Обложка Революция разума: на подступах к Сингулярности. Как технологии изменят общество и сознание

Революция разума: на подступах к Сингулярности. Как технологии изменят общество и сознание

Рэймонд Курцвейл

0% прочитано
Стандартный
Рэймонд Курцвейл

Революция разума: на подступах к Сингулярности. Как технологии изменят общество и сознание

Глава 1. На какой из шести

Рэй Курцвейл

Революция разума: на подступах к сингулярности. Как технологии изменят общество и сознание

Copyright © 2024 by Ray Kurzweil

All rights reserved including the right of reproduction in whole or in part in any form. This edition published by arrangement with Viking, an imprint of Penguin Publishing Group, a division of Penguin Random House LLC.

© Алексеев А. А., перевод на русский язык, 2025

© Оформление. ООО «Издательство «Эксмо», 2025

* * *

Соне Розенвальд Курцвейл, которую я знаю – и люблю – вот уже пятьдесят лет!

Благодарности

Я хотел бы выразить благодарность моей жене Соне за ее любовь и поддержку в перипетиях творческого процесса и за то, что она делилась со мной идеями в течение пятидесяти лет.

Моим детям Итану и Эми, моей невестке Ребекке, моему зятю Джейкобу, моей сестре Энид и моим внукам Лео, Наоми и Куинси за их любовь, энтузиазм и блестящие идеи.

Моим покойным родителям, Ханне и Фредрику, которые во время прогулок по нью-йоркским лесам рассказывали мне о силе идей и давали мне свободу познавать мир, когда я был еще ребенком.

Джону-Кларку Левину за его тщательные исследования и вдумчивый анализ данных, которые легли в основу этой книги.

Моему давнему редактору в издательстве Viking Рику Коту за его решительность, мудрое руководство и профессиональную редактуру.

Нику Маллендору, моему литературному агенту, за его прозорливость и энтузиазм.

Аарону Клейнеру, моему давнему деловому партнеру (с 1973 года), за его преданность и поддержку на протяжении последних пятидесяти лет.

Нанде Баркер-Хук за ее квалифицированную помощь в написании текстов и организацию моих выступлений.

Саре Блэк за ее выдающиеся исследовательские гипотезы и систематизацию идей.

Селии Блэк-Брукс за ее поддержку и разработку обстоятельной стратегии по распространению моих идей по всему миру.

Дениз Скутелларо за умелое администрирование моей деловой активности.

Лаксману Фрэнку за превосходный графический дизайн и иллюстрации.

Эми Курцвейл и Ребекке Курцвейл за их советы по писательскому мастерству и за их собственные замечательные и очень успешные книги.

Мартине Ротблатт за ее преданную работу над всеми технологиями, о которых я пишу в этой книге, и за наше многолетнее сотрудничество в разработке выдающихся образцов этих технологий.

Моей команде, которая оказала огромную поддержку этому проекту в части исследований, написания текстов и логистики, включая Амару Анжелику, Аарона Клейнера, Боба Била, Нанду Баркер-Хук, Селию Блэк-Брукс, Джона-Кларка Левина, Дениз Скутелларо, Джоан Уолш, Мэрилу Соуза, Линдси Боффоли, Кена Линда, Лаксмана Фрэнка, Марию Эллис, Сару Блэк, Эмили Брэнган и Кэтрин Миронюк.

Опытной и преданной своему делу команде издательства Viking Penguin, включая Рика Кота, ответственного редактора; Эллисон Лоренцен, ответственного редактора; Камиллу Леблан, помощника редактора; Брайана Тарта, издателя; Кейт Старк, заместителя издателя; Кэролин Коулберн, директора по связям с общественностью; и Мэри Стоун, директора по маркетингу.

Питеру Джейкобсу из Агентства талантов (CAA) за его неоценимую поддержку в организации моих выступлений.

Командам Fortier Public Relations и Book Highlight за их исключительный опыт в области связей с общественностью и стратегическое руководство распространением этой книги по всему миру.

Коллегам и всем читателям, которые поделились со мной множеством интересных творческих идей.

И, наконец, всем людям, у которых хватает смелости подвергать сомнению устаревшие представления и использовать свое воображение, чтобы делать то, чего никто раньше не делал. Все вы меня вдохновляете.

Введение

В 2005 году в своей книге «Сингулярность уже близка» я выдвинул гипотезу, что экспоненциальное развитие технологий в ряде взаимосвязанных областей приведет человечество к фундаментальным переменам. Стремительный прогресс затрагивает несколько важнейших сфер человеческой деятельности: вычислительные мощности непрерывно дешевеют; биология человека все лучше поддается пониманию; технологические процессы в электронике становятся все более совершенными, и работа идет на все меньших масштабах. По мере роста способностей искусственного интеллекта и объемов доступных данных цифровые системы оказываются все плотнее интегрированы в работу нашего биологического разума. В конце концов, благодаря нанотехнологиям мы сможем напрямую подключить наш мозг к многослойным облачным нейросетям, что и станет кульминационной точкой в развитии информационных технологий. Мы станем едины с искусственным интеллектом, получив в свое распоряжение вычислительную мощь, в миллионы раз превосходящую ту, что подарила нам природа. Это расширит возможности нашего разума и раздвинет пределы сознания в такой степени, что пока мы даже не в состоянии этого представить. Именно это я имею в виду, когда говорю о достижении Сингулярности.

Термин «Сингулярность» возник в точных науках. В математике он используется для обозначения точки, значение функции в которой невозможно определить, например, из-за невозможности деления на нуль. В физике сингулярность – это точка в центре черной дыры, где плотность вещества стремится к бесконечности и обычные законы физики перестают действовать. Важно отметить, что в нашем контексте мы не будем использовать этот термин в его буквальном значении. Мое понимание технологической Сингулярности не предполагает, что прогресс на самом деле будет идти с бесконечной скоростью, как не означают ничего подобного ни экспоненциальный закон, ни физическая Сингулярность. Черная дыра обладает настолько сильной гравитацией, что даже свет не может ее преодолеть, но квантовая механика не располагает средствами, которыми можно было бы описать объекты в самом деле бесконечной массы. Говоря о Сингулярности, я подразумеваю, что масштаб предстоящих перемен непостижим на текущем уровне развития нашего интеллекта. После преодоления этого рубежа наши способности к познанию за короткий срок должным образом адаптируются.

В своей книге «Сингулярность уже близка» я подробно рассказывал о том, как наблюдаемые долгосрочные процессы могут привести к наступлению Сингулярности примерно в 2045 году, то есть через 40 лет – два поколения – после выхода книги в свет. Даже на таком расстоянии я уже мог делать прогнозы о том, какие силы приведут к этой фундаментальной трансформации, но для большинства читателей в 2005 году эти вопросы не казались достаточно насущными. Многие критики считали, что я слишком оптимистично оцениваю сроки наступления Сингулярности, а некоторые даже полагали, что она вообще невозможна.

С тех пор произошли удивительные события. Вопреки прогнозам скептиков, мы не наблюдаем замедления темпов прогресса. Смартфоны и социальные сети, которых в 2005 году еще практически не существовало, теперь стали неотъемлемой частью нашей повседневной жизни, позволяя большей части населения мира оставаться на связи без перебоев. Разработка новых алгоритмов и появление методов анализа больших объемов данных позволили машинному интеллекту достичь впечатляющих результатов

В основе этих достижений лежит принцип, который я называю законом ускорения отдачи. Он гласит, что стоимость продуктов информационных технологий снижается в геометрической прогрессии, поскольку каждое новое открытие делает разработку следующих поколений таких инструментов более простой. В результате к моменту написания этой книги один доллар, потраченный на информационные технологии, обеспечивает в 11 200 раз больше вычислительной мощности (с учетом инфляции), чем в год выхода книги «Сингулярность уже близка».

На рисунке, который мы подробно обсудим в следующих главах, показан ключевой фактор, способствующий нашему техническому прогрессу. Это экспоненциальный рост вычислительной мощности, доступной за один доллар, который представлен прямой линией в логарифмических координатах на длительном временном интервале. Как известно, закон Мура гласит, что размер транзисторов постоянно уменьшается, что делает компьютеры все более быстрыми. Однако это лишь одно из проявлений закона ускорения отдачи, который действовал задолго до изобретения транзисторов и будет действовать даже после того, как дальнейшее развитие транзисторов станет физически невозможным и на смену им придут новые технологии. Закономерность, представленная на этом рисунке, сформировала современный облик нашего мира. Практически каждый прорыв в развитии, о котором мы расскажем в этой книге, прямо или косвенно связан с этим фактом.

Мы уверенно и неотвратимо движемся к Сингулярности. Эта книга актуальна, потому что изменения, которые мы переживаем, носят беспрецедентный характер. Закономерности, которые в начале века были едва заметны, теперь затрагивают судьбы миллиардов людей. В начале 2020-х годов мы оказались на крутом участке экспоненциальной кривой, и скорость внедрения инноваций, кажется, не имеет преград. Только представьте: день, когда вы читаете эти строки, гораздо ближе к созданию первого искусственного интеллекта, превосходящего человеческий разум, чем к выходу моей предыдущей книги «Эволюция разума» (2012). И, вероятно, ближе к Сингулярности, чем к публикации «Века духовных машин» (1999). Если говорить о человеческой жизни, то дети, рождающиеся сегодня, к моменту наступления Сингулярности будут как раз оканчивать обучение в колледже. Эта «близость» ощущается гораздо реальнее, чем представлялось в 2005 году.

Вот почему настало время для этой книги. Путь к Сингулярности занял у человечества тысячелетия, и сейчас мы приближаемся к финишу, переходя на быстрый бег. Как я уже говорил в предисловии к книге «Сингулярность уже близка», на момент ее выхода мы «находились на начальном этапе переходного процесса». Теперь же мы достигли его кульминации. Если тогда мы только пытались разглядеть линию горизонта, то сейчас готовы преодолеть последние несколько километров пути.

К счастью, дорога вперед теперь ясно видна. Хотя нам нужно преодолеть еще немало технических сложностей, прежде чем мы достигнем Сингулярности, тем не менее наши основные задачи в этой области стремительно переходят из разряда сугубо теоретических исследований в область практических экспериментов. В ближайшее десятилетие нам предстоит найти общий язык с ИИ, который будет удивительно похож на человеческий разум, а простейшие интерфейсы мозг-компьютер станут частью повседневной жизни, как смартфоны сегодня. Цифровая революция в медицине поможет справиться с множеством заболеваний и существенно продлить период здоровой и активной жизни. В то же время многие работники пострадают из-за экономических потрясений, и все мы в той или иной мере столкнемся с рисками, связанными со злоупотреблением новыми техническими возможностями. По ходу 2030-х годов искусственный интеллект, совершенствующий сам себя, и продвинутые нанотехнологии позволят нам соединиться с построенными нами же машинами, создав как новые возможности, так и неожиданные опасности. Если мы преодолеем технические трудности и решим этические, социальные и политические вопросы, которые встанут перед нами благодаря этим достижениям, то к 2045 году условия жизни на Земле значительно улучшатся. Если же мы потерпим неудачу, под угрозой окажется само существование человечества. В этой книге мы поговорим о последнем отрезке пути к Сингулярности – о наших надеждах и подстерегающих нас опасностях в последние годы существования мира, каким мы знали его до сих пор.

Прежде всего, мы рассмотрим, как именно наступит Сингулярность, и увидим, что это событие является результатом длительных усилий нашей цивилизации по созданию искусственного интеллекта, подобного нашему собственному. Создание искусственного разума, основанного на научных и технических достижениях, неизбежно влечет за собой глубокие философские вопросы. Нам предстоит осмыслить, как грядущие перемены отразятся на нашем восприятии самих себя и на понимании смысла нашего существования. Затем мы обратимся к практическим тенденциям, которые будут преобладать в ближайшие десятилетия. Мы увидим, как закон ускорения отдачи способствует экспоненциальному росту уровня жизни человека по самым различным показателям. Одним же из главных негативных последствий быстрого внедрения инноваций является рост безработицы, вызванный автоматизацией различных процессов. Однако, несмотря на эту проблему, долгосрочные прогнозы оптимистичны, и мы, по сути, не находимся в состоянии конкуренции с искусственным интеллектом.

По мере того как новые технологии будут открывать перед нами все новые горизонты материального изобилия, мы постепенно приблизимся к преодолению следующего препятствия на пути к полному процветанию: хрупкости нашего биологического тела. Следующим шагом станет создание средств, которые позволят нам совершенствовать нашу биологию. Сначала нам нужно будет остановить старение нашего организма, а затем найти способ расширить возможности мозга, что приблизит нас к Сингулярности. Однако такие открытия могут нести в себе и угрозу. Революционные достижения в области биотехнологий, нанотехнологий и искусственного интеллекта могут привести к экзистенциальным катастрофам, таким как разрушительные пандемии или цепные реакции самовоспроизводящихся опасных механизмов. В заключительной части книги мы оценим эти риски, избежать которых будет сложно без тщательного планирования. Однако, как я постараюсь показать, существуют многообещающие подходы к их нейтрализации.

Нам посчастливилось жить в самые интересные и важные времена за всю историю человечества. Никто не знает, какой будет жизнь после наступления Сингулярности. Однако, разобравшись в том, что происходит, и подготовившись к предстоящим переменам, мы можем надеяться, что наша цивилизация успешно преодолеет этот этап своего развития.

В книге «Сингулярность уже близка» я предложил рассматривать информацию как основу для возникновения сознания. С момента зарождения Вселенной я выделил шесть эр, или стадий, на каждой из которых с помощью доступных средств обработки информации создаются условия для перехода к следующей. Таким образом, на каждом этапе различные процессы прямо или косвенно способствуют эволюции разума.

Начало Первой эры было ознаменовано появлением законов физики и зарождением химии на их основе. Спустя несколько сотен тысяч лет после Большого взрыва начали формироваться атомы, состоящие из протонно-нейтронного ядра, окруженного электронами. Положительно заряженные протоны в ядре атома не должны находиться так близко друг к другу из-за взаимного отталкивания, возникающего в результате электромагнитного взаимодействия. Однако существует отдельное явление, называемое сильным ядерным взаимодействием, которое обеспечивает целостность ядра. Кто бы ни проектировал законы Вселенной, он позаботился о существовании этой силы, без которой атомы не смогли бы образоваться.

Спустя миллиарды лет из атомов сформировались сложные молекулы, содержащие уникальную информацию. Одним из ключевых элементов в этом процессе стал углерод, способный образовывать четыре связи вместо одной, двух или трех, как большинство других атомных ядер. Нам невероятно повезло, что в нашей Вселенной существует такая сложная химия. Если бы гравитация была немного слабее, сверхновые звезды стали бы невозможны, а вместе с ними и химические элементы, из которых состоит жизнь. А если бы гравитация была чуть сильнее, звезды бы выгорали раньше, чем успела бы развиться разумная жизнь. То есть даже одна гравитационная постоянная должна была попасть в очень узкий диапазон значений, чтобы мы могли появиться на свет. Мы живем в тщательно настроенной Вселенной, которая обеспечивает необходимый уровень порядка для успешной эволюции. Несколько миллиардов лет назад началась Вторая эра – эра жизни. Образовались сложные молекулы, способные хранить информацию о целом организме. Благодаря этому живые существа, каждое со своим уникальным набором ДНК, смогли эволюционировать и распространяться по планете.

Третья эра ознаменовалась появлением у живых организмов, созданных на основе ДНК, мозга, который, в свою очередь, может хранить и обрабатывать информацию. Наличие мозга оказалось огромным эволюционным преимуществом, поэтому на протяжении миллионов лет его устройство становилось все более сложным.

В ходе Четвертой эры животные научились использовать высокоуровневые когнитивные функции, а также большие пальцы передних конечностей для совершения сложных действий. Так появился человек. Как биологический вид мы сумели применить свои способности и создать средства для хранения, передачи и преобразования информации. Эти технологии, начиная с папируса и заканчивая накопителями на магнитных дисках, дополнили возможности нашего мозга по восприятию, извлечению из памяти и распознаванию образов. Это стало новым этапом эволюции, более значительным, чем предыдущие достижения. В то время как мозг увеличивался в размерах примерно на один кубический дюйм каждые 100 тысяч лет, цифровая революция обеспечивает двукратный прирост вычислительной мощности при той же стоимости каждые 16 месяцев.

При переходе к Пятой эре мы напрямую соединим наш разум с высокоскоростными цифровыми технологиями с помощью так называемого «интерфейса мозг-компьютер». Мозг человека обрабатывает информацию со скоростью несколько сотен циклов в секунду, в то время как электронный мозг – миллиарды циклов в секунду. Вдобавок к увеличению скорости мышления и объема памяти расширение нашего мозга с помощью компьютерных технологий позволит нам добавить к нашему неокортексу много новых иерархических слоев, что выведет наше абстрактное мышление на такой уровень сложности, который мы сейчас даже не можем себе вообразить.

По ходу Шестой эры наш разум распространится по всей Вселенной, превращая любое вещество в компьютрониум – особую форму материи, внутреннее устройство которой позволяет производить вычисления с максимальной эффективностью.

В своей книге «Век духовных машин», вышедшей в 1999 году, я высказал мнение, что искусственный интеллект сможет пройти тест Тьюринга – а именно: успешно притвориться человеком, общаясь с помощью текстовых сообщений – не позднее 2029 года. Я подтвердил свой прогноз в книге «Сингулярность уже близка», опубликованной в 2005 году. Прохождение теста Тьюринга будет означать, что ИИ освоил язык и способен рассуждать на уровне человека. Концепцию этого теста в 1950 году предложил Алан Тьюринг1. Однако он не уточнил, каким именно образом следует проводить экзамен. Мы с Митчем Капором заключили пари насчет моего прогноза, ориентируясь на разработанный нами вариант правил, намного более строгий, чем те, что обсуждались ранее в связи с этим вопросом.

