Роботы наступают. Развитие технологий и будущее без работы. Мартин Форд. Конспект книги. Глава 4 Белые воротнички под угрозой

Глава 4. Белые воротнички под угрозой

Система Quill способна практически мгновенно формировать бизнес-отчеты с заданной периодичностью — и все это без вмешательства человека http://narrativescience.com

Пример технологии Quill (Система написания нарративных текстов) демонстрирует, насколько уязвимыми для автоматизации оказываются задачи, которые когда-то считались исключительной прерогативой высококвалифицированных профессионалов с высшим образованием. Опрос экспертов: «Какой будет доля новостных материалов, написанных с помощью программных алгоритмов, в ближайшие 5 лет. Ответ: более 90 %»

Деятельность компании Target, Inc. является примером куда более спорного подхода к использованию огромных массивов чрезвычайно подробных данных. Компания с  очень большой долей вероятности предсказывать наличие беременности на раннем сроке у покупательниц на основе анализа продаж по двадцати пяти различным видам косметической и медицинской продукции. Проводимый компанией анализ был настолько точным, что даже позволял с высокой степенью точности определять срок беременности у конкретной женщины. Получив эти данные, сотрудники Target начинали забрасывать женщин предложениями о покупке товаров для беременных, да еще и на столь раннем сроке, что во многих случаях ближайшее окружение женщины даже не знало о ее положении.

Машинное обучение — метод, при котором компьютер перебирает данные и, по сути, пишет собственную программу на основе обнаруженных статистических закономерностей, — является одним из наиболее эффективных средств извлечения самой ценной информации.

Методика, связанная с использованием искусственных нейронных сетей — систем, спроектированных в соответствии с теми же фундаментальными принципами, что лежат в основе работы человеческого мозга. Сети смогут автоматически формировать ответы на основе новых данных без повторения обучения. Многоярусные нейронные сети, построенные по технологии, которая получила название «углубленное обучение» (deep learning). Системы углубленного обучения уже применяются при распознавании речи в голосовом помощнике Siri. Системы машинного обучения на основе сетей со способностью к углубленному обучению ждет этап стремительного роста — этот простой вывод следует из закона Мура.

Последствия революции в области больших данных для будущего профессий, связанных с умственным трудом:

            Во-первых, во многих случаях собранных данных может оказаться достаточно для автоматизации конкретных задач и даже целых видов профессиональной деятельности. (Пример, бот от Гугл автоматически пишет ответы на новые сообщения электронной почты, сообщения в Twitter и посты в блоге, используя при этом характерные для данного человека индивидуальный стиль и манеру письма. Легко представить, как такая система может быть использована в будущем для автоматизации существенной части повседневного общения).

Во-вторых, пожалуй, более важным последствием внедрения технологий обработки больших данных для работников умственного труда станут изменения в работе организаций и методах управления ими. Структура организаций, вероятно, будет упрощаться. Необходимость в руководителях среднего звена отпадет.

Пример, WorkFusion -  интеллектуальнаяя программная платформа, которая автоматизирует практически весь цикл работ по управлению проектами. Даже когда фрилансеры работают под контролем системы, они фактически генерируют исходные данные для машинного обучения, т. е. со временем выполняемые ими задачи также будут автоматизированы.