Заменит ли «Сложная обработка информации» востребованного специалиста?

Почему мы вообще обсуждаем конкуренцию людей и машин? Потому что мы стали жертвами удачного нейминга.

Возврат в 1950-е. Алан Тьюринг и Клод Шеннон дали базу. Но термин «ИИ» придумал Джон Маккарти в 1956 году.

Это был классический питч стартапа. Маккарти придумал громкое имя, чтобы откреститься от «Кибернетики» Норберта Винера, привлечь внимание ^[1] и получить грант ^[2] в $7,500 от Фонда Рокфеллера.

Маккарти «прибил флаг к мачте» и очеловечил программы. Он хотел создать ИИ человеческого уровня за лето, но все специалисты, приглашенные для участия в гранте, занимались своими исследованиями, и скоординировать их было очень сложно. Вы можете почитать оригинал статьи ^[3] Джона Маккарти — организатора Дартмутской конференции и дисциплины ИИ о том, как все начиналось.

А также статью о конференции 2006 года ^[4], где собрались основные ученые, стоявшие у истоков ИИ.

На деле то, что мы называем ИИ, — это Сложная обработка информации (СОИ).

Этот термин использовали Аллен Ньюэлл (Allen Newell) и Герберт Саймон (Herbert A. Simon). Это легендарные ученые, стоявшие у самых истоков отрасли (Саймон позже даже получил Нобелевскую премию, а вместе с Ньюэллом они стали лауреатами премии Тьюринга).

Когда в 1956 году Джон Маккарти собирал Дартмутский семинар и активно пушил придуманный им термин ИИ (чтобы, как мы уже выяснили, «прибить флаг к мачте» и выбить гранты), Ньюэлл и Саймон были категорически против.

Они считали название ИИ слишком кричащим, маркетинговым и не имеющим отношения к науке ^[5]. Саймон настаивал, что то, чем они занимаются, должно называться сухим, но честным и точным термином — Сложная обработка информации (Complex Information Processing, или CIP).

Именно под этим названием они в 1956 году выпустили статью ^[6] о своей первой работающей программе (которая, по сути, и была первым настоящим ИИ) — она называлась: «The Logic Theory Machine: A Complex Information Processing System» («Логическая теоретическая машина: Система сложной обработки информации»).

И они еще много лет принципиально использовали этот термин в своих работах, отказываясь называть свои системы «искусственным интеллектом». Саймон считал, что программа не мыслит как человек, а просто осуществляет очень сложную обработку информации по заданным эвристикам.

Реактивность вместо проактивности

Система сложной обработки информации (СОИ) не умеет придумывать или ставить задачи. Ее интеллект ^[7] — реактивный. Она лишь реагирует на внешний раздражитель (промпт) через натренированную функцию уменьшения ошибки ^[8].

Задачей разработчиков было сделать так, чтобы модель закрывала конкретный запрос максимально эффективно по ресурсам и выдавала максимально адекватный ответ.  

Что такое адекватный ответ для математической модели? Это статистически наиболее вероятный ответ. Тот, который подойдет большинству. И тут на сцену выходит статистика и ее нормальное распределение (колокол Гаусса). Модель всегда стремится в середину этого колокола — к серости и усреднению ^[9].

Конфликт с бизнесом

Тут возникает главная иллюзия современного ИТ: «Зачем нам дорогой синьор, если мы можем посадить джуна с ChatGPT, и он нагенерит то же самое?»

Но заказчики приходят к специалистам не за ответом для большинства. Они ждут индивидуальных, уникальных решений, заточенных под их конкретную боль ^[10]!

Может ли модель сфокусироваться на этой боли, как живой человек? Нет. У нее ограниченный контекст (память ^[11]). Вы можете потратить часы, пытаясь вытащить ее из болота нормального распределения, но один неверный шаг в диалоге — и весь контекст обнуляется. А человек держит всю архитектуру задачи в голове! Вот за что вы платите зарплату.

Общение с опытным специалистом экономит время на старте, а уже потом этот специалист может использовать СОИ для ускорения рутины.

Сильный спец пропускает через алгоритмы терабайты данных, чтобы найти крупицы нужной информации, скрытые за пластом усреднения. Но чтобы увидеть эти крупицы, нужно уже обладать экспертизой. Если джун будет полагаться только на модель, он не получит реального опыта ^[12] и останется джуном — зачем такое бизнесу?

Модели сейчас — это экзоскелет, который вытянет тебя в гору. Но если использовать его постоянно, мышцы атрофируются, и ты станешь рабом алгоритма. Вы хотите стать рабом?

Чтобы конкурировать на современном рынке, нужны люди. Специалисты, которые не просто шарят в теме, а разбираются в своей области на фундаментальном уровне. Не просто говорят, что используют дизайн-систему, а знают, какие в ней есть переменные, какие ограничения, как выстраивается нейминг, как публикуются изменения, как это все синхронизируется с кодом. И на основе этих фундаментальных знаний уже можно надстраивать автоматизацию — иначе вы поставите телегу впереди лошади и будете начинать с начала!

Кто на самом деле ставит задачи

Бизнесу гораздо выгоднее (и в итоге дешевле) обсуждать проект с другими специалистами, пусть их время и стоит дорого. Человек способен держать в голове огромный пласт негласной информации. В живом диалоге формируется контекст, выстраивается стержень задачи. А уже к этому стержн можно без проблем применять модели. Они потрясающе помогают, когда есть правильный, узкий запрос от профессионала.

Но проблема замены всплывает потому, что есть специалисты, которые затыкают дырку в кадрах, поэтому у менеджеров резонно возникает вопрос: почему бы его не заменить? Как я понимаю, так вопрос ставится достаточно часто, потому что ИТ-сфера раздута сейчас, и хочется оптимизировать процессы. Это не плохо, просто нейронки зачастую эту проблему не решают… Вы просто меняете человеческую посредственность на статистическую.

Искусственный интеллект — это отличный санитар леса. Он вычистит рынок от тех, кто просто перекладывает json-ы и пишет шаблонные тексты. Но настоящая битва за пользователя всегда будет идти там, где работают люди, способные пробить пласт серости и усреднения.

Интересно, а вы на чьей стороне? Как думаете, очистит ИИ рынок от затычек, или мы просто получим новую армию беспомощных операторов чат-ботов?