИИ в реальные рабочие процессы, решающие реальные проблемы. Возьмем, к примеру, финансовых директоров. Они покупают ИИ, потому что их совет директоров хочет ускорить анализ отклонений, и им надоело нанимать аналитиков, которые увольняются через шесть месяцев. Это реальная проблема, которую компаниям необходимо решить.
То же самое относится и к инвесторам. Долгосрочный успех добьются те, кто сможет достаточно долго терпеть неопределенность, чтобы увидеть, что действительно работает.
На этот раз все по-другому.
В краткосрочной перспективе ИИ разочарует. Многие варианты его применения не оправдают ожиданий, и многие компании, появившиеся в результате этой волны, не выживут. Но сама технология выживет. А в долгосрочной перспективе ИИ изменит каждую область, зависящую от интеллектуального труда. Не сразу и не равномерно, но через десять лет будет сложно найти наукоемкую отрасль, которая выглядела бы так же, как сегодня.
Искусственный интеллект отличается тем, что сам интеллект, который исторически был основным ограничением человеческих инноваций, теперь стал масштабируемым. Это наблюдаемый факт с измеримыми последствиями. Разговоры о пузырях, как это всегда бывает, утихнут, и останутся системы, которые тихо адаптировались, пока все остальные спорили об оценках. Скептики окажутся правы насчет избытка, но ошибаются в том, что действительно имело значение, потому что через пять лет мы, вероятно, будем вспоминать сегодняшнюю панику так же, как и людей, которые отвергли интернет из-за того, что несколько компаний обанкротились. И победителями станут те, кто строил, пока все остальные спорили об оценках.
Со временем все будут помнить только эти истории.
Сици Чен — соучредитель и генеральный директор компании Runway.
Добро пожаловать в сообщество VentureBeat!
Наша программа гостевых публикаций — это площадка, где технические эксперты делятся своими знаниями и предоставляют нейтральные, непредвзятые аналитические материалы по искусственному интеллекту, инфраструктуре данных, кибербезопасности и другим передовым технологиям, формирующим будущее предприятий.
Узнайте больше о нашей программе гостевых публикаций — и ознакомьтесь с нашими рекомендациями, если вы заинтересованы в написании собственной статьи!
Подпишитесь, чтобы получать самые свежие новости!
Подробные аналитические данные для руководителей предприятий в области искусственного интеллекта, данных и безопасности.
Отправляя свой адрес электронной почты, вы соглашаетесь с нашими Условиями использования и Политикой конфиденциальности.
Получайте обновления ! Вы подписаны! Наши последние новости скоро поступят на вашу электронную почту.
Источник: venturebeat.com