Я отдавал себе отчет, что для успешного прохождения ИИ теста Тьюринга к 2029 году разработчикам нужно будет преодолеть немало технических сложностей уже к 2020-му. В самом деле, за последние десятилетия ИИ успешно справился с рядом сложных задач, поставленных перед ним человечеством: от игр, таких как «Джеопарди!» и го, до важнейших прикладных задач, таких как лучевая диагностика и разработка лекарств. Сегодня передовые нейронные сети, в частности Gemini и GPT-4, постоянно совершенствуют свои возможности, расширяя круг подвластных им областей деятельности и все сильнее приближая нас к созданию искусственного интеллекта общего назначения.

Строго говоря, чтобы пройти тест Тьюринга, ИИ придется притвориться существенно менее продвинутым во многих аспектах, иначе он быстро выдаст себя. Например, мгновенно решая любую математическую задачу, он провалит тест. Поэтому на стадии успешного прохождения теста Тьюринга ИИ будет обладать способностями, значительно превосходящими уровень мастерства лучших представителей человечества почти во всех областях.

Мы живем в последние годы Четвертой эры и уже сталкиваемся с трудностями в понимании результатов, которые получаем с помощью самых современных технологий. Мы активно работаем над устранением недостатков искусственного интеллекта, которые пока не позволяют ему пройти тест Тьюринга, и добились заметных успехов. Как только ИИ сможет успешно пройти тест Тьюринга, начнется Пятая эра обработки информации.

Ключевым событием в 2030-х годах будет установление прямой связи между новой корой головного мозга человека и облачной вычислительной платформой, что существенно расширит наши умственные способности. В этом смысле ИИ вместо конкурента станет дополнением человека. Когда это произойдет, электронные части нашего разума обеспечат нам в тысячи раз большую интеллектуальную мощь, чем мог бы биологический мозг.

Стремительное развитие технологий приведет к тому, что к 2045 году возможности нашего разума увеличатся в миллионы раз. Этот невообразимый масштаб грядущих перемен позволяет метафорически описать события, которые нас ждут в ближайшем будущем, как достижение сингулярности.

Глава 2. Изобретая разум заново

Что значит воссоздать разум?

Если рассматривать историю Вселенной как эволюцию способов обработки информации, то человек появляется во второй половине этого долгого и удивительного пути. Именно нам предстоит совершить переход от животных, мозг которых состоит из биологического материала, к трансцендентным существам, чья сила разума

Но каким конкретно образом это произойдет? Чтобы понять, что значит воссоздать мышление, для начала мы вспомним историю появления искусственного интеллекта и два различных подхода, которые возникли в связи с ним. Обратившись к нейробиологии, мы узнаем, как мозжечок и новая кора полушарий головного мозга создают наш разум, и разберемся, почему один из двух подходов оказался более подходящим. Затем мы рассмотрим технологию глубокого обучения, которая имитирует работу неокортекса, и увидим, какими еще способностями должен обладать ИИ, чтобы достичь человеческого уровня, и как мы сможем понять, что это произошло. Наконец, мы обсудим, как при поддержке сверхмощного ИИ нам удастся разработать устройства для подключения нашего мозга к компьютеру. Такие устройства позволят дополнить неокортекс новыми слоями электронных нейронов, что выведет наше мышление на принципиально новый уровень, увеличив скорость работы мозга в миллионы раз. Именно этот феномен я называю достижением Сингулярности.

Появление искусственного интеллекта

В 1950 году британский математик Алан Тьюринг (1912–1954) опубликовал в журналеMindстатью под названием «Вычислительные машины и разум»1. В ней Тьюринг поставил фундаментальный вопрос: может ли машина мыслить? Хотя идея о мыслящих машинах существует со времен древнегреческого мифа о бронзовом автомате Талосе 2, заслуга Тьюринга заключается в том, что он сумел свести эту концепцию к способности, которую можно проверить на опыте. Он предложил так называемую «игру в имитацию», также известную как «тест Тьюринга», в качестве способа определить, могут ли машинные вычисления решать те же когнитивные задачи, с которыми справляется наш мозг. В рамках теста арбитры, являющиеся людьми, общаются одновременно с искусственным интеллектом и участниками-статистами через обмен текстовыми сообщениями. При этом они не имеют никакой информации о своих собеседниках. Судьи могут задавать вопросы на любые темы по своему усмотрению. Если по истечении определенного времени судьи не могут с уверенностью определить, кто из собеседников был искусственным интеллектом, а кто – человеком, то можно считать, что ИИ успешно прошел тест.

Исследователей необычайно воодушевила новая научная формулировка давнего философского вопроса. В 1956 году математик Джон Маккарти (1927–2011) предложил провести двухмесячное исследование в Дартмутском колледже в Гановере, Нью-Гэпмшир, силами группы из десяти специалистов3. Вот как была сформулирована задача:

Исследование имеет своей целью проверить гипотезу, что способность к обучению или любое другое свойство интеллекта могут быть настолько тщательно формализованы, что машина сможет их имитировать. Будет предпринята попытка заставить компьютер пользоваться письменной речью, оперировать абстрактными понятиями, решать задачи, с которыми на данный момент может справиться только человек, а также научить программу совершенствовать саму себя4.

В преддверии конференции Маккарти предложил назвать новую область науки, благодаря которой впоследствии будут автоматизированы многие процессы, «искусственным интеллектом»5. Я не большой поклонник этого названия, поскольку из-за него создаваемый нами разум кажется как будто ненастоящим, но именно этот термин прижился в компьютерных науках.

Исследование провели, но цели, а именно: создать вычислительную машину, способную решить задачу, сформулированную на простом человеческом языке, конечно, за отведенные два месяца не достигли. Собственно, мы до сих пор занимаемся созданием такого компьютера, причем гораздо большими силами, чем десять исследователей. По данным китайского технологического гиганта Tencent, в 2017 году количество специалистов в области искусственного интеллекта во всем мире достигло 300 0006, а в 2019 году в «Обзоре специалистов в области ИИ по всему миру» его авторы Жан-Франсуа Ганье, Грейс Кизер и Йоан Манта насчитали 22 400 экспертов, публикующих статьи с оригинальными исследованиями в области ИИ, из которых 4000 были признаны весьма влиятельными7. По данным Стэнфордского института искусственного интеллекта, ориентированного на человека (Stanford HAI), в 2021 году разработчики ИИ опубликовали более 496 000 статей и подали более 141 000 заявок на патенты8. В 2022 году корпоративные инвестиции в ИИ по всему миру составили 189 миллиардов долларов, увеличившись в 13 раз за прошедшее десятилетие9. К моменту выхода этой книги суммы будут еще более внушительными.

Все это сложно было себе представить в 1956-м, когда участники Дартмутской конференции поставили перед собой задачу, которая не уступала по сложности созданию ИИ, способного пройти тест Тьюринга. Я уверен, что мы достигнем этого уже к 2029 году, и я не изменил своего прогноза, который опубликовал в 1999 году в книге «Век духовных машин»10. В те времена многие обозреватели сходились во мнении, что такого уровня технологий мы не достигнем никогда. Даже совсем недавно коллеги по отрасли считали мой прогноз чересчур оптимистичным. Например, опрос, проведенный в 2018 году, показал, что в среднем эксперты в сфере ИИ считают, что вычислительные машины не достигнут уровня человеческого интеллекта раньше 2060 года11. Однако в свете последних успехов в разработке больших языковых моделей многие ученые скорректировали свои ожидания. Когда я писал черновик этой книги, на сайте платформы для прогнозов Metaculus мнения относительно времени создания достаточно мощного ИИ колебались от 2040-х до 2050-х годов. Но темпы прогресса в последние два года вновь превзошли ожидания, и к маю 2022 года консенсус среди участников на Metaculus стал соответствовать обозначенной мной дате: 2029 год12. С тех пор высказывались и более смелые мнения, в частности, говорили о 2026 годе, так что технически мой изначальный прогноз теперь можно считать консервативным13.

Последнее время новые достижения в сфере ИИ поражают даже экспертов. Открытия не только происходят раньше, чем ожидалось, но главное, что они случаются внезапно, а не назревают в течение долгого времени. Например, в октябре 2014-го Томазо Поджио, эксперт по ИИ и когнитивной нейробиологии из Массачусетского технологического института, отвечая на вопрос журналиста, сказал: «Задача описать, что изображено на картинке, будет одной из самых сложных для искусственного интеллекта. Чтобы приблизиться к ее решению, нам потребуется провести еще множество фундаментальных исследований»14. Согласно оценке Поджио, этот рубеж должен был покориться нам лет через двадцать. Через месяц после этого интервью компания Google представила ИИ, умеющий решать ровно эту задачу – распознавать объекты на изображении. Когда обозреватель журналаNew YorkerРаффи Хачадурян попросил Поджио прокомментировать это событие, тот в ответ высказал сомнение, что эта способность отражает наличие истинного интеллекта. Я пишу это не в качестве критики, а как пример общей тенденции. А именно: пока у ИИ

Почему эти открытия оказались столь неожиданными? Чтобы ответить на этот вопрос, нужно вспомнить одну дилемму, стоявшую перед теоретиками на заре развития отрасли. В 1964 году, еще будучи школьником, я познакомился с двумя выдающимися представителями направления ИИ: Марвином Минским (1927–2016), который был одним из организаторов той лаборатории по ИИ в Дартмутском колледже, и Фрэнком Розенблаттом (1928–1971). В 1965 году я поступил в МТИ, где моим научным руководителем стал Минский. В то время он занимался фундаментальными исследованиями, которые и заложили основы для резкого скачка в развитии нейросетей, произошедшего в последние годы. От него я узнал, что существуют два подхода к автоматизации решения задач: символьный и нейросетевой (так называемый «коннекционизм»).

Символьный подход опирается на перечисление правил, по которым человек, являющийся экспертом, решал бы поставленную задачу. Иногда такой подход себя оправдывает. Например, в 1959 году корпорация RAND представила «Универсальный решатель задач» – компьютерную программу, способную оперировать простыми математическими аксиомами и находить решение логических задач15. Герберт Саймон, Клиффорд Шоу и Аллен Ньюэлл разработали «Универсальный решатель», чтобы получить возможность решать любую задачу, которую можно сформулировать в терминах нормальных форм алгебры высказываний. Чтобы решить задачу, программа обрабатывала одну формулу (аксиому) на каждом этапе процесса, постепенно выстраивая с их помощью доказательство теоремы.

Даже если вы не знакомы с формальной логикой или теорией доказательств, понять этот принцип можно на примере алгебры. Если известно, что 2 + 7 = 9 и что к неизвестному числу прибавили 7 и получили 10, можно показать, что искомое число равно 3. Но таким путем можно получать и более сложные результаты. Когда мы задаемся вопросом, соответствует ли некий объект заданному определению, то руководствуемся такой же логикой, даже не отдавая себе в этом отчета. Допустим, мы знаем, что простое число не имеет делителей, кроме 1 и самого себя, а также, что число 11 делит число 22 пополам. Учитывая, что 1 не равно 11, мы можем заключить, что 22 не является простым числом. Имея в распоряжении самые простые и фундаментальные аксиомы, УРЗ может применить подобные рассуждения к существенно более сложным задачам. Математики, строго говоря, именно этим и занимаются, только компьютер в поисках ответа в состоянии (теоретически, по крайней мере) сопоставить аксиомы друг с другом всеми возможными способами.

Представим для наглядности, что у нас есть 10 аксиом, а для решения задачи нужно выбрать одну из них на каждом из 20 шагов. В таком случае существует 1020, то есть миллиард раз по 100 миллиардов возможных вариантов решения. В настоящее время мы можем работать с такими величинами, но у компьютеров 1959 года шансов справиться не было. Электронная вычислительная машина DEC PDP-1 могла выполнять 100 000 операций в секунду16. В 2023-м облачный сервер Cloud A3 компании Google способен совершать примерно 26 000 000 000 000 000 000 операций в секунду17. Сейчас один доллар обеспечит в 1,6 триллиона раз больше вычислительной мощности, чем во времена УРЗ18. На решение задач, с которыми современные домашние компьютеры справляются за несколько минут, у машин 1959 года ушли бы десятки тысяч лет. В попытке преодолеть вычислительные ограничения в УРЗ встроили эвристические алгоритмы, которые ранжировали возможные решения, отдавая приоритет наиболее перспективным. Иногда это срабатывало, и каждый успех вселял надежду, что рано или поздно компьютер сможет решить любую должным образом сформулированную задачу.

Еще одним примером может служить система МИЦИН, разработанная в 1970-х годах для диагностики инфекционных заболеваний и выдачи рекомендаций по лечению. В 1979 году группа экспертов сравнила результаты этой программы с назначениями докторов, и оказалось, что МИЦИН справилась с задачей как минимум не хуже, а иногда и более успешно, чем настоящий врач19.

Типичное «правило» в программе МИЦИН выглядело так:

ЕСЛИ:

1) Заболевание, требующее лечения, – это менингит, и

2) тип инфекции – грибковая, и

3) посев не выявил роста микроорганизмов, и

4) пациент не является ослабленным, и

5) пациент побывал в районе, эндемичном по кокцидиомикозам, и

6) пациент принадлежит к одной из следующих расовых групп: афроамериканцы, азиаты, индейцы, и

7) анализ ликвора на криптококковый антиген не был положительным,

ТОГДА:

Предположительно (с вероятностью 50 %) криптококк не является одним из организмов (помимо тех, которые обнаружились в посевах или мазках), вызвавших заболевание20.

К концу 1980-х годов так называемые «экспертные системы», подобные МИЦИН, начали использовать вероятностные модели и стали учитывать множество источников информации при принятии решений21. В сложных случаях одним правилом типа «если… то» не обойтись, но, скомбинировав тысячи таких логических утверждений, в рамках определенного класса задач система могла предложить достаточно надежное решение.

В рамках символьного подхода исследователи работали более полувека, но не нашли способа преодолеть «потолок сложности»22. Когда МИЦИН или подобные системы допускали ошибку, она поддавалась исправлению, но решение одной проблемы порождало три новые ошибки в других ситуациях. Усложнять экспертную систему удавалось лишь до определенного предела, из-за чего диапазон реальных задач, которые с таким подходом можно было решать, оказывался весьма узким.

Можно рассматривать сложность экспертных систем на основе правил с точки зрения точек отказа. Известно, что количество подмножеств у множества из n-элементов составляет 2n – 1 (не считая пустое множество). Если набор правил ИИ состоит из одного закона, то существует всего одна точка отказа: корректно это правило само по себе или нет. Если правила два, точек отказа будет уже три: две соответствуют каждому из правил в отдельности, а третья относится к их комбинации. С ростом количества правил число возможных точек отказа растет экспоненциально. Пять правил порождают 31 точку отказа, 10 правил – 1023; 100 правил – и точек отказа уже больше тысячи миллиардов умножить на миллиард и еще раз умножить на миллиард, а 1000 правил дают больше гугол умножить на гугол умножить на гугол точек отказа. Из этого, в частности, следует, что чем больше у вас в системе правил, тем больше возможных точек отказа добавит каждое дополнительное правило. Даже если ничтожно малая доля комбинаций из правил работает некорректно, рано или поздно наступит момент (когда конкретно, зависит от задачи), когда добавление нового правила, которое решает проблемную ситуацию, приведет к появлению более одной новой проблемы. Такую ситуацию и называют потолком сложности.

Вероятно,

В 1960-х годах мы с Минским обсуждали достоинства и недостатки символьного подхода к созданию ИИ, и в сравнении я начал осознавать преимущества сетевой парадигмы. Коннекционизм подразумевает использование сети простых узлов, которая приобретает функции интеллекта благодаря своей структуре, а не информации в отдельных узлах. Вместо сложных правил система опирается на узлы, которые сами по себе почти ничего не умеют, но, объединенные в большую сеть, способны извлекать информацию из поступающих данных. Благодаря этому такие сети способны находить закономерности, которые никогда не пришли бы в голову программистам, если бы те попытались применить символьный подход. Одним из основных преимуществ сетевого подхода является то, что с его помощью можно решать задачи, не имея готового метода. Ведь даже если бы мы в совершенстве владели навыком правильно формулировать и безошибочно переносить в программу необходимые для работы ИИ правила (а это большое «если»), нам бы все равно мешало отсутствие четкого понимания, какие из них стоит вносить в программу.

Нейронная сеть – это мощный инструмент для решения сложных задач, однако он не лишен недостатков. Построенный по такому принципу искусственный интеллект имеет обыкновение превращаться в «черный ящик». ИИ дает нам ответ, но не в состоянии пояснить, как он пришел именно к такому варианту24. Это свойство угрожает стать серьезной проблемой, поскольку людям хочется знать обоснование принятых решений по важным вопросам, таким как выбор метода лечения, обеспечение соблюдения норм правопорядка, гигиенический надзор, управление рисками. Вот почему в настоящее время ряд экспертов в области ИИ работает над повышением «прозрачности» результатов работы нейросетей (так называемой «механистической интерпретабельности»), иначе говоря, возможности раскрыть причинно-следственные связи, стоящие за их решениями25. Пока неясно, насколько эта цель достижима, учитывая, что многослойные нейросети становятся все более сложными и мощными.

