Обогнать искусственный интеллект. Про эволюцию человека и развитие в попытке обогнать новое
- -
- 100%
- +
Отдельного разговора заслуживает этика — компетенция, которую принято записывать за «гуманитариями». Форум эту рамку разнёс. Преподаватель этики ИИ поделился наблюдением, которое переворачивает ожидания: самые корректные и глубокие работы по этике делают студенты-математики старших курсов и разработчики, а самые беспомощные приходят от тех, кто пришёл учиться красивым лозунгам без понимания предмета. Этическое суждение, выходит, коррелирует не с «гуманитарностью», а с глубиной понимания того, о чём судишь. Этика — компетенция понимающего, а не декламирующего. Причём граница цехов стирается в обе стороны: тот же преподаватель рассказывал про третьекурсниц с прикладной этики, которых забросили в общий проект с программистами, — и эти девочки через слёзы, пот и кровь собрали своего чат-бота, а потом демонстрировали его счастливые и гордые. Слёзы, замечу, честная цена: по ту сторону границы «своего» цеха, как выяснилось, можно жить.
Я в кулуарах снимал ту же рамку с другой стороны: дело вообще не в «физиках и лириках». Встретились два технаря — один «надо на питоне», второй «надо на фортране», и всё, схватка. Столкновение позиций возникает между любыми двумя специалистами, поэтому умение договариваться из списка выше нужно не «между культурами», а на каждом стыке экспертиз. И самый глубокий слой добавил философ: обучая ИИ на собственных данных, мы получаем обратно свои же искажения — предубеждения и стереотипы, которых в себе не замечаем. Критическое мышление Человека 2.0 направлено теперь и на зеркало: машина возвращает нам наши слепые пятна, и распознавать их — новая грань всё того же суждения.
А закончу раздел сценой из кулуаров, которая дорога мне лично. Преподаватель этики, услышав, как я строю занятия — от живой задачи, из которой по дороге вытаскиваются куски теории, — спокойно заметил: это Дьюи, сто лет назад. У Дьюи прямо есть пассаж: дети учатся варить яйцо — и, чтобы его сварить, узнают, что такое белок, свёртывание, время кипения воды, химический состав. Сварили яйцо — прошли куски биологии, химии и физики. Я честно признался: серьёзно? Я даже не знал, что такая схема существует. Это просто моя практика преподавания, интуитивная. Вот вам компетенции, которые не устаревают, в одном кадре: метод столетней давности переоткрывается практиком в эпоху вайб-кодинга — потому что растёт не из технологии, а из деятельности. Технологии за век сменились не раз; яйцо варится так же.
Важно: Компетенции будущего — не про технологии. Технологии меняются. Про устойчивость к неопределённости, баланс критического и креативного, управление собой и умение договариваться. Это и есть «эволюция человека» из подзаголовка книги.
4.6 Новые ученики и новые поколения
Есть и неожиданный поворот, который форсайт ставит ребром. Чулок задаёт его почти провокационно: «А с чего мы вообще взяли, что наши студенты через двадцать лет будут людьми?» Он не про роботов — он про то, что рядом с каждым студентом будет его персональный ИИ-помощник. И тогда у преподавателя появляется непривычная задача: учить не только человека, но и его агента. «Я хочу через тридцать лет своей карьеры оставаться хорошим преподавателем, — говорит он, — а значит, мне придётся учить и студента, и его персонального помощника. И очень может быть, что этот навык окажется ключевым». Вопрос, который раньше и в голову не приходил: кто на том конце — человек или его цифровой двойник?
Новые поколения и без того приходят с другим устройством внимания. Тот же лектор подмечает деталь, от которой не отмахнёшься: девяносто процентов текстов мы давно пишем не пером и не на клавиатуре, а двумя большими пальцами по экрану — а кто-то уже и одним. Это другой канал, другой темп, другое отношение к тексту. Спорить с этим так же бессмысленно, как ругать молодёжь во все века. Человек 2.0 — и тот, кто учит, и тот, кто учится, — исходит не из того, каким ученик был вчера, а из того, каким он становится.