Когда я начинал работать с нейронными сетями, их устройство было гораздо более простым. В основе технологии лежала идея создать компьютерную модель того, как работает центральная нервная система человека. Поначалу это было довольно туманное соображение, потому что моделирование началось еще до того, как ученые смогли более-менее подробно изучить, каким образом организованы сети нейронов в биологическом мозге.

Схема простой нейронной сети

Приведем описание типичного алгоритма на основе нейронной сети. В зависимости от конкретной задачи этот алгоритм может принимать множество форм, но в любом случае при создании системы необходимо выбрать подходящие методы и установить значения ключевых параметров.

Чтобы создать решение на основе нейронной сети, нужно пройти через несколько этапов:

– Определить, какие данные будут использоваться в качестве входных.

– Разработать структуру нейронной сети (то есть задать количество и размеры слоев, а также связи между нейронами).

– Обучить нейросеть на данных с известными ответами.

– Использовать нейросеть для решения новых задач.

– Опубликовать результаты и открыть доступ к своему сервису.

Рассмотрим каждый из этих шагов (кроме последнего) подробнее.

Входные данные

Входные данные задачи, поступающие в нейронную сеть, состоят из ряда чисел. Нейросеть может обрабатывать:

– В задачах распознавания визуальных образов: изображения, представленные в виде двумерного массива чисел, соответствующих пикселям.

– В задачах обработки аудиосигнала (например, речи): звук, представленный в виде двумерного массива чисел, одно измерение в котором соответствует точкам на временной шкале, а второе – характеристикам звука (например, частотным составляющим).

– В задачах распознавания образов произвольной природы: многомерный массив чисел, характеризующих входной образ.

Определение структуры сети

Архитектура нейронной сети определяется связями каждого из нейронов:

– Каждое «входящее» соединение нейрона обычно связано с «исходящим» соединением другого нейрона либо с одним из входных значений набора данных.

– Как правило, единственное «исходящее» соединение служит для передачи результата работы данного нейрона другому, находящемуся в более высоком слое, либо сообщает результат работы всей нейронной сети.

Создание входного слоя нейронов

– Первый слой содержит N0 входных нейронов. Входящие соединения каждого из них связаны с «точками» (то есть числами) из массива входных данных. Количество и структура этих связей могут быть установлены произвольно либо определены с помощью генетического алгоритма (см. описание ниже).

– Для каждого соединения необходимо задать «силу синаптической связи». Начальные значения «весов» связей могут быть равны какому-то одному числу, или заданы случайным образом, или определены каким-либо еще способом.

Создание внутренних слоев нейронов

Необходимо создать M скрытых слоев. В каждом из внутренних слоев:

– Создается Ni нейронов (где i – номер слоя). Входящие соединения каждого из них связываются с исходящими соединениями нейронов в предыдущем слое (см. также раздел «Вариации»).

– Задаются начальные значения «весов» связей, равные какому-то одному числу, определенные случайным образом или другим способом (см. ниже).

– Выходные соединения нейронов в слое с номером M передают итоговый результат работы нейронной сети (см. раздел «Вариации»).

Процесс распознавания

Принцип работы нейрона

Каждый нейрон по ходу одного цикла работы нейросети совершает следующие операции:

– Умножает каждый входящий сигнал (то есть числовое значение, поступившее от нейрона в предыдущем слое либо из массива входных данных) на вес соответствующей синаптической связи.

– Суммирует все входящие взвешенные сигналы.

– Если полученная сумма больше порога активации данного нейрона, нейрон возбуждается и посылает исходящий сигнал, равный единице, иначе исходящий сигнал равен нулю (см. раздел «Вариации» ниже).

Получение результата работы нейросети

Во всех слоях от входного до выходного каждый нейрон выполняет следующие действия:

– Вычисляет взвешенную сумму входящих сигналов (то есть исходящих сигналов нейронов предыдущего слоя либо чисел из массива входных данных).

– Если взвешенная сумма входящих сигналов больше порогового значения для нейрона, исходящий сигнал принимается равным единице, иначе нулю.

Процесс обучения нейронной сети

– Раз за разом проводится процесс распознавания на примерах из обучающей выборки.

– После каждого цикла работы нейросети веса синаптических связей между всеми нейронами корректируются так, чтобы улучшить точность ответов нейросети на данной выборке

– Обучение продолжается до тех пор, пока точность работы нейросети на обучающей выборке не перестанет расти (то есть не приблизится к предельным для данных условий значениям).

Ключевые аспекты проектирования

Приведенная выше простая схема требует от разработчика принятия нескольких решений в самом начале работы:

– Каким аспектам задачи будут соответствовать числа, подаваемые на вход нейронной сети.

– Каким будет количество слоев.

– Сколько нейронов будет в каждом слое (это число может быть различным для разных слоев).

– Сколько входящих соединений будет у нейронов в каждом слое. Это количество тоже может отличаться от слоя к слою и даже от нейрона к нейрону внутри одного слоя.

– Какой будет сама структура связей. Для каждого нейрона необходимо составить список нейронов, исходящие соединения которых будут являться входящими для данного. Это одна из самых важных задач при проектировании. Ее можно решить разными путями:

1. Назначить соединения случайным образом.

2. Использовать генетический алгоритм (см. ниже) для определения оптимальной схемы.

3. Задать топологию на усмотрение разработчика.

– Какими будут начальные значения весов всех синаптических связей. Они могут быть определены разными способами:

1. Установлены равными какому-то одному значению.

2. Определены случайным образом.

3. Найдены с помощью генетического алгоритма.

4. Установлены согласно представлениям разработчика.

– Каков будет порог активации для каждого нейрона.

– В какой форме нейросеть будет давать ответ. Результатом ее работы может быть:

1. Массив сигналов нейронов выходного слоя.

2. Исходящий сигнал единственного нейрона, на вход которому подаются сигналы последнего слоя нейронов.

3. Результат вычисления определенной функции от исходящих сигналов нейронов последнего слоя, например, их сумма.

4. Результат вычисления определенной функции от исходящих сигналов нейронов нескольких слоев.

– Каким методом будут корректироваться синаптические веса в ходе обучения нейросети. Это один из ключевых моментов, которому посвящены многочисленные исследования и дискуссии. Отметим ряд важных моментов:

1. После каждого цикла работы нейросети можно поочередно увеличивать или уменьшать вес каждого соединения на малую величину и проверять, какое из этих изменений увеличивает точность работы. Это требует больших временных затрат, поэтому были разработаны способы предсказать сторону, в которую следует изменить вес конкретной связи.

2. Существуют специальные статистические методы коррекции весов после каждого цикла работы сети, позволяющие добиться того, чтобы сеть давала более точный ответ для текущего примера.

3. Заметим, что нейросеть может успешно обучаться даже при наличии ошибок в обучающей выборке примеров. Это позволяет использовать данные, собранные в реальном мире, в которых неизбежно присутствует доля ошибочно размеченных. Для достижения хотя бы удовлетворительных результатов обучения нейросети распознаванию образов очень важным условием является наличие большого количества тренировочных данных. Как и в случае с человеком, время, затраченное на обучение, имеет большое значение для качества итогового результата.

Вариации

Существует множество вариаций приведенной выше схемы:

– Топологию сети можно выбрать случайным образом или найти оптимальную схему связей между нейронами, применив генетический алгоритм, в котором используется подобие мутации и естественного отбора применительно к структуре сети.

– Веса можно устанавливать в соответствии с различными соображениями.

– Нейрон может получать сигналы не только с предыдущего уровня, но и от нейронов, находящихся на других уровнях, как выше, так и ниже его.

– Выходной сигнал нейросети может быть определен по-разному.

– В приведенном выше описании нейросети использована нелинейная функция активации нейрона, работающая по принципу «все или ничего». Существуют и другие варианты нелинейных функций активации. Обычно используется функция, при которой выходной сигнал также лежит в диапазоне от нуля до единицы, но его значение меняется немного плавнее, и, кроме того, он может принимать значения, отличные от 0 и 1.

– Разные методы корректировки весов в процессе обучения существенно влияют на работу нейросети.

Приведенная нами схема описывает функционирование «синхронной» нейронной сети. Каждый цикл ее работы состоит в последовательном вычислении сигналов нейронов, начиная с входного слоя и заканчивая выходным. В по-настоящему параллельных системах, в которых нейроны работают независимо друг от друга, работа идет в «асинхронном» режиме. При этом каждый нейрон непрерывно обрабатывает поступающие на вход сигналы, и как только их взвешенная сумма превысит пороговое значение (или будет выполнено другое заданное условие), срабатывает функция активации.

После того как мы спроектировали нейронную сеть, нам необходимо найти обучающую выборку, работая с которой нейронная сеть поймет, как решать задачу. Как правило, начальные значения весов и карта связей между нейронами задаются случайным образом. Поэтому ответы, которые дает эта необученная нейросеть, полностью бессистемны. Основная задача нейронных сетей – учиться работать с поступающей информацией. В этом смысле они похожи (хотя бы в первом приближении) на мозг млекопитающих, по аналогии с которым и разрабатывались. Сначала нейросеть абсолютно некомпетентна, единственное, на что она запрограммирована – добиваться максимального значения «функции вознаграждения». Ей на вход подаются обучающие данные, например, заранее отсортированные человеком фотографии, на которых есть корги, и те, на которых нет. Когда нейросеть дает верный ответ на вопрос, есть ли на изображении корги, она получает положительную обратную связь в виде более высоких значений функции вознаграждения. Исходя из этого нейросеть модифицирует силу взаимодействия между различными парами нейронов. Связи, которые способствовали получению верного ответа, становятся сильнее, а те, которые приводили к ошибкам, ослабляются.

Со временем нейросеть самоорганизуется таким образом, чтобы показывать хороший результат в тех примерах, где ответ заранее не известен. Эксперименты подтвердили, что нейросети успешно обучаются и в том случае, когда учитель не вполне надежен. Даже если данные в обучающей выборке размечены корректно только в 60 % случаев, нейросеть в состоянии адаптироваться и давать верный ответ с 90 %-ной точностью. А иногда даже меньшее количество точно размеченных данных может помочь ей найти нужные закономерности26.

На первый взгляд кажется, что невозможно научить тому, чего сам не умеешь. Разве может обучение на ненадежной выборке дать выдающиеся результаты? Однако ошибки имеют свойство компенсировать друг друга. Например, вы обучаете нейросеть распознавать восьмерку среди цифр от 0 до 9, написанных от руки. Допустим при этом, что треть меток перепутаны случайным образом: восьмерки обозначены как четверки, пятерки как восьмерки и т. д. Если выборка достаточно большая, эти неточности не будут систематически искажать обучение в каком-то одном направлении. Поэтому большая часть важной информации о том, как выглядит цифра 8, будет в наборе данных сохранена, что и позволит нейросети качественно обучиться.

Несмотря на ряд сильных сторон, ранние нейросетевые системы сталкивались с принципиальными ограничениями. Однослойные нейронные сети в силу законов математики были не способны решать определенные

В 1969 году Марвин Минский не разделял энтузиазма по поводу нейронных сетей, несмотря на рост интереса к этой области и то, что он сам был в числе первых исследователей этого феномена еще в 1953-м. Вместе с Сеймуром Пейпертом они основали Лабораторию искусственного интеллекта в МТИ. В своей книге «Перцептроны» они показали, почему сеть, подобная перцептрону, была принципиально неспособна определить, является ли представленный ей рисунок связным. На обложке книги были представлены два рисунка (они приведены ниже). На верхнем рисунке черные линии не образуют единую неразрывную фигуру, в отличие от нижнего. Человек способен различить их, если присмотрится, как и простая компьютерная программа. Перцептрон, такой как «Марк 1», построенный Розенблаттом, не может достоверно это определить, поскольку представляет собой нейронную сеть с прямой связью – это значит, что соединения между нейронами в ней не образуют циклов.

Проще говоря, перцептроны с прямой связью не справляются с этой задачей, потому что для ее решения необходимо применить вычислительную функцию XOR (так называемое «исключающее или»). Именно она помогает распознать случай, когда отрезок является частью одной непрерывной фигуры, но не принадлежит при этом к другой. Один слой нейронов без обратной связи не в состоянии реализовать функцию XOR, потому что вынужден классифицировать все элементы за один проход, пользуясь линейным законом (например, если оба нейрона сработали, то ответ положительный), а XOR непременно должна содержать возвратный шаг («если один из этих нейронов сработал,но не оба одновременно, тогда ответ положительный»).

После того как Минский и Пейперт опубликовали свои результаты, финансирование исследований нейросетей почти прекратилось на несколько десятилетий. При том, что как мне объяснил Розенблатт еще в 1964 году, проблемы перцептрона в части инвариантности по отношению к входным данным происходили просто от недостаточного количества слоев. По его словам, если взять результат работы перцептрона и подать на вход еще одной нейросети такой же структуры, ее выводы будут более обобщенными. Повторив этот шаг достаточное количество раз, можно добиться инвариантности. Стоит создать нейросеть с достаточным количеством слоев и обзавестись большой обучающей выборкой, и та сможет решать невероятно сложные задачи. Я поинтересовался у Розенблатта, пробовал ли он свой подход на практике, и он сказал, что пока нет, но это одна из его приоритетных задач. Задумка была превосходной, но, к сожалению, Розенблатт скончался всего семь лет спустя, в 1971 году, так и не успев воплотить свои идеи. Пройдет еще 10 лет, прежде чем многослойные нейросети начнут активно использоваться, и даже в то время они требовали настолько больших вычислительных мощностей и объемов данных для обучения, что были непригодны для практического применения. Впечатляющий прогресс ИИ в последние годы случился как раз благодаря многослойным нейросетям – через 50 лет после того, как Розенблатт выдвинул идею их использования.

Таким образом, коннекционистский подход к ИИ не получал должного внимания вплоть до середины 2010-х годов, когда современные технологии наконец-то позволили реализовать его потенциал благодаря доступности вычислительных мощностей и больших объемов данных. За время, прошедшее с момента публикации «Перцептронов» в 1969 году и до смерти Минского в 2016-м соотношение цена / производительность вычислительной техники (с учетом инфляции) улучшилось в 2,8 миллиарда раз28. Это коренным образом изменило представление о том, какие методы можно применять на практике в области искусственного интеллекта. В разговоре со мной незадолго до своей смерти Минский выразил сожаление, что «Перцептроны» оказали такое влияние на состояние дел в области ИИ, ведь с тех пор именно нейросетевой подход позволил нам достичь невероятных успехов.

Таким образом, коннекционизм можно сравнить с изобретениями наподобие летающей машины Леонардо да Винчи – прекрасная идея, воплотить которую было невозможно до создания новых легких и прочных материалов29. Как только электроника наверстала отставание от теории, стало возможным использование нейросетей глубиной в сотни слоев. В результате оказались решены многие задачи, к которым прежде было не подступиться. Именно эта парадигма лежит в основе многих впечатляющих достижений последних нескольких лет.

Мозжечок и его модульная структура

Чтобы разобраться в том, как связаны друг с другом компьютерные нейросети и интеллект человека, предлагаю сделать небольшое отступление и вернуться к моменту зарождения Вселенной. Поначалу процесс перехода материи к более организованным формам шелоченьмедленно, поскольку не было разума, который мог бы им управлять. (В разделе главы 3 под названием «Ваше существование – редчайшая удача» мы обсудим, насколько в принципе маловероятным было появление Вселенной, в которой может существовать информация.) На то, чтобы образовались новые структуры, ушли сотни миллионов, а то и миллиарды лет30.

По крайней мере, не меньше нескольких миллиардов лет понадобилось на то, чтобы появилась молекула, способная хранить закодированные инструкции по созданию живого организма. Есть некоторые разногласия относительно времени появления жизни на Земле, однако большинство ученых сходятся во мнении, что это произошло от 3,5 до 4 миллиардов лет назад31. Возраст Вселенной оценивается в 13,8 миллиарда лет (точнее сказать, столько времени прошло с момента Большого взрыва), а наша планета образовалась 4,5 миллиарда лет назад32. Таким образом, между формированием первых атомов и появлением (по крайней мере здесь, на Земле) первых молекул, способных самовоспроизводиться, прошло около 10 миллиардов лет. Такая задержка отчасти может объясняться случайностью этого процесса – мы не знаем, насколько маловероятным было столкновение нужных молекул в «первичном бульоне» на Земле. Возможно, жизнь могла зародиться немного раньше, а скорее всего, значительно позже, чем это произошло в действительности. В любом случае, прежде чем появилась такая возможность, многие звезды должны были завершить свой жизненный цикл, превратив водород в более тяжелые элементы, из которых и состоят живые организмы.

По оценкам ученых, с момента зарождения жизни на Земле до возникновения первых многоклеточных организмов прошло примерно 2,9 миллиарда лет33. Еще 500 миллионов лет понадобилось, чтобы животные вышли на сушу, а затем 200 миллионов – для появления первых млекопитающих34. Что касается эволюции мозга, промежуток времени от появления первых примитивных нервных путей до возникновения подобия централизованного трехчастного мозга составил около 100 миллионов лет35. Простые варианты новой

В процессе эволюции всякий раз более совершенный мозг давал своему обладателю решающее преимущество. В схватке за ресурсы побеждали самые сообразительные представители животного мира37. Развитие разума произошло гораздо быстрее, чем эволюция центральной нервной системы на предыдущих этапах – всего лишь за миллионы лет. Очевидно, прогресс ускорился. Со времен первых млекопитающих самым значительным изменениям подвергся мозжечок. У современного человека мозжечок содержит больше нейронов, чем новая кора, которая отвечает за высшую умственную деятельность38. Мозжечок хранит и задействует множество шаблонов движений, например, то, как ваша рука ставит автограф. В обиходе эти шаблоны иногда называют «мышечной памятью». Но это свойство именно мозжечка, а не мышц как таковых. По мере того как мы снова и снова повторяем какое-то действие, мозг адаптируется таким образом, чтобы оно требовало все меньших усилий и доходило до автоматизма – примерно так колеса раз за разом накатывают колею39.

Чтобы поймать брошенный мяч, можно решить систему дифференциальных уравнений, которые описывают траекторию его полета, а также движения вашей руки, и занять положение в пространстве, соответствующее полученным решениям. К сожалению, наш мозг не предназначен для решения задач по дифференциальному и интегральному исчислению, так что приходится выбирать способ попроще: надо сообразить, как наиболее оптимально расположить перчатку между своим телом и мячом. Мозжечок предполагает, что в каждом броске ваша рука и мяч должны занять примерно одно и то же положение относительно друг друга. Так что, если мяч летит чересчур быстро, а рука движется слишком медленно, мозжечок заставит вашу руку ускориться, чтобы она успела занять знакомое положение поблизости от мяча.

Мозжечок пользуется простым приемом отображения сенсорной информации на мускульные движения, что соответствует математическому принципу «базовых функций» и позволяет нам ловить мяч, не решая сложных уравнений40. С помощью этого отдела мозга мы также можем представить, какие последствия будут иметь наши действия, не совершая их в действительности. Например, мозжечок подскажет вам, что у вас есть шансы поймать мяч, но, скорее всего, вы столкнетесь с другим игроком, поэтому, возможно, пытаться не стоит. Все это происходит неосознанно.

Аналогичным образом во время танца мозжечок управляет вашими движениями, над которыми вы даже не задумываетесь. Если же из-за травмы или болезни мозжечок оказался поврежден, человек все еще может совершать целенаправленные действия с помощью неокортекса, но для этого ему нужно сосредоточиться. При этом у него может наблюдаться нарушение координации, которое называют атаксией41.

В освоении любого навыка ключевую роль играет регулярное повторение составляющих его действий. Если выполнять их достаточно часто, будет формироваться соответствующая «мышечная память». Движения, которые поначалу требуют сосредоточенности и внимания, со временем доводятся до автоматизма. Это явление объясняется передачей управления от моторной коры к мозжечку. Неважно, что вы делаете – бросаете мяч, собираете кубик Рубика, играете на пианино, – чем меньше вам нужно обдумывать свои действия, тем лучше вы их выполняете. Ваши движения станут быстрыми и плавными, а внимание будет направлено на другие факторы, которые способствуют успеху. Когда музыканты достигают такого уровня владея инструментом, они могут воспроизвести любую ноту с такой же легкостью и точностью, как люди, поющие «С днем рождения тебя». Если бы вас спросили, как вы настраиваете свои голосовые связки, чтобы получилась именно нужная нота, а не какая-либо другая, вряд ли вы смогли бы описать этот процесс словами. Психологи и тренеры называют этот феномен «бессознательной компетентностью». Это означает, что вы «овладели навыком на более глубоком уровне, чем тот, на котором работает сознание»42.

Такие возможности мозжечка обусловлены вовсе не сложностью его архитектуры. Хотя большая часть нейронов головного мозга взрослого человека, а также особей других видов, содержится именно в мозжечке, в геноме хранится не так уж много информации об устройстве этого отдела мозга – он состоит в основном из небольших простых модулей43. Хотя ученым еще предстоит раскрыть все секреты функционирования мозжечка, уже достоверно известно, что тысячи маленьких обрабатывающих модулей в нем собраны в однонаправленные структуры44. Это уже наводит на размышления о том, как должна быть организована нейронная сеть, выполняющая аналогичные функции. Будущие открытия наверняка подскажут разработчикам ИИ еще много полезного.

Большинство модулей в мозжечке имеют узкую специализацию. Те, что отвечают за движения одного из пальцев при игре на пианино, не участвуют в управлении ногами во время ходьбы. Хотя мозжечок оставался главным отделом мозга на протяжении сотен миллионов лет, современный человек полагается на него все меньше и меньше, поскольку более гибкая новая кора стала играть лидирующую роль для выживания в современном обществе45.

У животных, не относящихся к млекопитающим, отсутствует новая кора головного мозга, что лишает их ряда преимуществ. Однако в их мозжечке записаны точные шаблоны повадок, необходимых им для выживания. Эти управляемые мозжечком действия называются фиксированными моделями поведения. Они записаны в мозгу каждого представителя вида, в отличие от выученных вариантов действий, основанных на наблюдении и повторении. Даже у млекопитающих встречается довольно сложное рефлексоподобное поведение. Например, белоногие хомячки роют неглубокие норы, а береговые хомячки – длинные норы с выходным тоннелем46. Когда грызуны, выросшие в лабораторных условиях, оказались на природе, каждый из них вырыл нору, соответствовавшую его виду, хотя до этого не видел ни одной.

В основном рефлексы, хранящиеся в мозжечке, такие как способность лягушки поймать летящую муху языком, остаются у вида до тех пор, пока часть популяции с улучшенной версией не вытеснит всех остальных путем естественного отбора. Когда поведение определяется генетикой, а не обучением, адаптация к новым условиям происходит на несколько порядков медленнее. Способность к обучению позволяет живым существам целенаправленно менять свой образ действий в течение жизни одного поколения, в то время как врожденные рефлексы претерпевают постепенную модификацию в процессе смены многих поколений. В этой связи интересно, что разработчики компьютерных программ иногда используют имитацию эволюционного подхода – так называемые генетические алгоритмы 47. При этом они создают ряд версий программы со случайными значениями параметров, а затем оценивают, насколько хорошо каждая из них справляется с поставленной задачей. У тех, которые показали наилучшие результаты, берут некоторые значения параметров и комбинируют с другими, в точности как при половом размножении. Также можно вносить случайные «мутации», чтобы проверить, не приведут ли они к улучшению производительности. За много поколений таким образом можно найти оптимальный набор значений параметров, до которого программисты сами никогда бы не додумались.

В реальном мире этот процесс длится миллионы лет. Может

Неокортекс: пластичная иерархическая структура

Чтобы ускорить прогресс, мозгу в ходе эволюции пришлось найти способ создавать новые модели поведения, не дожидаясь, пока генетика модифицирует мозжечок. Этим способом стала новая кора. Она появилась 200 миллионов лет назад у нового класса животных – млекопитающих, и представляет собой буквально «внешнюю кожуру» мозга48. Первые млекопитающие, которые были похожи на грызунов, обладали новой корой размером с почтовую марку и такой же тонкой; она была обернута вокруг их мозга размером с лесной орех49. Внутренняя организация новой коры существенно отличалась от устройства мозжечка. Вместо набора разрозненных модулей, управлявших различными движениями, неокортекс работал как единая скоординированная система и мог поддерживать новый тип мышления, благодаря которому новые модели поведения появлялись в течение нескольких дней или даже часов. Мозгу стал доступен мощный инструмент – обучение.

Более 200 миллионов лет назад низкая скорость адаптации животных, не являвшихся млекопитающими, не составляла большой проблемы, поскольку окружающая среда менялась крайне медленно. Изменения в условиях жизни, требующие соответствующих модификаций в мозжечке, происходили в течение тысяч лет.

Для того чтобы неокортекс вышел на передний план в живом мире, требовалось потрясение. Катастрофа, которую мы сейчас называем мел-палеогеновым вымиранием, произошла 65 миллионов лет назад, через 135 миллионов лет после появления новой коры. Причиной послужило столкновение с астероидом и, вероятно, вулканическая активность. В результате условия обитания на всей планете изменились настолько резко, что 75 % видов растений и животных, в том числе динозавры, вымерли. (Хотя животные, которых мы называем динозаврами, исчезли в результате событий того времени, некоторые ученые считают птиц потомками одной из ветвей динозавров50.)

Именно тогда важнейшую роль стала играть новая кора, способная быстро находить новые решения. Млекопитающие увеличились в размерах, а их мозг рос опережающими темпами. Новая кора стремительно развивалась, в ней появились складки, позволившие увеличить площадь поверхности.

Если развернуть новую кору мозга человека, она будет иметь размеры и толщину, как большая столовая салфетка51. Благодаря ее невероятно сложной структуре в ней заключено 80 % массы всего человеческого мозга52.

В своей книге «Эволюция разума», вышедшей в 2012 году (на русском языке вышла в 2018-м), я подробно описал работу новой коры головного мозга. Здесь же мы вкратце остановимся на основных моментах. Неокортекс представляет собой систему, состоящую из простых повторяющихся модулей, каждый из которых включает около ста нейронов. Эти модули способны запоминать, распознавать и воспроизводить образы. В процессе обучения они организуются в иерархическую структуру, при этом модули на более высоких уровнях отвечают за более сложные концепции. Подобные повторяющиеся отделы получили название «миниколонок кортекса»53.

По современным оценкам в коре головного мозга содержатся от 21 до 26 миллиардов нейронов, и 90 % из них – в среднем 21 миллиард – в новой коре54. Это значит, что мы располагаем примерно 200 миллионами миниколонок по 100 нейронов каждая55. Исследования показывают, что, в отличие от компьютеров, которые обрабатывают данные в основном последовательно, распознающие модули неокортекса по максимуму используют параллелизм 56. Огромное количество операций происходит одновременно. Это делает мозг очень динамичной системой, которую сложно моделировать на компьютере.

Ученым еще предстоит выяснить множество деталей, но известные нам принципы организации и взаимодействия миниколонок уже помогают понять, как они работают. Подобно искусственным нейронным сетям, работающим на кремниевых процессорах, сети нейронов в мозге имеют иерархическую структуру, в которой одни слои принимают входные данные (например, сигналы от наших органов чувств), а другие отвечают за выдачу результатов (например, демонстрируемое человеком поведение). Промежуточные слои обрабатывают данные на различных уровнях абстракции, обеспечивая своим функционированием те тонкие формы мышления, которые мы воспринимаем как свойственные именно человеку.

Модуль самого нижнего уровня, который получает сигналы непосредственно от органов чувств, может быть обучен распознавать определенную форму линии. Более высокие уровни обрабатывают информацию, поступающую от низших, учитывая контекст и повышая уровень абстрагирования. Таким образом, модули, расположенные все дальше от органов чувств, узнают в изогнутой линии часть буквы, воспринимают ее как часть слова и связывают это слово с определенным понятием. На самом высоком уровне обрабатываются максимально абстрактные концепции, например, было ли высказывание забавной шуткой или же в нем содержался сарказм.

Хотя «этаж», на котором находится модуль, определяет его степень абстрагирования относительно сигналов, поступающих от органов чувств, процесс их обработки не является однонаправленным. Шесть основных уровней неокортекса постоянно общаются друг с другом в обоих направлениях, поэтому нельзя утверждать, что абстрактное мышление происходит исключительно на высших уровнях57. Скорее многоуровневая структура коры в целом дает нам как биологическому виду больше способностей к абстрактному мышлению, чем позволяет иметь другим животным их более простая кора. Следовательно, когда мы подключим наш неокортекс напрямую к облачным вычислительным ресурсам, это откроет нам возможность мыслить на более высоких уровнях абстракции, чем может обеспечить биологический мозг сам по себе.

Неврологические основы абстрактного мышления были открыты совсем недавно. В конце 1990-х годов нейрохирург Ицхак Фрид проводил операцию на мозге шестнадцатилетней пациентки, страдавшей эпилепсией. Девушка оставалась в сознании, так как врачам было важно отслеживать ее реакции на их действия58. Такие операции возможны благодаря отсутствию болевых рецепторов в мозге59. Каждый раз, когда хирург затрагивал определенную область коры ее мозга, девушка начинала смеяться. Фрид и его команда быстро разобрались, что такое вмешательство вызывало в ней ощущение комичности ситуации. Она не просто рефлекторно смеялась – происходящее на самом деле казалось ей смешным, хотя ничего забавного в операционной не происходило. Когда доктора спрашивали ее, почему она смеется, то не получали ответа в духе «просто так» или «потому что вы тыкаете мне в мозг». Вместо этого она мгновенно находила объяснение, например, такое: «Вы, ребята, очень смешно стоите вокруг»60.

Возможность найти и простимулировать область новой коры, которая вызывает чувство, что обнаружено нечто забавное, позволяет сделать вывод, что эта зона отвечает за восприятие концепций юмора или иронии. Это открытие подтверждено и неинвазивными методами. Например, при чтении ироничных сообщений увеличивается активность в области мозга, ответственной за так называемую «модель психического состояния»61. Именно способность новой коры оперировать абстрактными понятиями стоит за изобретением языка, музыки, юмора, науки, искусства и инженерии62.

Ни один

При этом нужно помнить, что развитый мозг стал лишь одним из двух факторов, определивших наш триумф как биологического вида. При всей мощи новой коры наука и искусство были бы невозможны без еще одного чрезвычайно важного новшества: наших больших пальцев 65. Животные с такой же или большей по размеру (в абсолютных величинах) новой корой, в частности киты, дельфины и слоны, не имеют ничего похожего на противостоящий палец, который позволил бы им хватать предметы и превращать их в орудия труда. Поэтому мы можем считать, что выиграли в эволюционной лотерее.

Нам также на руку, что неокортекс не просто состоит из слоев, но что эти слои соединены друг с другом необычным и очень продуктивным способом. Иерархическая организация модулей встречается не только в неокортексе, мозжечок тоже имеет похожую структуру66. Однако новая кора отличается тремя особенностями, которым млекопитающие, в особенности люди, обязаны своей креативностью: (1) распознанные образы могут распространятся по всей структуре коры, а не только в пределах участка, в котором возникли; (2) конкретный образ может быть связан с похожими явлениями в других понятийных областях, а связанные друг с другом концепции представлены схожими образами; (3) одновременно в коре могут возникать миллионы образов67, и их взаимодействие друг с другом может быть весьма нетривиальным68.

В частности, сеть сложных связей внутри новой коры способствует богатой ассоциативной памяти 69. Каждое воспоминание в мозгу сродни странице «Википедии» – к нему ведут ссылки из самых разных мест, а само оно подвержено изменениям. Как и статья в «Википедии», воспоминание может содержать мультимедийную информацию и, с другой стороны, само может быть вызвано любым ощущением – запахом, вкусом, услышанным звуком или другим сигналом от органов чувств.

Схожесть представления образов в коре позволяет нам проводить аналогии. Активность нейронов, соответствующая опусканию руки, будет напоминать процессы, протекающие в коре при понижении тона голоса, а также будет похожа на образы, связанные с метафорами: падение температуры, приход империи в упадок. Таким образом, мы можем сформировать образ, изучая явление в одной области, и перенести его в совершенно другой контекст.

Способность новой коры проводить аналогии между несвязанными явлениями помогла свершиться многим научным открытиям в нашей истории. Например, Чарлза Дарвина (1809–1882) на теорию эволюции натолкнули исследования геологических процессов. Прежде естествоиспытатели в основном были убеждены, что Бог создал каждый вид живых существ независимо друг от друга. Существовало несколько квазиэволюционных гипотез, самой известной из которых была теория Жана-Баптиста Ламарка (1744–1829), который считал, что животные постепенно развиваются и превращаются в более сложные организмы, а потомство может унаследовать черты родителей, приобретенные ими в процессе жизнедеятельности70. Но ни одна из подобных теорий не содержала подробного и достоверного описания механизма работы эволюции.

Однако Дарвину в работах Чарлза Лайеля (1797–1875) попалась на глаза идея, которая на первый взгляд не имела отношения к эволюции. Шотландский геолог высказал смелую догадку о происхождении глубоких каньонов на земной поверхности71. Большинство натуралистов в те времена сходились во мнении, что каньоны были созданы Богом, а реки под действием гравитации устремлялись к их дну и там спокойно текли. Лайелю пришла в голову мысль, что сначала возникли реки, и только спустя время – каньоны. Эта теория встретила большое сопротивление и не сразу стала общепринятой, но ученые достаточно быстро разобрались, что даже небольшой ручеек, промывая себе путь в течение миллионов лет, и в самом деле может сформировать Большой каньон. Теория Лайеля оказала большое влияние на работу его соотечественника, шотландского геолога Джеймса Хаттона (1726–1797), который впервые изложил принципы униформизма в геологии72. Суть их идеи состоит в том, что облик земной поверхности сформировался не в результате библейского катаклизма, а постепенно под воздействием обычных природных сил, действовавших на протяжении долгого времени.

В мире естествознания предположение Дарвина прозвучало гораздо более дерзко. Биология невероятно сложна, но Дарвину удалось заметить связь между исследованиями Лайеля и своими собственными изысканиями, о чем он написал в предисловии к своей книге «Происхождение видов», вышедшей в 1859 году. Дарвин провел аналогию между идеей Лайеля о том, как река постепенно разрушает горную породу, и небольшими генетическими изменениями, происходящими из поколения в поколение. Отстаивая свою теорию, он ссылается на диспут в смежной области науки: «Современная геология почти полностью отвергла возможность прорытия глубокой долины одной делювиальной волной; точно так же, если теория естественного отбора получит подтверждение, она развеет веру в постоянное творение новых органических существ или в реальность какой-либо большой и внезапной перемены в их строении»73. Этим трудом он вошел в историю как автор, возможно, главного революционного открытия в нашей науке. Кстати, идеи других претендентов на этот титул, Ньютона, который открыл закон всемирного тяготения, и Эйнштейна, выдвинувшего теорию относительности, также были основаны на соображениях аналогии.