На форуме этот разворот встал в полный рост. Ребята, которые сейчас приходят на первый курс, уже имеют опыт разработки: команды вайб-кодинга из вчерашних школьников — не экзотика, а рабочая реальность, констатировал преподаватель-практик. Коллега добавил из школы: шестые-девятые классы спокойно пользуются всеми моделями — они дальше нас на несколько лет; многие преподаватели даже не знают, что такое Claude, и некоторые первокурсники уже обучают преподавателей. Заметьте и канал, по которому они учатся: не документация, а блогер, который за пять-десять минут показывает, как сделать, — и они делают. Каждую неделю выходит новое, и они успевают, потому что живут в этой ленте. Легко фыркнуть: клиповое мышление, деградация. Точнее увидеть здесь другую экономику внимания: там, где инструмент устаревает за месяцы, толстый учебник — невыгодная ставка. Опыт — вспомните различение из раздела про грамотность — приходит к ним раньше культуры, и вопрос «кто кого учит» перестал быть риторическим.
Только не спешите умиляться: у этой скорости есть цена, и портрет нового ученика без грамотности получается тревожным. Исследователи подметили: студенты не переносят на машину даже элементарных привычек человеческого общения. Бариста не примет заказ «мне кофе» без уточнений — какой, куда, с чем; серьёзный учёный не станет отвечать на вопрос размером с целую дисциплину. А ИИ-персона отвечает — и студент зачарованно принимает ответ. Роли, которые студенты стихийно назначают машине сами, — «универсальный решебник» и «усовершенствованный поисковик» — исследователи называют худшим вариантом использования ИИ в учёбе. Дальше — больше: детекторы сгенерированного текста, оказывается, чаще всего ошибаются на школьниках, и причина обескураживает — школьники начинают писать так, как пишет нейросеть. Раньше ИИ учился у людей; пошёл обратный процесс — люди учатся у ИИ, вплоть до интонации. Итог упаковал один из докладчиков в формулу про первокурсника: молодой и неопытный бывший школьник, который думает, что знает об ИИ всё. Опыт есть, скорость есть; слуха и культуры — нет.
Чтобы не оставлять вас на минорной ноте — контрапункт, живая сцена с той же рабочей сессии. К группе взрослых методологов сам, без приглашения, приходит студент и с порога формулирует: цель моего присутствия — с вами посоветоваться, рассказать свой проход; возможно, вы заметите дыру в логике. Буду благодарен за критику. Вслушайтесь: не ждёт оценки — приходит за критикой; не защищает решение — ищет дыру в собственной логике. Вот новый ученик, к опыту которого добавилась культура. Таких пока меньшинство, но именно так выглядит ученик 2.0 — и ради него стоит перестраивать всё остальное.
А как это выглядит в железе, я видел у коллег, которые строят такую модель уже не на словах. В одном университете каждому студенту собирают цифровой профиль: посещаемость, успеваемость, цифровой след в учебной системе стекаются в общий контур, который непрерывно анализирует ИИ. По этому профилю видно, в какой момент студента надо поддержать, чтобы не потерять, и насколько то, чему его учат, бьётся с реальным рынком труда. А чтобы понять, что хочет рынок, систему натравили на гигантский массив — порядка ста десяти миллионов вакансий и десятков тысяч образовательных программ, и она прямо показывает: вот этой профессии ИИ грозит сильно — например, диспетчеру замена светит с вероятностью за восемьдесят процентов, — а значит, студенту стоит добрать вот эти компетенции. Это и есть форсайт, применённый к одному живому человеку: смотрим не из его прошлого, а из его будущего.
Тот же подход добирается и до самых человеческих вещей — до речи и мышления. Коллеги показывали, как система анализирует пятиминутный доклад руководителя: долю слов, несущих смысл, «водность», связность, количество слов-паразитов. У одного докладчика паразитов оказалось около трети — и это, поясняли мне, верный признак, что человек сам не до конца понимает, что хочет сказать. Дальше система не отчитывает, а подсказывает микроупражнения. Способ при этом старый и обаятельно человеческий: как только ляпнул паразита — щелчок пальцами, и так, разговор за разговором, отучаешься. Машина диагностирует — а растёт всё равно человек.