Глубокое обучение: попытка воссоздать силу неокортекса

Итак, нам нужно добиться от электронного мозга такой же гибкости и умения мыслить абстрактными категориями. Но каким образом? Мы уже обсудили, что системы, основанные на списках правил, слишком жестко запрограммированы и не могут имитировать мышление человека. Коннекционизм долгое время оставался непрактичным подходом, поскольку решения на его основе требовали огромных компьютерных мощностей. Однако стоимость вычислительных ресурсов радикально снизилась. Почему же это произошло?

В 1965 году Гордон Мур (1929–2023), сооснователь компании Intel, сформулировал знаменитый закон, названный его именем. Этот закон выразил важнейшую тенденцию в развитии информационных технологий74. В наиболее известной формулировке он гласит, что количество транзисторов, которые можно разместить на кристалле интегральной схемы, удваивается каждые 24 месяца благодаря миниатюризации электронных компонентов. Скептики неоднократно отмечали, что период экспоненциального роста числа транзисторов неизбежно закончится, как только будет достигнут физический предел плотности размещения электронных компонентов. Однако они упускают из виду важное обстоятельство. Закон Мура – это лишь одно из проявлений более глубокого явления,

Описанная тенденция понемногу толкала прогресс вперед примерно с 1888 года (задолго до рождения Мура)76. К 2010-му технологии наконец-то достигли уровня, который позволил раскрыть потенциал нейросетевого подхода к моделированию многоуровневых процессов, происходящих в новой коре. Разработчики начали активно применять методику, известную как глубокое обучение. Именно этот подход обеспечил внезапный прорыв в сфере ИИ, который произошел со времени публикации книги «Сингулярность уже близка».

Наглядным примером того, на что способна технология глубокого обучения, стало успешное освоение искусственным интеллектом настольной игры го. В этой игре намного больше возможных вариантов хода, чем в шахматах, к тому же гораздо сложнее определить, будет ли конкретный выбор удачным. Так что подход, который помог машине победить шахматных гроссмейстеров, оказался неэффективным в случае с го. По самым оптимистичным прогнозам, эта проблема должна была оставаться нерешенной по крайней мере до 2020-х годов. Например, в 2012 году Ник Бостром, один из ведущих футурологов и визионеров в области ИИ, высказал мнение, что компьютер сможет уверенно играть в го не раньше 2022-го77. Однако в 2015–2016 годах дочерняя компания DeepMind холдинга Alphabet представила проект AlphaGo, созданный с использованием метода глубокого обучения с подкреплением. Эта система представляла собой большую нейросеть, способную анализировать сыгранные ей самой партии и учиться на своих успехах и ошибках78. Вначале ее обучили на обширной базе игровых ходов, совершенных людьми, затем она провела множество матчей сама с собой. В результате версия AlphaGo Master достигла такого уровня, что смогла победить Кэ Цзе – чемпиона мира по игре в го79.

Несколько месяцев спустя появилась существенно более продвинутая система под названием AlphaGo Zero. Когда в 1997 году компания IBM со своим суперкомьютером Deep Blue победила чемпиона мира по шахматам Гарри Каспарова, им пришлось снабдить программу всеми доступными знаниями о шахматах, которые программисты смогли почерпнуть у шахматных экспертов80. Суперкомпьютер стал шахматистом, никаких других функций у него не было. В AlphaGo Zero не загружали вручную никакой информации о игре го, кроме правил самой игры, тем не менее за три дня игры с самой собой она прошла путь от выполнения случайных ходов к уровню мастерства, который обеспечил ей легкую победу над прошлой версией AlphaGo, которую тренировали люди, со счетом 100:081. (В 2016-м AlphaGo в четырех играх из пяти обыграла Ли Седоля, который на тот момент занимал вторую строчку в неофициальном рейтинге игроков в го по количеству титулов.) Нейросеть AlphaGo Zero использовала новый формат обучения с подкреплением, став своим собственным тренером. Через 21 день AlphaGo Zero достигла уровня AlphaGo Master – нейросети, которая в 2017-м нанесла поражение 60 лучшим мастерам при игре онлайн, в том числе чемпиону мира Кэ Цзе, выиграв у того три партии из трех82. Через 40 дней обучения AlphaGo Zero превзошла в мастерстве все предыдущие версии AlphaGo и стала лучшим игроком в го среди людей и компьютеров83. Этого результата удалось добиться без предоставления ей записей игр людей и еще какого-либо вмешательства со стороны операторов.

Но главное достижение команды DeepMind было еще впереди. Нейросеть следующего поколения, получившая название AlphaZero, продемонстрировала способность переносить навыки, полученные при игре в го, на другие игры, в частности шахматы84. Эта программа сумела одолеть не только всех игроков из числа людей, но и все другие шахматные программы, проведя всего лишь четыре часа тренировок и не имея никакой специфической информации, кроме правил игры. Такого же успеха она добилась и в игре сёги. Последняя версия нейросети на момент написания книги называлась MuZero. Она повторила все достижения своей предшественницы, не зная заранее даже правил игры85! Обладая способностью к «переносу навыков», MuZero может освоить любую настольную игру, в которой не фигурирует случайность, многозначность или скрытая информация, а также любую детерминированную видеоигру, например, «Понг» от компании Atari. Умение применять знания и опыт, полученные в одной области, для решения задач в другой – это ключевая особенность человеческого разума.

Однако область применения нейросетей глубокого обучения не ограничивается подобными играми. Системы искусственного интеллекта, специализирующиеся на играх StarCraft II и покер, в которых много неопределенности и требуется понимание стратегии соперников, недавно тоже превзошли живых игроков86. Единственным исключением (пока что) остаются игры, требующие совершенного владения речью. Хорошим примером может служить «Дипломатия». Цель игрока в ней – захватить мир, причем это невозможно сделать, полагаясь только на удачу или навыки, приходится договариваться с соперниками87. Чтобы выиграть, вам нужно заставить других игроков сделать выгодные вам ходы, убедив их, что им эти действия также на руку. Так что ИИ, способный выиграть в эту игру, скорее всего, будет искусным обманщиком и отличным переговорщиком. Но даже в «Дипломатии» нейросетям удалось в 2022-м добиться впечатляющих результатов, особенно программе под названием CICERO, которая смогла одолеть многих игроков-людей88. Подобные успехи теперь случаются чуть ли не каждую неделю.

С помощью глубокого обучения можно научить ИИ не только мастерски играть в игры, но и действовать в сложных жизненных ситуациях. Для этого, по сути, требуется только симулятор, способный воссоздать обстановку, в которой ИИ должен научиться ориентироваться. Примером может служить вождение автомобиля. За рулем вы можете столкнуться с рядом опасных ситуаций, таких как неожиданная остановка другой машины, ребенок, выбежавший за мячом на дорогу, и так далее; в каждом из этих случаев у водителя есть несколько вариантов действий. Waymo, дочерняя компания Alphabet, разработала систему автономного вождения. Первые поездки автопилота проходили в сопровождении оператора89. Каждая деталь маршрута была тщательно задокументирована, а затем на основе этих записей был создан полноценный симулятор. К настоящему времени автономные автомобили Waymo проехали более 20 миллионов километров90, к тому же автопилот набирался опыта на миллиардах километров реалистичных виртуальных дорог91. С таким пробегом за плечами беспилотный автомобиль рано или поздно начнет передвигаться намного эффективнее управляемого живым водителем. Еще одним примером использования современных методов моделирования является задача определения трехмерной структуры белка, о которой мы подробно поговорим в главе 6. Это одна из самых сложных задач в биологии, и ее решение позволит создать беспрецедентно эффективные лекарства.

Притом что система MuZero великолепно играет во множество

Наибольшего прогресса в работе с естественными языками пока удалось добиться с помощью глубоких нейронных сетей, которые строят карту значений слов в пространстве с очень большим числом измерений. Для этого существует несколько математических методов, которые позволяют ИИ определить смысл выражения, не обращаясь к заранее заготовленному набору языковых правил, как требовал бы символьный подход. Например, мы можем построить многослойную нейронную сеть прямого распространения и обучить ее на выборке из миллиардов (или даже триллионов) предложений. Такой объем данных можно собрать из открытых источников во Всемирной сети. Нейросеть свяжет каждое предложение с точкой в 500-мерном пространстве, иначе говоря, со списком из 500 чисел (число 500 выбрано мной произвольно, размерность может быть другой, но достаточно большой). Сначала все эти числа для каждого предложения задаются случайным образом. В ходе обучения нейросеть корректирует положение, занимаемое каждым предложением в 500-мерном пространстве, таким образом, чтобы близкие по значению фразы оказались рядом друг с другом, а непохожие, наоборот, на удалении. Если провести обучение на огромном количестве текстов, то соответствующая каждому предложению точка в 500-мерном пространстве позволит по соседним высказываниям определить, о чем в нем говорится.

Работая в таком ключе, ИИ изучает смысл слов не по словарям и грамматическим справочникам, а из контекста, в котором эти слова употребляются. Например, он сообразит, что у слова «джем» есть омонимы, потому что иногда люди его едят, а в других случаях берут электрогитары и устраивают «джем», хотя никто не говорит, что гитары съедобны. Мы сами пополняем свой словарный запас таким же образом, за исключением небольшого количества слов, которые проходим в школе или специально ищем в словаре. Между тем нейросети уже распространили свое ассоциативное мышление на другие виды информации, помимо текста. В 2012 году компания OpenAI представила проект CLIP. Эту нейросеть обучили устанавливать связи между картинкой и ее описанием. В результате узлы этой нейросети «реагируют на одну и ту же идею, фигурирует ли она во входящем потоке информации в виде текста, изображения или ассоциации»92. Например, один и тот же нейрон может сработать при виде фотографии паука, рисунка Спайдермена или слова «паук». Именно так мозг человека воспринимает концепции, абстрагируясь от деталей. Для ИИ это огромный рывок вперед.

В качестве развития этого метода можно построить 500-мерное пространство, в котором содержатся предложения на всех языках. В таком случае, если требуется перевести фразу с одного языка на другой, остается просто найти предложение на нужном языке, которое в этом многомерном пространстве расположено ближе всего к исходному. Можно заодно отыскать другие близкие по значению высказывания, рассмотрев соседние точки. Еще один вариант: построить пару 500-мерных пространств, одно из которых будет содержать вопросы, а второе – ответы на них. Для этого потребуется собрать миллиарды пар предложений, сгруппированных по принципу вопрос-ответ. Развивая этот подход, моя команда в Google разработала «Универсальный кодировщик предложений»93, создав базу данных, в которой каждому предложению соответствуют его характеристики, например, «ироничное», «забавное» или «позитивное». Нейросеть, обученная на таком расширенном наборе данных, способна не только подражать тому, как люди используют язык, но также улавливать более тонкие семантические особенности, которые могут быть неочевидны за буквальным значением слов. Такое метазнание способствует более полному пониманию текста.

Используя эти принципы, мы в компании Google создали ряд приложений, работающих с языком повседневного общения. Особый интерес из них представляет функция почтового сервиса Gmail под названием Smart Reply94. Если вы пользуетесь Gmail, то могли заметить, что сервис предлагает вам три варианта ответа на каждое письмо. Эти подсказки формируются с учетом не только последнего письма, но и всех предыдущих писем в цепочке, а также темы переписки и других данных, указывающих на то, с кем вы общаетесь. Чтобы проанализировать все эти элементы, мы используем многомерное представление, описанное выше. В работе сервиса задействована многослойная нейросеть прямого распределения вместе с иерархическим представлением текстового содержимого переписки. Поначалу многим пользователям эта функция показалась непривычной, но они достаточно быстро к ней адаптировались. Теперь Gmail Smart Reply генерирует небольшую, но все-таки заметную долю почтового трафика.

Еще одним проектом Google, основанным на описанном выше подходе, стал экспериментальный сервис «Поговори с книгой». (Он был доступен с 2018 по 2023 год.) Когда вы задавали вопрос, программа в течение полусекунды сканировала каждое из 500 миллионов предложений в библиотеке из более чем 100 000 книг и находила наиболее подходящий ответ. Этот процесс отличался от обычного поиска Google, который предлагает вам ссылки на основе комбинации параметров, таких как ключевые слова в запросе, частота обращений пользователей к странице и так далее. Вместо этого система «Поговори с книгой» сопоставляла смысл вашего вопроса со значением каждого предложения из своей базы данных.

Одним из самых многообещающих приложений многомерного подхода к обработке языка являются так называемые трансформеры – класс систем искусственного интеллекта. В этих моделях глубокого обучения применяется механизм внимания, который позволяет перераспределять вычислительные ресурсы, направляя их на наиболее значимые части входных данных. Этот механизм напоминает работу новой коры головного мозга человека, которая позволяет нам сосредоточиться на той части информации, которая имеет наибольшее значение для формирования суждения. Трансформеры обучаются на огромных объемах текста, разбивая его на токены: слова, сочетания частей слов и целые строки. Затем каждый из этих токенов оценивается по огромному числу параметров (в настоящее время используются миллиарды или триллионы таких параметров). Эти параметры можно рассматривать как факторы, на основе которых строятся прогнозы.

Рассмотрим простой пример. Если бы мне нужно было определить, является ли животное слоном, используя только один параметр, я бы выбрал признак «хобот». В таких условиях, если узел нейросети, выявляющий наличие хобота, посылает сигнал, трансформер отнесет животное к слонам. Но даже если узел, отвечающий за определение хобота, никогда не ошибается, однопараметрическая модель все равно может неверно классифицировать животное, потому что хобот есть не только у слонов. Чтобы повысить точность, можно добавить другие параметры, например «шерсть». Теперь, если оба узла сработают (будут замечены шерсть и хобот), я могу догадаться, что передо мной,

В трансформерах такие параметры хранятся в виде весов синаптических связей между узлами. Хотя иногда их и можно связать с концепциями, понятными людям, такими как «наличие шерсти» или «хобот», на практике они чаще всего отражают более абстрактные статистические закономерности, обнаруженные нейросетью в обучающих данных. Используя эти закономерности, большие языковые модели (LLM) на основе трансформеров могут предсказывать, какие токены должны с большой вероятностью следовать за словами из запроса, отправленного пользователем. Затем эти токены преобразуются обратно в текст, изображение, звук или видео, доступные для восприятия человеком. Этот механизм был разработан специалистами Google в 2017 году, и именно ему мы обязаны многими впечатляющими достижениями искусственного интеллекта в последние годы95.

Важно понимать, что для достижения высокой точности решений трансформеры нуждаются в огромном количестве параметров. Как следствие, они требуют значительных вычислительных ресурсов как на стадии обучения, так и в процессе использования. Модель GPT-2, разработанная компанией OpenAI в 2019 году, содержала 1,5 миллиарда параметров96. Несмотря на отдельные успехи, она не показала блестящих результатов. Но как только количество параметров достигло 100 миллиардов, трансформеры сделали резкий рывок вперед. Они стали «понимать» естественные языки и давать осмысленные и подробные ответы на вопросы. Созданная в 2020 году GPT-3 использовала 175 миллиардов параметров97, а годом спустя компания DeepMind представила еще более эффективную нейросеть Gopher, содержавшую 280 миллиардов коэффициентов98. Также в 2021-м компания Google выпустила трансформер под названием Switch, который содержал 1,6 триллиона параметров. Его исходный код был открыт, чтобы другие команды могли свободно его применять и модифицировать99. У всех на слуху было рекордное количество параметров в Switch, но самым инновационным в этом проекте было решение встроить в программу своего рода «коллегию экспертов». Такой подход позволил трансформеру каждый раз использовать наиболее подходящую для решения конкретной задачи часть нейросети. Это важный шаг, который позволяет удержать под контролем вычислительную сложность моделей по мере того, как они становятся все более обширными.

Почему размер нейросети так важен? Проще говоря, чем больше модель, тем больше мелких деталей в обучающей выборке она может проанализировать. Нейросети с малым числом параметров сравнительно хорошо справляются с узкими задачами, такими как прогнозирование температуры по историческим данным. Однако научиться понимать язык гораздо сложнее. Существует практически бесконечное количество способов начать предложение, поэтому, даже если трансформер обучен на сотнях миллиардов текстовых токенов, он просто не в состоянии запомнить точные цитаты, чтобы затем их воспроизвести. Вместо этого, опираясь на миллиарды параметров, он может обработать слова из входящего запроса на уровне ассоциаций и затем с учетом контекста составить продолжение, которое никто никогда раньше не видел. Поскольку обучающие тексты принадлежат к разным жанрам, таким как интервью, обзорная статья или театральная пьеса, трансформер в состоянии оценить язык запроса и подготовить ответ в подходящем стиле. Скептики списывают эти умения на хитроумные статистические трюки, но, учитывая, что статистика формируется на основе оригинальных текстов миллионов людей, нельзя отказать ИИ в проявлении своего рода собственной креативности.

Первым коммерчески доступным ИИ, который поразил пользователей своим уровнем креативности, стал GPT-3 100. Исследователь Аманда Аскелл задала ему вопрос о знаменитом мысленном эксперименте философа Джона Сёрла, известном как «китайская комната»101. Речь идет о том, что если не знающий китайского языка человек станет вручную переводить текст, следуя компьютерному алгоритму, то не поймет, о чем в нем говорится. Возникает вопрос: как тогда можно утверждать, что ИИ, действуя по тому же алгоритму, осознает, что пишет? GPT-3 ответил: «Очевидно, что я не понимаю ни слова из рассказов» – и пояснил, что система машинного перевода – это формальная инструкция, которая «имеет не больше отношения к пониманию, чем кулинарная книга к готовому блюду». Эта метафора ранее нигде не встречалась и, по-видимому, является новым вариантом высказывания философа Дэвида Чалмерса о том, что рецепт не объясняет всех свойств пирога. Именно такая способность проводить аналогии помогла Дарвину открыть происхождение видов.