И самый честный аргумент в пользу того, что это работает, — те самые школьники, о которых я обмолвился ещё в первой главе. Теперь подробнее: те же разработчики собрали ИИ-репетитора по физике — он не заменяет учителя, а терпеливо, в поддерживающем тоне разбирает с каждым учеником его персональные пробелы. Апробация в московских школах дала прирост успеваемости на сорок два процента всего за два месяца, причём делали это в первую очередь для отстающих. Машина взяла на себя то, на что у живого учителя физически не хватает рук, — терпеливое повторение и диагностику, — а человеку осталось вдохновлять и вести через смысл. Вот так Человек 2.0 не отменяет учителя, а освобождает его для самого человеческого.
4.7 За кем пойдёт новый ученик
Если ученик стал другим, неизбежен встречный вопрос: каким должен быть тот, кто его учит и за кем он пойдёт? На форуме я делал доклад ровно об этом — о том, что ИИ бьёт по эпистемическому авторитету учителя, — и получил в ответ возражение, которое считаю одним из самых ценных приобретений за оба дня. Сначала моя часть. Университет веками держался на миметическом желании — на «хочу заниматься тем, чем занимается этот профессор». В науку людей испокон веку тянуло подражание живой фигуре, а не усвоение параграфов. И вот студент узнаёт, что языковая модель побьёт многих профессоров — может, не всех, но многих, — и он это уже видел на собственных запросах. Всё: миметическое желание разрушено. Зачем подражать тому, кого обгоняет подписка за двадцать долларов?
А теперь возражение методолога, которое разворачивает картину. Когда говорят о миметическом отношении, сказал он, имеют в виду профессора. А профессор — если вспомнить европейскую историю — это тот, кто готов был идти на костёр: выдвигаешь эпистемическое предположение — будь готов за него отвечать. Если же ты транслируешь известное — ты преподаватель, и это другая роль. Чувствуете, куда он бьёт? ИИ действительно разрушает авторитет транслятора: пересказывать известное машина умеет лучше, дешевле и в четыре утра. Но авторитет того, кто ставит себя на кон, машине не по зубам — ей ставить нечего. Новый ученик пойдёт не за знающим: знающие теперь по подписке. Он пойдёт за отвечающим.
Второе, что меняется в учительстве, — работа с трудностью. Классическая педагогика, напомнил на пленарном докладе дидакт, строится на зоне ближайшего развития: учить надо тем, с чем ученик не совсем справляется, — напряжение между «не могу» и «почти могу» и есть двигатель роста. Но теперь рядом с учеником всегда стоит тот, кто мгновенно закроет это напряжение: ИИ снимает продуктивное сопротивление материала, как обезболивающее снимает боль, не трогая причину. Трудность впервые в истории стала опциональной. А значит, у взрослого появляется новая, непривычная работа: не выдавать материал — материал теперь у каждого в кармане, — а удерживать полезную трудность. Ставить задачи, которые не закрываются одним запросом; держать ученика в зоне, где растут, а не там, где удобно. По сути, это та же красная лампочка из второй главы — только следить за ней теперь должен и тот, кто ведёт ученика, а не одна лишь совесть самого идущего.
И последнее — самое непривычное. Помните признание эксперта с четвертьвековым стажем из второй главы: никогда ещё я так стремительно не утрачивал экспертизу? У того признания была вторая половина, которую я приберёг для этой главы. Если сейчас и есть какие-то знания, сказал он, — они в молодых ребятах, которые сейчас студенты и которые этот сумасшедший темп выдерживают. Они могут не знать существенных базовых вещей пятилетней давности — но им это не очень мешает. Надежда и спасение — этих ребят находить, выделять и давать им карт-бланш. Потому что они вывозят — они ещё успевают. Мы можем только им помочь, и всё. Вдумайтесь: впервые смена поколений в знании идёт не сверху вниз — опыт стареет быстрее, чем успевает передаваться. Дать молодой скорости карт-бланш и подстраховать её культурой — вот новая форма преподавания. Учитель Человека 2.0 — не источник знания, а тот, кто держит планку трудности и следит, чтобы меч был заточен.
Важно: ИИ разрушает авторитет транслятора, но не авторитет отвечающего. Профессор исторически — тот, кто готов идти на костёр за своё утверждение; пересказ известного машина уже забрала. Новый ученик пойдёт не за знающим, а за отвечающим — и это касается не только университетов: то же самое ждёт руководителей, экспертов и родителей.