Еще одним замечательным свойством GPT-3 является способность подражать различным стилям письма. Модель обладала внушительным набором параметров, которые позволили ей глубоко изучить огромный массив данных, поэтому можно с уверенностью сказать, что она знакома с литературными произведениями всех жанров. Пользователи могли попросить ее высказаться на любую тему в любой манере: языком научной статьи или детских книжек, в стихах или в виде сценария комедийного сериала. ИИ даже мог притвориться конкретным писателем, от классиков до современных авторов. Когда программист Маккей Ригли задал GPT-3 вопрос: «Как стать более креативным?» – и попросил ответить от имени известного психолога Скотта Барри Кауфмана, нейросеть привела оригинальное высказывание, о котором сам Кауфман отозвался как об «очень похожем на то, что говорю я»102.

В 2021 году компания Google представила нейросеть LaMDA, созданную для ведения живых и непрерывных разговоров103. Если бы LaMDA попросили вести беседу от лица, к примеру, тюленя Уэдделла, она бы выдавала связные остроумные реплики, обращенные к охотнику, например: «Ха-ха, удачи! Надеюсь, не продрогнешь до костей, пока не поймаешь на мушку хотя бы одного из нас!»104 Такое понимание контекста ранее было недоступно ни одному искусственному интеллекту.

Другим впечатляющим новшеством 2021 года стала мультимодальность. Ранее системы искусственного интеллекта в основном работали с одним конкретным типом данных: некоторые распознавали изображения, другие анализировали аудиофайлы, третьи, а именно, большие языковые модели, вели диалог. Следующим шагом стало объединение нескольких типов данных в одной модели. Компания OpenAI представила нейросеть DALL-E, название которой отсылает к художнику-сюрреалисту Сальвадору Дали и анимационному фильму WALL-E от Pixar105. Эта нейросеть-трансформер обучена выявлять связи между текстами и изображениями. С ее помощью можно создавать концептуально новые изображения, используя только текстовое описание, например, «кресло в форме авокадо». В 2022 году вышла ее новая версия, DALL-E 2106, а также нейросеть Imagen компании Google и ряд других интереснейших проектов, в частности Midjourney и Stable Diffusion. Нейронные сети нового поколения значительно расширили свои возможности, вплоть до создания реалистичных фотографий107. На основе короткого описания, например «панда, сидящая на мотоцикле на вершине горы, одетая в черную кожаную куртку и ковбойскую шляпу», ИИ может нарисовать правдоподобную картинку108. Такие способности могут серьезно повлиять на творческие процессы, которые ранее считались прерогативой исключительно людей.

Мультимодальные нейросети, вдобавок к умению создавать красивейшие изображения, обладают еще одним принципиальным достоинством. Такие модели, как GPT-3, оказались способны к «быстрому дообучению». Будучи уже натренированными, они могут обработать небольшой текстовый фрагмент и

Обучение без примеров составляет саму суть мышления, основанного на аналогиях, и интеллекта в целом. Это свойство показывает, что ИИ не просто как попугай повторяет то, чему его обучили, а действительно усваивает идеи и способен применять их в новом контексте. В 2020-х годах одной из ключевых задач в сфере ИИ станет развитие этих навыков и расширение сферы их применения.

Помимо способности обучаться без примеров при решении определенных задач, нейросети также быстро учатся выходить за рамки изначально заданных им областей. Спустя 17 месяцев после того, как MuZero продемонстрировала выдающееся мастерство в нескольких играх, команда DeepMind представила Gato – единую нейросеть, способную справиться с самыми разными задачами. Она может проходить видеоигры, вести беседы в чате, описывать изображения и управлять роботизированной рукой109. По отдельности все эти функции уже были под силу ИИ, но их объединение в одной системе, подобной мозгу, стало значительным шагом на пути к созданию общего интеллекта, подобного человеческому. Как я предсказывал в своей книге «Сингулярность уже близка», нам предстоит объединить тысячи различных навыков в одном ИИ, прежде чем он сможет пройти тест Тьюринга. И теперь мы ожидаем стремительного прогресса в этом направлении.

Одним из основных средств для проявления человеческого интеллекта стало программирование. В конце концов, именно так мы создали ИИ. В 2021 году компания OpenAI представила сервис Codex, который по инструкции, заданной пользователем на естественном языке, создает работающий код на нескольких языках программирования, в частности, Python, JavaScript или Ruby110. Теперь любой человек, даже без опыта разработки, может описать, что должна делать его программа, и всего за несколько минут получить простое приложение или игру. В 2022 году компания DeepMind выпустила нейросеть под названием AlphaCode 111, обладающую еще более продвинутыми возможностями. К моменту выхода этой книги, вероятно, появятся еще более совершенные ИИ для создания приложений. В течение нескольких лет такие сервисы откроют перед многими людьми огромные возможности для творчества, поскольку умение программировать перестанет быть обязательным навыком для воплощения своих идей в реальных приложениях.

Несмотря на все достижения моделей, о которых мы только что говорили, у каждой из них возникают трудности при решении комплексных задач в отсутствие направляющей руки человека. Даже если им под силу выполнить все части задания по отдельности, они не в состоянии разобраться, как нужно комбинировать полученные решения. Однако в апреле 2022-го компании Google добилась значительного прогресса в этом направлении с помощью новой модели PaLM, содержащей 540 миллиардов параметров. Стоит особо отметить успехи этой нейросети в освоении двух фундаментальных проявлений человеческого интеллекта: юмора и логических рассуждений112.

Юмор кажется прерогативой исключительно людей, потому что он невероятно многогранен. Чтобы шутка показалась человеку смешной, он должен обладать жизненным опытом и знать, что такое игра слов или ирония. Порой комический эффект достигается сложными сочетаниями этих элементов. Неслучайно шутки очень трудно переводить на другие языки и объяснять представителям других культур. Тем не менее нейросеть PaLM оказалась в состоянии прочесть шутку и подробно рассказать, что именно в ней вызывает смех. Например, ей предложили такой мем: «Я должен был сесть за написание статьи в 17:00, но решил 10 минут поиграть с новой крутой языковой моделью. Через 10 минут я взглянул на часы, а уже 21:30!»113 PaLM идеально все растолковала:

В этой шутке говорится о том, как быстро летит время, когда вы развлекаетесь. Субъект должен был начать писать статью в 17:00, но вместо этого решил поиграть с языковой моделью. Ему казалось, что он занят игрой всего 10 минут, но в действительности прошло 4,5 часа114.

Еще важнее, что нейросеть могла объяснить, каким образом она пришла к своим выводам, приведя цепочку рассуждений, хоть и не с такой глубокой аргументацией (по крайней мере пока, в 2023-м), какая была бы у человека. Именно этого ожидают преподаватели, когда дают задание написать сочинение. Нужно не просто пересказать известный ответ, а продемонстрировать глубокое понимание явления, шаг за шагом построив логические связи. Большие языковые модели порой напоминают черный ящик: никто не может понять, каким образом они приходят к тем или иным выводам. Поясняя свои умозаключения, PaLM добивается большего доверия к своим ответам и помогает разработчикам находить конкретные проблемы, из-за которых она допускает ошибки. Кроме того, оказалось, что разбивка сложной проблемы на маленькие подзадачи позволяет PaLM удачно справляться даже с такими вопросами, на которые не каждый живой специалист смог бы дать ответ115:

Запрос: «Майкл находится во всемирно известном музее Франции и смотрит на самую знаменитую картину из коллекции музея. Художник, создавший это полотно, напоминает Майклу о его любимом с детства мультипликационном персонаже. В какой стране изобрели вещь, которую этот персонаж обычно держит в руках?»

Ответ ИИ: «Самая известная картина Лувра – это “Мона Лиза”. Ее написал художник по имени Леонардо да Винчи. Главного героя мультсериала “Черепашки-ниндзя” также зовут Леонардо да Винчи. Художник Леонардо да Винчи – итальянец. Обычно Леонардо да Винчи держит в руке катану. Катану изобрели в Японии. Ответ: “Япония”».

(Черепашку звали просто Леонардо, но нейросеть ответила «Леонардо да Винчи».)

В ноябре 2022 года компания OpenAI открыла доступ к интерфейсу нейросети GPT-3.5, назвав его ChatGPT116. Это позволило широкой публике в первый раз попробовать работу с большой языковой моделью. В течение двух месяцев этой возможностью воспользовались 100 миллионов человек, включая, вероятно, и вас117. Поскольку система умела генерировать оригинальные и разнообразные ответы на заданные вопросы, она произвела переполох в образовательной системе: школьники и студенты пользовались ChatGPT при написании сочинений, а у преподавателей не было надежного способа выявить обманщиков (хотя сейчас уже есть многообещающие разработки)118.

Таким образом, GPT-4 способна не просто решать сложные задачи по физике, но и точно предсказывать, что произошло бы, если бы законы природы изменились определенным образом. Кроме того, нейросеть может рассмотреть предложенную ситуацию с разных точек зрения. Например, ей понятно, что люди, смотрящие на цифры на витрине, стоя по разные стороны стекла, будут видеть их зеркально отраженными. Комментируя изображение воздушных шаров с грузом, GPT-4 отмечает, что, если перерезать ленты, шар улетит120. Она в состоянии даже отслеживать положение объектов с течением времени, как это было продемонстрировано в диалоге с инженером Дэниелом Фельдманом:

Запрос: «Я нахожусь у себя дома. На стуле в гостиной стоит кофейная чашка. В чашке лежит наперсток. Он не закреплен плотно внутри чашки. В наперстке находится алмаз. Я переношу стул в спальню. Затем ставлю кофейную чашку на кровать и опрокидываю ее, а после беру и ставлю ее на кухонный стол. Где мой алмаз?»

Ответ: «Когда вы опрокинули кофейную чашку на кровать, алмаз, который лежал в наперстке, вероятно, вывалился на кровать. Алмаз теперь лежит у вас на кровати»121.

В середине 2023 года, когда я заканчивал работу над книгой, последней новинкой была система PaLM – E, разработанная компанией Google. Она представляет собой роботизированный механизм, управляемый нейросетью уровня PaLM122. Робот получает инструкции на естественном языке и выполняет их, находясь в сложных условиях реального мира. Например, получив просьбу «принести пачку рисовых чипсов из ящика», PaLM-E перемещается по кухне, находит чипсы, берет их и доставляет. С такими навыками ИИ скоро станет неотъемлемой частью нашей повседневной жизни.

Прогресс в области ИИ движется с невероятной скоростью, и бумажная книга в этом плане не лучший источник новостей. Верстка и печать занимают около года, поэтому, даже если вы купите эту книгу сразу после ее появления на полках, наверняка успеют появиться впечатляющие новшества. Скорее всего, ИИ уже будет играть заметную роль в вашей жизни. Господствовавшая последние 25 лет парадигма поиска в интернете на основе страниц со ссылками, соответствующими вашему запросу, быстро сменяется ИИ-помощниками. Среди них стоит отметить Bard от компании Google – сервис на основе нейросети Gemini (более мощной, чем GPT-4), запущенный, когда эта книга была на стадии верстки. Другой пример – Bing от Microsoft, который использует одну из версий GPT-4123. Тем временем мощные инструменты ИИ начали встраивать в пакеты приложений, такие как Google Workspace и Microsoft Office. Это делает решение многих задач более простым и быстрым124.

Двигателем прогресса в сфере ИИ является стремление расширять нейросетевые модели до тех пор, пока их сложность не станет сравнима с человеческим мозгом. Я всегда придерживался мнения, что разумность в работе ИИ определяется количеством проведенных вычислений. До недавнего времени мало кто разделял это убеждение, а средств, чтобы убедительно его доказать, не существовало. Около трех десятилетий назад, в 1993 году, мы с моим наставником Марвином Минским провели открытую дискуссию. Я утверждал, что для симуляции человеческого интеллекта потребуется минимум 1014 операций в секунду. Минский со своей стороны доказывал, что количество операций в секунду не играет большой роли и что мы могли бы написать программу, имитирующую разум, для Pentium – центрального процессора в передовых компьютерах того времени. Дебаты состоялись в конференц-зале МТИ (аудитория 10-250) в присутствии нескольких сот студентов. Итогом стала ничья, поскольку я не располагал необходимыми для демонстрации машинного интеллекта вычислительными мощностями, а мой оппонент – нужными алгоритмами.

Однако выдающиеся успехи, достигнутые в рамках нейросетевого подхода в 2020–2023 годах, подтвердили, что скорость вычислений действительно играет ключевую роль при разработке достаточно умного ИИ. Я работаю в этой сфере с 1963-го. Прошло 60 лет, и теперь нам удалось выйти на показатели быстродействия компьютеров, достаточные для обучения эффективных нейросетей. Количество вычислений, используемых при обучении передовых моделей ИИ, каждый год увеличивается в 4 раза – с соответствующим результатом125.

Чего еще предстоит добиться ИИ?

Достижения последних лет показывают, что мы уже далеко продвинулись по пути создания нейросетей, возможности которых сравнимы с мощью новой коры головного мозга. На сегодняшний день ИИ не хватает способностей учитывать контекст, использовать здравый смысл и участвовать в социальном взаимодействии.

Контекстная память – это способность отслеживать, каким образом меняются связи между мыслями, которые мы выражаем в ходе разговора или переписки. Количество возможных связей между идеями растет экспоненциально с увеличением длины контекста, который мы учитываем. В начале этой главы мы рассуждали о потолке сложности – те же закономерности работают и здесь. Поэтому задача расширения контекста, учитываемого языковой моделью, невероятно трудна с вычислительной точки зрения126. Если в предложении содержится 10 идей, каждую из которых можно обозначить словом (то есть токеном), то количество возможных взаимосвязей между ними равно числу подмножеств множества из 10 элементов и составляет 210–1, то есть 1,023. А если в одном параграфе будет 50 таких идей, это даст 1,12 квадриллиона возможных контекстных связей между токенами! Хотя большинство из этих гипотетических связей не имеют под собой оснований, тем не менее перебрать их все и запомнить контекст для главы или целой книги становится непосильной задачей. Именно поэтому GPT-4 постепенно забывает сказанное вами по ходу разговора. По этой же причине чат-бот пока не может написать роман со связным и логичным сюжетом.

Есть две хорошие новости: во-первых, разработчики успешно решают задачу по проектированию ИИ, который будет в состоянии сосредоточиться только на важных элементах контекста, а во-вторых, экспоненциальный рост вычислительной мощности, скорее всего, приведет к снижению стоимости вычислительных ресурсов на 99 % за следующие 10 лет127. Более того, совершенствование алгоритмов и разработка специализированного оборудования для задач ИИ приведут к тому, что соотношение цена/производительность для систем, на которых работают языковые модели, улучшится еще сильнее128. Например, только с августа 2022 по март 2023 года стоимость обработки одних и тех же токенов через API GPT-3.5 снизилась на 96,7 %129! Эта тенденция еще усилится благодаря тому, что ИИ будет активно

Еще одним важным аспектом, с которым пока не может справиться искусственный интеллект, является способность рассуждать, опираясь на здравый смысл. Речь идет об умении вообразить различные обстоятельства или предвидеть последствия своих действий в реальном мире. Например, вы, возможно, никогда не задумывались, что произойдет, если в вашей комнате внезапно «выключится» гравитация, однако вы легко нарисуете у себя в голове эту картину и к чему этот случай приведет. Мы задействуем этот тип мышления при установлении причинно-следственных связей. Если у вас есть собака, а по возвращении домой вы обнаружите разбитую вазу, вам не составит труда догадаться, что произошло. Несмотря на то что периодически у ИИ случаются подобные озарения, в целом он испытывает большие трудности с такими умозаключениями. Все потому, что у него пока нет полной модели реального мира, а обучающие данные редко содержат такие скрытые знания.

Наконец, в текстовых базах данных не всегда можно найти достаточно информации о тонкостях общения, таких как ирония в голосе. А ведь именно на текстовых данных в основном и обучается искусственный интеллект. Без такого рода знаний сложно создать «модель психики человека», то есть научиться понимать, что другие имеют взгляды и знания, отличающиеся от ваших; ставить себя на их место; делать предположения об их намерениях. Однако ИИ быстро развивается в этом направлении. В 2021 году Блез Агиера-и-Аркас, почетный сотрудник исследовательского центра компании Google, представил доклад о том, как нейросеть LaMDA справилась с классическим тестом на понимание чужого сознания из области детской психологии131. В рассмотренном сценарии Алиса забывает очки в тумбочке и выходит из комнаты. Пока ее нет, Боб достает очки из тумбочки и прячет их под подушку. Вопрос: где Алиса будет искать очки, когда вернется? LaMDA дала верный ответ: в тумбочке. За последние два года модели PaLM и GPT-4 значительно улучшили свои способности давать правильные ответы на вопросы, связанные с пониманием работы разума и психики. Развитие этой функции позволит ИИ обрести гибкость мышления, которой ему пока не хватает. Например, человек, играющий в го, способен не только демонстрировать высокий уровень игры, но и обращать внимание на происходящее за соседними столами, отпускать шутки в подходящий момент, а также прервать игру, если кому-то из окружающих понадобится медицинская помощь.

Мой оптимизм в отношении будущего искусственного интеллекта основывается на трех стремительно развивающихся тенденциях: во-первых, снижение стоимости вычислений делает процесс обучения глубоких нейронных сетей более доступным; во-вторых, благодаря накоплению обширных и подробных наборов тренировочных данных обучение становится более конструктивным; в-третьих, развитие алгоритмов позволяет ИИ учиться и делать выводы более эффективно132. Хотя с 2000 года стоимость вычислительных ресурсов падает вдвое примерно каждые 1,4 года, фактически после 2010-го нам удается удваивать количество операций, используемых при обучении передовых нейросетей, всего за 5,7 месяца, то есть за весь период это число выросло в 10 миллиардов раз133. Для сравнения: до появления нейросетей глубокого обучения, а именно с 1952 года (когда появилась первая система машинного обучения, за шесть лет до разработки знаменитого перцептрона) по 2010 год (когда начался расцвет эпохи больших данных), количество операций, используемых для обучения ИИ, удваивалось каждые два года. Это примерно соответствует закону Мура 134.

Если бы тенденция, наблюдавшаяся с 1952 по 2010 год, сохранилась до 2021 года, то за эти 11 лет вычислительная сложность обучения нейронной сети увеличилась бы менее чем в 75 раз вместо 10 миллиардов. Такой значительный скачок нельзя объяснить только уменьшением стоимости вычислений, поэтому дело не в революционном развитии аппаратного обеспечения. Основную роль сыграли два фактора. Во-первых, программисты разработали новые методы параллельных вычислений, что позволило задействовать больше чипов при работе над одной задачей машинного обучения. Во-вторых, благодаря большим объемам данных глубокое обучение стало более эффективным. В результате инвесторы по всему миру начали вкладывать больше средств в эту отрасль, надеясь на появление прорывных технологий.

Расходы на обучение искусственного интеллекта растут параллельно с увеличением объема полезных данных. За последние несколько лет стало окончательно ясно, что любая задача, для которой можно четко определить критерии успеха, может быть решена с помощью модели глубокого обучения на уровне, значительно превышающем человеческий.

Люди обладают множеством навыков, весьма неоднородных в том, что касается доступности данных для обучения. Для некоторых умений можно привести количественную оценку, и собрать обучающую выборку тоже не составит труда. Например, при игре в шахматы существуют три возможных исхода: победа, поражение или ничья, а система рейтинга Эло предоставляет удобный способ ранжировать оппонентов в соответствии с уровнем мастерства. Данные для тренировки тоже удобно строить, поскольку игра состоит из дискретных ходов и протокол партии можно представить в виде математической последовательности. Некоторые навыки в принципе измеримы, но сбор и анализ данных по ним существенно затруднены. Представление интересов в суде имеет однозначный итог: победа или проигрыш. Однако достоверно выделить вклад юриста в исход дела по сравнению с тем, насколько сильны были позиции сторон изначально и как сказался настрой присяжных, уже гораздо труднее. А каким образом можно оценить способности писать стихи или держать в напряжении читателей мистического романа? Но даже в этих случаях можно выработать вспомогательные методики для обучения ИИ. К примеру, читатели могли бы давать оценку поэтичности стихотворения по стобалльной шкале. Другим вариантом может быть использование данных функциональной магнитно-резонансной томографии (фМРТ) для оценки активности определенных зон мозга. Частота сердечных сокращений или уровень кортизола могут дать представление о степени вовлеченности читателя. Таким образом, даже если данных для обучения недостаточно, можно использовать косвенные и не вполне точные показатели, чтобы помочь ИИ совершенствоваться. Другое дело, что поиск таких метрик потребует изобретательности и готовности экспериментировать.

Новая кора человеческого мозга может составить некоторое представление о тренировочном наборе данных, но грамотно спроектированная нейронная сеть способна находить такие закономерности, которые биологическому мозгу попросту недоступны. Достаточный набор данных обеспечит сверхчеловеческий уровень анализа в самых разных задачах: поиск игровой стратегии, вождение автомобиля, постановка диагноза на основе снимков, моделирование структуры белковых молекул. Таким образом, тщательный сбор данных, на который ранее исследователи предпочитали не тратить ресурсы, теперь становится экономически оправданным.

В каком-то смысле данные – новая нефть, месторождения которой существенно отличаются в плане доступности136. Где-то нефть бьет из-под земли, остается только очистить и переработать без больших затрат. В других случаях требуется расходовать средства на бурение, гидроразрыв пласта или нагрев скалы для извлечения нефти из сланца. Когда цена на сырье падает, нефтяные компании начинают разработку только

Аналогичным образом, когда анализ больших объемов данных не давал ощутимой выгоды, компании собирали информацию только в тех областях, где это не требовало больших затрат. Но по мере развития методов машинного обучения и удешевления оборудования экономическая (а заодно и социальная) значимость труднодоступных данных будет только возрастать. В самом деле, буквально за последний год или два наши возможности по сбору, хранению, сортировке и анализу информации, касающейся человеческих навыков, значительно расширились137. В Кремниевой долине все только и говорят о больших данных, и не зря: фундаментальное преимущество этой технологии в том, что благодаря ей методы машинного обучения начинают приносить практическую пользу, что было невозможно при использовании малых объемов данных. В течение 2020-х годов этот процесс затронет практически все человеческие навыки.

Говоря о прогрессе ИИ в освоении отдельных навыков, стоит упомянуть любопытный факт. Мы привыкли думать о человеческом интеллекте как о некоей цельной сущности, которой ИИ либо обладает, либо нет. Но гораздо точнее и полезнее с практической точки зрения рассматривать человеческий разум как хитросплетение множества различных когнитивных навыков. Частью из них, например способностью узнавать себя в зеркале, обладают даже высокоразвитые животные, такие как слоны или шимпанзе. Другие, такие как умение сочинять музыку, доступны исключительно людям, и то не всем в равной степени. Умственные способности могут различаться не только от человека к человеку; в рамках одной личности навыки тоже бывают выражены в очень разной степени. Кто-то может быть математическим гением, но ужасно играть в шахматы; или обладать эйдетической (фотографической) памятью, но совершенно не уметь общаться с людьми. Прекрасным примером является герой Дастина Хоффмана в кинофильме «Человек дождя».

Когда разработчики ИИ говорят об интеллекте уровня человеческого, они обычно имеют в виду возможности лучших представителей нашего вида в конкретной области. В каких-то задачах даже очень талантливый человек ненамного превосходит среднестатистического, например, в распознавании букв родного алфавита. В то же время в других областях, таких как исследования по теоретической физике, разница между обычным человеком и мастером своего дела поистине огромна. В последнем случае может пройти ощутимо больше времени между тем, когда ИИ научится выполнять работу на уровне обычного человека и сумеет превзойти мастеров. Пока сложно сказать, какие именно навыки машинам будет труднее всего освоить. Возможно, в 2034 году ИИ будет легко писать музыкальные хиты и завоевывать премии «Грэмми», но не сможет сочинить сценарий, достойный премии «Оскар»; решит математические «Задачи тысячелетия», но не предложит новых философских концепций. Таким образом, переходный период после того, как ИИ пройдет тест Тьюринга и превзойдет человека почти во всех областях, но все еще будет уступать гениям в некоторых особых навыках, может оказаться достаточно долгим.

Применительно к достижению Сингулярности главное – это умение программировать вычислительную технику, а также владение сопутствующими дисциплинами, таками как теоретические компьютерные исследования. Это ключевое умение, которое позволит создать сверхмощный ИИ. Как только мы разработаем ИИ, способный обучать себя программированию (самостоятельно либо с помощью программиста-ассистента), запустится цикл положительной обратной связи. Ирвинг Джон Гуд, коллега Алана Тьюринга, еще в 1965 году предвидел, что такой механизм приведет к «взрывному росту интеллекта»138. Компьютеры работают быстрее людей, поэтому, исключив программистов из процесса разработки ИИ, можно добиться невероятного прогресса. Теоретики в сфере ИИ в шутку называют этот феномен «ФУУУМ», как будто график результатов ИИ выходит за пределы шкалы, сопровождаемый звуковым эффектом из комиксов139.

Часть исследователей, например Элиезер Юдковский, считает, что этот переход произойдет крайне быстро, сродни вертикальному взлету, и займет считаные месяцы, если вообще не минуты. Другие, в частности Робин Хэнсон, уверены, что процесс будет идти постепенно, аналогично плавному «набору высоты», на протяжении нескольких лет140. Я придерживаюсь промежуточной позиции. На мой взгляд, физические ограничения, такие как недостаточная мощность аппаратного обеспечения, а также нехватка ресурсов и актуальных данных, не дадут «ФУУУМу» произойти мгновенно. Однако нам необходимо продумать план действий на случай, если вертикальный взлет пойдет не по выгодному для нас сценарию. Важно помнить, что взрывной рост способностей позволит ИИ быстро овладеть и другими навыками, более сложными для него, чем самопрограммирование.

Машинное обучение становится все более экономичным, поэтому маловероятно, что именно вычислительная мощность станет сдерживающим фактором в создании разума уровня человеческого. Суперкомпьютеры уже с большим запасом укладываются в требования, которые ставит перед ними задача симуляции мозга человека. В 2023 году самый мощный суперкомпьютер Frontier, построенный Национальной лабораторией Ок-Риджа, уже способен выполнять порядка 1018 вычислений в секунду141, что превосходит предполагаемую максимальную производительность человеческого мозга (1014 операций в секунду) в 10 000 раз142.

В книге «Сингулярность уже близка» я приводил оценку вычислительной мощности мозга: 1016 операций в секунду. Эта величина получилась с учетом того, что в мозгу содержится порядка 1011 нейронов, от каждого из которых отходит по 103 синапсов, способных посылать 102 сигналов в секунду143. Однако, как я тогда же отметил, мне нужна была верхняя оценка. На самом деле, как показывают исследования, мозг выполняет намного меньшее количество операций каждую секунду. Нейроны активируются гораздо реже, чем мы предполагали: не двести раз в секунду, как это могло бы быть теоретически, а примерно один раз в секунду144. Более того, исследователи в проекте AI Impacts, проанализировав потребление энергии мозгом, предположили, что каждый нейрон в среднем возбуждается 0,29 раза в секунду145. Это означает, что общее количество операций за секунду может составлять всего лишь 1013. Ханс Моравец, используя другой метод, получил такую же оценку, опубликованную в его книге «Дети разума: перспективы интеллекта роботов и людей»146.

Мы все еще рассуждаем в предположении, что для функционирования разума необходимы все нейроны мозга, хотя уже знаем, что это не так. Параллелизм операций в мозгу еще плохо изучен, но известно, что отдельные нейроны и целые модули выполняют дублирующие функции или операции, которые хотя бы в теории могли бы осуществляться в другой области. Подтверждением тому служат истории полного восстановления работоспособности людей после инсультов или травм, затрагивающих часть мозга147. Так что объем вычислений, необходимый для моделирования нейронных структур, имеющих отношение к разуму, будет еще скромнее, чем приведенные выше оценки. Поэтому величина 1014 операций в секунду кажется надежной верхней границей. По состоянию на 2023 год такое быстродействие может обеспечить электроника стоимостью всего в тысячу долларов148. Даже если в итоге потребуется 1016 операций в секунду, к 2032 году мы сможем уложиться

Все эти оценки основываются на моем убеждении, что система, имитирующая активацию нейронов, станет полноценной моделью мозга. Может оказаться, что для возникновения субъективного сознания потребуется более подробная симуляция. Это философский вопрос, ответ на который нельзя найти с помощью научного метода. Тем не менее не исключено, что потребуется смоделировать отдельные ионные каналы внутри нейронов или взаимодействие молекул тысяч различных веществ, участвующих в обменных процессах в клетке. По оценкам Андерса Сандберга и Ника Бострома из оксфордского Института будущего человечества, описанные уровни абстракции потребуют выполнения 1022 или 1025 операций в секунду соответственно150. Но даже в последнем случае, согласно их расчетам, суперкомпьютер стоимостью в 1 миллиард долларов (в ценах 2008 года) сможет обеспечить необходимую вычислительную мощность к 2030 году. А к 2034 году такой компьютер и вовсе будет в состоянии смоделировать каждую молекулу белка каждого нейрона151. Со временем, конечно же, экспоненциальный рост эффективности вычислений значительно сократит эти затраты.

Я хотел бы еще раз подчеркнуть: даже при существенном изменении требований к симуляции мой основной прогноз остается в силе – компьютерное моделирование человеческого мозга в любой интересующей нас форме станет реальностью в ближайшие пару десятилетий, а не через сто лет. Так что именно нам, а не нашим внукам, предстоит разбираться с последствиями. Уже с 2020-х годов продолжительность жизни будет увеличиваться быстрыми темпами. Если вам сейчас меньше 80 лет и вы относительно здоровы, вы, вероятно, увидите это событие своими глазами. Тест Тьюринга будет пройден, когда дети, родившиеся в наше время, пойдут в начальную школу. А функциональная модель мозга будет создана, когда они будут учиться в колледже. И последняя точка отсчета: я заканчиваю писать эту книгу в 2023 году. Похоже, мы уже ближе к созданию полной модели мозга, чем к моменту выхода моей первой книги «Век духовных машин» в 1999 году, когда я впервые озвучил свои прогнозы.

Прохождение теста Тьюринга

Каждый месяц ИИ овладевает все более сложными навыками, а стоимость вычислений, необходимых для его работы, неуклонно снижается. Траектория развития ясна. Но как мы поймем, что ИИ достиг уровня человеческого мозга? Тест Тьюринга дает нам возможность подойти к этому вопросу с научной точки зрения. Однако сам Тьюринг не обозначил всех условий эксперимента, например, он не уточнил, сколько времени должна продолжаться беседа машины и человека и какими качествами должен обладать судья. Девятого апреля 2002 года я и Митч Капор, один из первых разработчиков программ для персональных компьютеров, заключили пари в проекте фонда Long Now. Мы поспорили о том, будет ли пройден тест Тьюринга к 2029 году152. В ходе обсуждения возникло множество новых вопросов, в частности, о допустимом уровне усовершенствования мышления человека, при котором он все еще может быть судьей или участником.

Подробно описанная методика проведения теста крайне важна, поскольку, как мы уже упоминали ранее, люди склонны в ретроспективе недооценивать сложность задач, решенных ИИ. Это явление получило название «синдром искусственного интеллекта»153. За семь десятилетий, прошедших со дня описания Аланом Тьюрингом его игры в имитацию, компьютеры постепенно превзошли людей в ряде специфических аспектов интеллекта. Однако чего машинам всегда недоставало, так это гибкости и широты охвата человеческой мысли. После победы суперкомпьютера Deep Blue фирмы IBM над чемпионом мира по шахматам Гарри Каспаровым в 1997 году многие комментаторы не сочли это достижение значимым в том, что касается моделирования общего интеллекта154. Игру в шахматы легко описать математически, потому что расположение и свойства фигур на доске определяются однозначно, количество допустимых ходов сравнительно невелико. Так что победу над Каспаровым можно отнести на счет хитроумных вычислений. При этом ряд наблюдателей уверенно заявлял, что машины никогда не добьются успеха в многогранных задачах, связанных с обработкой фраз на естественном языке, таких как разгадывание кроссвордов или телевизионная игра «Джеопарди!»155. С кроссвордами машины справились через два года156, а менее чем двенадцать лет спустя суперкомпьютер Watson, разработанный компанией IBM, сыграл в «Джеопарди!» и победил двух самых успешных игроков за всю историю этой игры – Кена Дженнигса и Брэда Руттера 157.

Эти викторины выявили очень интересную особенность ИИ. Наблюдая, как ловко Watson вникает в игровые подсказки, ищет информацию и уверенно озвучивает правильные ответы роботизированным голосом, легко было поддаться иллюзии, что компьютер размышляет примерно так же, как Кен или Брэд. Однако у зрителей была дополнительная информация. В нижней части экрана отображались три лучшие версии, полученные суперкомпьютером, в порядке убывания вероятности. Хотя в первой строчке почти всегда содержался верный ответ, две другие догадки были не просто неверными, они были смехотворно неподходящими. Таких нелепых ошибок не допустил бы даже самый слабый из игроков-людей. Например, на вопрос «Члены этого органа избираются каждые 5 лет, сейчас в нем заседают 736 человек из 7 фракций»158 из категории «ЕС, Европейский союз» Watson дал верный ответ «Европейский парламент», присвоив ему вероятность 66 %. Вторым вариантом было «ДЕП» (депутаты Европарламента, 14 %), а третьим с вероятностью 10 % шло «всеобщее избирательное право»159. Даже тот, кто никогда не слышал о Европарламенте, не мог бы предположить, что варианты 2 или 3 являются верными, хотя бы исходя из формулировки вопроса. Таким образом, хотя стиль игры Watson был похож на человеческий, «под капотом» явно происходили процессы, не свойственные мышлению человека.

В последние годы нам удалось научить ИИ гораздо лучше понимать и использовать естественные языки. В 2018 году компания Google представила сервис Duplex – роботизированного помощника, умеющего настолько хорошо общаться по телефону, что ничего не подозревавшие собеседники были уверены, что говорят с человеком. В том же году компания IBM разработала систему Project Debater, способную вести осмысленные споры160. А к 2023 году большие языковые модели уже научились писать сочинения так же хорошо, как люди.