4.8 Эволюция по собственному выбору
Соберём портрет. Человек 2.0 мыслит из будущего, а не пятится в него. Свободно владеет ИИ как естественным продолжением рук и головы — и владеет культурно: слышит чушь на слух, знает, что двигатель не думает, не путает опыт с грамотностью. Опирается на то, что не устаревает: суждение, устойчивость, умение договариваться. Учится в обе стороны — берёт у молодых скорость, у традиции — готовность отвечать. И держит за собой ответственность и смысл — то, что отличает кентавра от пассажира.
Важно вот что: всё это — не врождённый дар избранных. Это выбор, доступный каждому, кто решит меняться. В этом и красота момента: впервые эволюция человека идёт не вслепую и не за тысячелетия, а осознанно и быстро. Мы можем выбрать, кем стать, — и стать этим за обозримый срок. Большинство видов о таком и мечтать не могли.
И ещё одно, чтобы не было иллюзии, будто будущее можно расчертить по линейке. Чулок напоминает про «джокеры» — редкие события, которые почти невозможно предсказать, но которые переворачивают всё: от прорыва в науке до неожиданного кризиса. Все настоящие прорывы, говорит он, живут не в середине привычного графика, а на его «хвостах», там, где мы обычно не смотрим. Поэтому Человек 2.0 не пытается угадать единственный сценарий. Он держит голову поднятой — поглядывает на «звёзды», на слабые сигналы по краям, — и потому встречает джокер не жертвой, а готовым. Это и есть зрелое отношение к будущему: не контроль над ним, а готовность к нескольким его версиям сразу.
Задание: Возьмите лист и напишите вверху: «каким я хочу быть через пять лет». Опишите не должность, а человека — как он думает, что умеет, чего не делает руками, за что отвечает. А теперь честно отметьте одну компетенцию из этой главы — действовать в неопределённости, держать баланс критики и креатива, управлять своим состоянием, договариваться, — которая у вас сегодня слабее всех. Это и есть ваша первая точка эволюции. С неё начните.
А закончить эту главу я хочу картинкой, которой Чулок завершает свою лекцию. Простой рисунок: нейросеть подметила на нём «опасности» — бабушка играет в игрушку, малыш тянется к розетке, папа задремал. А лучший ответ на вопрос «что не так» оказался такой: «Отстаньте от людей. Каждый занят любимым делом». В этом, если вдуматься, и весь смысл Человека 2.0. Мы затеваем всю эту трансформацию, отдаём машине рутину и меняемся сами не ради показателей и не ради отчётов наверх. А ради того, чтобы человек на том конце наших планов мог наконец заняться любимым делом — и остаться при этом счастливым.
Выводы
Человек 2.0 — это не киборг, а другой способ думать и жить; эволюция в голове, а не в железе. Образ закреплён даже в государственных стратегиях: японская Society 5.0 прямо ставит долголетие, интеграцию с ИИ и «вечное любопытство».
Главный вопрос — «для кого всё это»; в центре любых планов должен стоять человек, а не инструмент. Иначе выходит коллективная гребля, у которой никто не назовёт берег.
Горизонт мышления развёрнут: из будущего к настоящему (форсайт, калейдоскоп, обратное планирование), а не из «зеркала заднего вида» и не по рецепту «кубик и Galina Blanca».
Работа с ИИ становится базовой грамотностью — скоро такой же само собой разумеющейся, как смартфон; за неё перестанут хвалить в резюме, как перестали хвалить за Internet Explorer. Причём «ИИ как смартфон» — не прогноз, а свершившийся факт: по Маккарти, мы перестаём считать нечто искусственным интеллектом, как только оно начинает работать.
Грамотность — это слух, а не кнопки: понимать, когда тебе говорят чушь, и не говорить её самому. База важнее трюков: модель не учится в разговоре — меняется только контекст, а «люди без базы думают, что двигатель думает». Промпт-заклинания устаревают за год, понимание устройства — нет.
Опыт — не грамотность. У нового поколения опыта работы с ИИ больше, чем у учителей, но грамотность — это культура пользования: «будь любезен, укажи ссылку» и «сначала заточи меч». Как грамматика относится к бойкой детской болтовне.
Опора — компетенции, не привязанные к технологии: действие в неопределённости («смекалка»), баланс критического и креативного, управление своим состоянием, умение договариваться. Подтверждено четвертью века опросов директоров. Устаревают продукты — не понятия и не суждение; этика оказывается компетенцией понимающего, а не декламирующего.
Новые ученики учатся из ленты, а не из учебника, и обгоняют преподавателей в инструментах; без грамотности они назначают машине худшие роли — решебник и поисковик — и даже писать начинают как нейросеть. Учить скоро придётся не только человека, но и его ИИ-агента; новая модель уже работает в железе — цифровой профиль, разбор речи, ИИ-репетитор.
ИИ разрушает авторитет транслятора, но не отвечающего: профессор — тот, кто готов идти на костёр. Учителю остаётся удерживать полезную трудность, которую машина сделала опциональной, и давать карт-бланш молодым, которые «вывозят» темп, — впервые смена поколений в знании идёт не сверху вниз.
Эта эволюция — выбор, а не дар: впервые человек может осознанно и быстро выбрать, кем стать. Итог: Человек 2.0 — кентавр, ставший собой целиком: мыслит из будущего, владеет инструментом культурно, опирается на неустаревающее и отвечает за смысл; а когда учит других, разменивает трансляцию на готовность идти за своё слово на костёр. Осталось перейти от портрета к практике — как это выглядит в деле, в следующей главе.
Глава 5. Практика обгона
Между «надо бы заняться ИИ» и «мы уже год им живём» — пропасть, которую не перепрыгнуть в два шага.
Введение
Хватит теории — посмотрим, как обгон выглядит в деле. В этой главе меньше рассуждений и больше вещества: реальные кейсы, конкретные цифры, живые сцены и понятный порядок действий. Почти всё, что здесь рассказано, я слышал не из новостей, а из первых рук — на стратегических сессиях и в докладах практиков, которые внедряют ИИ в промышленности, в банке, в образовании. Я намеренно собрал примеры из разных миров, чтобы было видно главное: это не про «айтишников», это про всех.
5.1 Скорость решает: год форы
Первое, что показывает практика, — решает скорость входа. Цифры внедрения мы коротко приводили в первой главе; здесь стоит разложить их по полочкам, как это сделал прямо на сессии один предприниматель, который внедряет ИИ на крупных производствах. Когда-то рекомендательные системы на основе ИИ внедрялись в среднем около трёх лет. Компьютерное зрение — года за два с половиной. Речевые технологии — те самые автоответчики, которые мы все так любим, — примерно за год. А генеративный ИИ разошёлся по реальной работе ещё быстрее.
Из этого следует жёсткий вывод, который он сформулировал почти дословно так: компания, которая уже запустила обучение сотрудников и пилоты, через год точно получит эффект — и догнать её будет очень тяжело. «Пока мы ждали и смотрели, что они внедрили, — они уже так убежали, что мы просто не понимаем, как они работают».
Почему отрыв так трудно отыграть, хорошо объясняет уже знакомый нам по первой главе закон Райта — старое инженерное правило, которое тот же практик любит приводить. Если вдвое нарастить скорость производства, себестоимость падает примерно на двадцать процентов. Это просто математика. Уронил себестоимость на двадцать процентов — занял бóльшую долю рынка. Именно по этой логике, говорит он, и действуют китайцы: не «давайте посчитаем, окупится ли локально», а «давайте ускоримся вдвое — и тогда займём рынок». С ИИ ровно то же самое: фора набирается не рывком, а сложным процентом — небольшое преимущество, помноженное на время, превращается в дистанцию, которую уже не сократить.
Поэтому ИИ сегодня — не та технология, про которую можно сказать «подождём, пока кто-нибудь внедрит, и посмотрим». Это не про то, чтобы суетиться. Это про то, чтобы не откладывать первый маленький шаг. Тот, кто ждёт «удобного момента», на самом деле выбирает не безопасность, а отставание — просто отложенное во времени.
5.2 Кейсы, которые отрезвляют
Теперь — конкретика. Несколько историй, которые я слышал от практиков и которые лучше любых аргументов показывают, что обгон уже происходит. Часть из них коротко мелькнула ещё в первой главе — здесь я наконец разворачиваю их целиком, с деньгами, временем и живыми людьми, потому что именно в подробностях видно, как устроен обгон. Я нарочно беру не «лабораторные» примеры, а такие, где это видно невооружённым глазом.
Начну с истории, в которой машина оказалась не только быстрее, но и честнее человека. На одном газовом гиганте летом начались ремонты — сто шестьдесят тысяч строк ремонтных работ. Данные по ним не могли свести четыре месяца: строки не бьются между собой, где-то запятая стоит, где-то нет, и гендиректор на сессии буквально кричал на своих, потому что не мог получить простой ответ — как идут дела. Тогда эти сто шестьдесят тысяч строк просто загрузили в нейросеть. Через семь минут пришёл ответ: выполнено сорок два процента работ, то есть пятьдесят восемь процентов уже вылетели из графика, потому что закупки приедут позже, чем должны начаться работы. А когда гендиректор попросил пересчитать не по строкам, а по деньгам, картина оказалась ещё жёстче: реальное освоение бюджета — около семи-девяти процентов вместо благополучных цифр в сводке. Самые дорогие работы, выяснилось, вообще не двигаются.
Вдумайтесь в арифметику: четыре месяца против семи минут. И заметьте — это была не «тупая рутина», а работа квалифицированных людей с профильным образованием. Машина сделала её быстрее и внимательнее, и вдобавок не была заинтересована приукрасить отчёт. Вот ещё три истории из той же серии, покороче.
Проектирование. Проектное подразделение крупного химического холдинга собрало собственную базу знаний и перешло на работу с ИИ. За год оно сэкономило заказчику около двадцати трёх миллиардов рублей — пересмотрев требования к заводам, которыми проектировщики прежде вообще не занимались. Из исполнителей они превратились в технологических лидеров внутри холдинга.
Управление людьми. На производстве самолёта на каждый объект — человека, станок, операцию — завели своего ИИ-агента, цифрового двойника. С утра сотрудник не пикнул карточкой на проходной — система сама, в реальном времени, перестроила весь план на сутки и перебросила людей между цехами. «Ни один начальник цеха так не сделает — чтобы отдать своего сотрудника, даже если он очень нужен». Так ИИ управляет примерно пятью тысячами человек одновременно — то, что ни один живой управленец физически не потянет.
Консалтинг как продукт. Металлургический комбинат умел делать ремонты лучше других и продавал эту экспертизу как живой консалтинг — за двадцать миллионов рублей: приезжает команда, неделями живёт на заводе. Всю методологию упаковали в ИИ-агента. Теперь клиент выбирает: живая команда за двадцать миллионов — или тот же агент за один. И люди покупают. Себестоимость распространения агента — почти ноль. Объединяет эти истории одно. Везде выиграл не тот, кто быстрее работал руками, а тот, кто сменил позицию: собрал свою базу знаний, возглавил инструмент и поднялся выше по цепочке ценности. Ровно то, что мы назвали обгоном. И обратите внимание на сквозную деталь: дороже всего во всех четырёх случаях оказалась не сама нейросеть, а накопленная человеком экспертиза, упакованная так, чтобы машина могла ею пользоваться.
Совет: Своя база знаний — недооценённый актив. Самое ценное в любой организации копится не в отчётах, где «все молодцы», а там, где остаётся живой след работы: переписка, черновики, неудавшиеся гипотезы, разборы ошибок. Начните складывать это в одно место уже сейчас — это и есть топливо, на котором потом поедет ваш ИИ.
5.3 Образование: модель, которая уже работает
В образовании, которое первым приняло удар, обгон тоже уже не теория. И самый красивый пример я подсмотрел у коллег, которые объехали лучшие университеты мира в поисках того, как устроено обучение, когда текст больше ничего не доказывает. Их любимый случай — один из ведущих азиатских университетов. Там главное здание прозвали «Улей», и в нём преподаватели вообще не читают лекций. Лекции читают цифровые двойники преподавателей. Студенты собираются командами примерно по пятнадцать человек, смотрят лекцию двойника и фиксируют вопросы. А живой преподаватель приходит к ним минут на двадцать — и это время отдано не пересказу, а разбору непонятого, живому диалогу.