Однако, несмотря на все свои достижения, даже GPT-4 время от времени оказывается подвержен «галлюцинациям»: ИИ уверенно выдает утверждения, не имеющие ничего общего с реальностью161. Например, если попросить его кратко пересказать несуществующие новости, он может сочинить весьма правдоподобную сводку. А в ответ на просьбу указать источники достоверного научного факта нейросеть может перечислить несуществующие статьи. Сейчас ведется активная работа над устранением этой проблемы162, но пока неясно, насколько сложной она окажется в итоге. Появление таких ошибок лишний раз свидетельствует о том, что, как и в случае с Watson, современные мощные системы ИИ находят ответы путем сложных математических и статистических вычислений, что сильно отличается от привычного нам мышления.

Интуитивно нам

Хотя тест Тьюринга может стать отличным инструментом для оценки прогресса ИИ, его прохождение не стоит считать единственно возможным критерием развитого интеллекта. Как показывают системы PaLM 2 и GPT-4, машины могут превосходить людей в решении сложных задач, при этом не научившись убедительно имитировать действия человека во всех возможных ситуациях. По моим прогнозам, в промежутке между 2023 и 2029 годами, когда будет пройден тест Тьюринга, компьютеры уже превзойдут людей в самых разных областях деятельности. Более того, не исключено, что ИИ научится самосовершенствоваться раньше, чем учитывать нюансы человеческого общения, необходимые для прохождения теста. Уверенности в этом нет, но сама возможность заставляет нас более тщательно рассмотреть определение «интеллект уровня человеческого». В этом определении немалую роль сыграет тест Тьюринга, но нам также необходимо разработать более сложные методы, чтобы понять, в чем разница между человеческим и машинным интеллектом и в чем они схожи.

Хотя не все согласны, что тест Тьюринга – это надежный способ определить, обладает ли машина интеллектом, сравнимым с человеческим, я убежден, что его успешное прохождение убедит наблюдателей и широкую публику в том, что они имеют дело с настоящим разумом, а не просто с имитацией. Как писал Тьюринг в 1950 году: «Разве не может внутри машины происходить процесс, не похожий на тот, что идет в голове человека, и который тем не менее иначе как мышлением не назовешь? <…> Но если при этом машина способна показать удовлетворительный результат в игре в имитацию, значит, аргумент о несхожести внутренних процессов мышления не должен нас беспокоить»163.

На этом рисунке представлены задачи, с которыми искусственному интеллекту еще предстоит справиться. Листки на полу символизируют уже освоенные ИИ навыки, а над теми, что пока висят на стене, очерченные пунктирными линиями, ведется активная работа.(Только человек может играть в бейсбол. Только у людей есть здравый смысл. Только человек может написать рецензию на фильм. Только люди проводят пресс-конференции. Только человек может навести порядок в доме. Человеческая раса. Только человек может написать книгу о компьютере. Только человек может переводить речь. Только люди могут мастерски играть в го. Только человек может поставить диагноз по ЭКГ. Прочие новости Мы все еще удерживаем Берлин. Только человек может сочинять музыку, подражая Баху. Только люди могут играть в настольный теннис. Только люди могут узнавать лица. Человек может управлять ракетой. Только люди могут импровизировать в джазе. Только люди могут мастерски играть в шахматы. Только люди могут инвестировать. Только человек может водить машину. Только люди могут понимать непрерывную речь. Только люди могут понимать естественный язык. Только люди могут доказать важные теоремы. Только люди могут…)

Важно отметить, что, если искусственный интеллект успешно пройдет строгий тест Тьюринга, это будет означать, что он способен продемонстрировать более высокие результаты, чем человек, на любом экзамене, проводимом на естественном языке164. Независимо от того, в какой области ИИ проявляет свои слабые стороны, письменный тест способен их обнаружить. Конечно, это возможно только при условии, что судьи и собеседники сами достаточно компетентны и внимательны. Не составит труда притвориться выпившим, сонным или не владеющим языком человеком165. Кроме того, ИИ, который сумеет обмануть судей, не знакомых с методикой тестирования его способностей, не будет считаться прошедшим тест.

Тьюринг считал, что такой тест подходит для оценки способностей ИИ в «любой из областей человеческой деятельности по нашему усмотрению». Находчивый экзаменатор может попросить ИИ объяснить сложную ситуацию в общении между людьми, сделать выводы на основе представленных научных данных, предложить смешную сцену для комедии. Таким образом, тест Тьюринга проверяет не просто понимание естественного языка, а наличие умственных способностей, которые мы проявляем посредством речи. Конечно, успешный ИИ не должен производить впечатление сверхчеловека. Если экзаменуемый будет мгновенно отвечать на все энциклопедические вопросы, быстро проверять числа на простоту и бегло говорить на сотне языков, станет ясно, что с нами общается не человек.

Кроме того, искусственный интеллект, который достигнет такого уровня, будет обладать способностями, значительно превосходящими человеческие, начиная с объема памяти и заканчивая скоростью мышления. Вообразите себе систему, умеющую читать на уровне человека и обладающую банком данных со всеми статьями из «Википедии» и полным архивом научных публикаций за всю историю. Пока что именно недостаточно глубокое понимание нашего языка не позволяет ИИ эффективно наращивать свой объем знаний. Прогресс людей же сдерживается низкой скоростью чтения, скромным объемом памяти и в целом слишком короткой жизнью. Компьютеры уже в состоянии обрабатывать данные с потрясающей скоростью: если человеку на чтение одной книги требуется в среднем около шести часов, сервис Talk to Books компании Google справляется с этой задачей в пять миллиардов раз быстрее166. Кроме того, объем памяти компьютеров практически не ограничен.

Смена парадигм обработки информации в процессе эволюции

Когда ИИ овладеет языком на уровне человека, ему не просто станет легче постепенно пополнять свои знания, скорее это приведет к взрывному росту его эрудиции. Чтобы пройти затем тест Тьюринга, ему буквально придется прикидываться дураком! В тех же задачах, где не будет нужды имитировать человеческое поведение, например в области медицины, химии, инженерии, ИИ уровня Тьюринга сможет достичь небывалых успехов.

К чему это приведет, мы обсудили в предыдущей главе, когда говорили о шести информационных эрах. В таблице «Смена парадигм обработки информации в процессе эволюции» кратко изложены основные моменты.

Расширение новой коры с помощью облачных сервисов

К сожалению, пока что наши возможности в области прямого обмена сигналами с мозгом с использованием электроники, будь то снаружи или внутри черепа, остаются ограниченными. Неинвазивные методы не позволяют достичь одновременно высокого пространственного и временного разрешения, поэтому в чем-то приходится жертвовать точностью измерения. Функциональная магнитно-резонансная томография (фМРТ) позволяет измерять объем кровотока в мозге, что служит индикатором возбуждения нейронов167. Чем активнее определенный участок мозга, тем больше глюкозы и кислорода ему требуется, что приводит к притоку артериальной крови. В объеме мозга этот приток

Электроэнцефалограмма (ЭЭГ) подвержена другой проблеме. Этот метод позволяет измерить электрическую активность мозга, так что сигнал регистрируется с точностью до миллисекунды170. Однако, поскольку сигналы считываются с поверхности головы, невозможно точно определить, какая часть мозга их генерирует. Поэтому пространственное разрешение метода составляет от 6 до 8 кубических сантиметров, в лучшем случае – от 1 до 3171.

В 2023 году невозможность достичь высокого пространственного и временного разрешения при сканировании мозга является одной из ключевых проблем нейробиологии. Причиной затруднений служат фундаментальные свойства электричества и физика течения крови, так что даже с помощью современных датчиков и искусственного интеллекта пока не удается добиться значительного прогресса. Продвинутый интерфейс мозг-компьютер таким образом не построить.

От проблемы пространственно-временного компромисса можно уйти, если поместить электроды в мозг. Тогда мы сможем не только считывать сигналы каждого отдельного нейрона, но и стимулировать его – коммуникация будет двусторонней. Однако на современном уровне технологий вживить электроды можно только через отверстия в черепе, что сопряжено с риском повредить мозговую ткань. Поэтому пока такие методы применяются только для пациентов с нарушениями функции нервной системы, такими как потеря слуха или паралич. В этих случаях возможная польза перевешивает риск. К примеру, система BrainGate позволяет людям с БАС или повреждениями спинного мозга силой мысли управлять курсором на экране или механической рукой172. Однако такая вспомогательная технология позволяет подключаться к весьма небольшому количеству нейронов, поэтому с ее помощью нельзя обрабатывать сложные сигналы наподобие речи.

Технология перевода мыслей в текст стала бы революционным новшеством, что стимулирует исследования по созданию устройств, интерпретирующих мозговые волны. В 2020 году команда разработчиков провела эксперимент, в ходе которого на головы людей было установлено 250 внешних электродов. С помощью мощного искусственного интеллекта исследователи пытались сопоставить активность коры мозга с набором слов из тестовых предложений. Исследователи использовали ограниченный словарь из 250 слов и смогли распознать мысли человека с погрешностью не более 3 %. Результат впечатляет, но в 2021 году проект закрыли174. Пока неясно, удастся ли масштабировать этот эксперимент, используя словари с большим количеством слов (и, соответственно, получив более сложные сигналы), или же технология упрется в проблему пространственно-временного разрешения. Так или иначе, чтобы расширить возможности неокортекса, нам необходимо найти способ двусторонней коммуникации с большим количеством нейронов одновременно.

Одной из самых многообещающих попыток подключения к максимальному числу нейронов стала технология Neuralink, разработанная компанией Илона Маска. Эта система предполагает имплантацию в мозг множества тонких электродов175. Опыты на мышах показали, что можно считывать данные сразу с 1500 электродов, что значительно больше, чем в других проектах, где обычно задействуются сотни электродов176. Обезьяна, которой вживили такой чип, научилась с его помощью играть в видеоигру Pong177. После ряда согласований в 2023 году Управление по санитарному надзору за качеством пищевых продуктов и медикаментов (FDA) разрешило проводить испытания на людях. На момент подготовки этой книги к печати Neuralink только имплантировала первый чип с 1024 электродами в мозг человека178.

В настоящее время Агентство перспективных исследовательских проектов Министерства обороны (DARPA) США работает над долгосрочным проектом под названием «Проектирование нейроинженерной системы» (NESD). Его цель – создать устройство, способное считывать информацию с одного миллиона нейронов и передавать сигналы ста тысячам179. В рамках этого проекта агентство выделило гранты на реализацию нескольких программ. Например, команда Университета Брауна разрабатывает так называемые «нейрозерна» – микроскопические устройства, которые можно имплантировать в мозг. Эти «зерна» будут образовывать связи с нейронами и друг с другом, создавая своего рода «кортикальный интранет» внутри нашего мозга180.

В итоге мы стремимся создать неинвазивный интерфейс, который, вероятно, будет состоять из наноразмерных электродов, без какого-либо риска доставляемых в мозг через кровеносную систему.

Сколько же вычислительных операций нам предстоит записать? Как мы уже выяснили, общее количество вычислений, необходимых для полноценного моделирования человеческого мозга, составляет не более 1014 за секунду. Заметим, что речь идет о симуляции на основе реальной структуры мозга, способной пройти тест Тьюринга и в принципе для стороннего наблюдателя неотличимой от настоящего мозга человека. Такая симуляция не обязательно должна включать в себя все процессы, происходящие в мозге, поскольку часть из них не влияет на наблюдаемое поведение. Например, крайне маловероятно, что внутриклеточные процессы, такие как репарация ДНК в ядре нейрона, имеют отношение к мышлению.

Но даже если в мозге происходит 1014 операций каждую секунду, не все из них обязательно передавать через интерфейс мозг-компьютер. Многие из этих операций связаны с предварительной обработкой информации в структурах, расположенных глубже верхнего слоя неокортекса181. А нам нужно подключиться именно к высшим областям мозга. Кроме того, мы можем игнорировать процессы, которые не относятся к разуму, такие как регуляция пищеварения. Так что, по моим оценкам, нам потребуется интерфейс, способный образовывать миллионы, может быть, десятки миллионов параллельных связей.

Чтобы этого добиться, нам придется все сильнее уменьшать размеры устройств, попутно решая возникающие инженерные и нейробиологические задачи с помощью продвинутого ИИ. В 2030-х годах мы достигнем цели, создав микроскопических роботов, так называемых наноботов. Эти крошечные устройства свяжут высшие участки коры нашего мозга с облачным сервисом, позволяя биологическим нейронам напрямую обмениваться сигналами с программными нейронами через Всемирную сеть182. Для этого не потребуется проводить хирургические операции на грани фантастики – наноботов можно будет доставить в мозг неинвазивным способом, через капилляры. До сих пор размер нашего мозга был ограничен необходимостью проходить через родовые пути, теперь же его можно будет расширять бесконечно. Как только мы подключим первый слой виртуальной коры, поверх него (в иерархическом смысле) можно будет размещать последующие, что будет делать наше мышление все более сложным. Стоимость вычислительных мощностей продолжит снижаться, но теперь вместе с возможностями компьютеров будет расти и потенциал нашего мозга.

Помните, что случилось два миллиона лет назад, после предыдущего апгрейда нашего неокортекса? Мы стали людьми. Когда мы получим доступ к облачному неокортексу, то, скорее всего, совершим похожий скачок в уровне абстрактного мышления. В результате проявления нашего интеллекта станут намного глубже и богаче, чем искусство и технологии. Изменения будут настолько фундаментальными, что сейчас мы не можем их себе даже представить.

Вообразить себе искусство будущего невозможно. Но если попытаться провести аналогию, стоит вспомнить последнюю революцию, касающуюся неокортекса. Представьте,

Когда мы говорим об искусстве для людей с облачным неокортексом, мы имеем в виду не только более качественную графику или возможность ощущать вкус и запах. Нам откроются принципиально новые возможности, связанные с тем, как мозг обрабатывает впечатления. В наши дни актеры могут передавать особенности характера героя только с помощью слов и движений. Однако мы можем создать вид искусства, в котором найдут отражение глубинные, неоформленные и невысказанные мысли героя, которые будут загружаться прямо в наш мозг во всем их невыразимом великолепии и многообразии. Интерфейс мозг-компьютер станет важным инструментом, который обогатит нашу культуру.

Мы станем соавторами самих себя: будем развивать свой интеллект, чтобы уметь мыслить глубже, а затем использовать новые возможности для создания новых трансцендентных идей, осмыслить которые будет под силу только новым версиям нашего мозга. Наконец-то мы получим доступ к своему исходному коду подобно ИИ, который способен совершенствовать себя. Эти технологии позволят нам объединиться со сверхинтеллектом, который мы сами сконструируем, так что, по сути, мы создадим себя заново. Освободив наш разум от ограничений черепа и перенеся его на устройства, в миллионы раз более мощные, чем биологические ткани, мы добьемся экспоненциального роста возможностей нашего интеллекта и станем в миллионы раз умнее. Именно это я имею в виду, когда говорю о Сингулярности.

Глава 3. Что такое «Я»?

Что такое сознание?

Тест Тьюринга и другие подобные методики могут многое рассказать нам о том, что значит быть человеком в принципе, но разговор о технологиях уровня Сингулярности подразумевает, что мы зададимся и другим вопросом: каково это – быть данной конкретной личностью? Какое место в этом всем занимает Рэй Курцвейл? Допустим, вас не так сильно интересует именно Курцвейл; людей волнуют прежде всего их собственные переживания, так что вам захочется узнать то же самое о себе. Но в моем случае почему я оказался Рэем Курцвейлом? Почему я смотрю на мир глазами именно этого человека? Почему я не родился, скажем, в 1903-м или 2003-м? Почему я оказался мужчиной, да и вообще человеком? Едва ли можно найти ответы на эти вопросы с научной точки зрения. Вопрос «кто я?» – это одна из фундаментальных проблем философии. Он тесно связан с понятием сознания.

В книге «Эволюция разума» я приводил цитату Сэмюэла Батлера:

Есть растения, которые питаются органической пищей с помощью своих цветов: когда муха садится на цветок, лепестки закрываются и удерживают ее, пока растение не всосет насекомое в себя; но цветок закрывается только тогда, когда в него попадает что-то пригодное для еды; капля дождя или кусок веточки не привлекают его внимания. Удивительно, что столь несознательное существо с таким вниманием преследует свои интересы. Если это отсутствие сознания, то в чем же заключается сознание 1?

Батлер записал свои наблюдения в 1871 году2. Должны ли мы сделать вывод, что растения и в самом деле обладают сознанием? Или, возможно, только этот конкретный вид растений? Как нам это проверить? Мы можем утверждать, что другой человек обладает сознанием, основываясь на его способности общаться и принимать самостоятельные решения в той же манере, что и мы сами. Однако даже в этом случае мы, строго говоря, полагаемся на предположения. Природа не снабдила нас детектором наличия или отсутствия сознания.

Но что вообще такое «сознание»? Этот термин часто используется в двух различных, хотя и взаимосвязанных значениях. Первое из них описывает способность человека воспринимать окружающую обстановку и реагировать на нее, учитывая как свои внутренние переживания, так и то, что происходит вокруг. Согласно этому определению, например, мы можем сказать, что глубоко спящий человек находится без сознания, выпивший – частично в сознании, а трезвый и бодрствующий человек – полностью в сознании. За исключением редких случаев, таких как «синдром запертого в теле», мы, как правило, без труда можем определить, насколько тот или иной человек осознает происходящее. Даже некоторые аспекты поведения животных, такие как узнавание себя в зеркале, помогают пролить свет на природу этого явления. Но когда речь заходит о вопросах личности наподобие тех, что поднимаются в этой главе, на первый план выходит другое значение понятия «сознание»: способность проживать субъективный опыт внутри себя, а не просто создавать видимость этого. Философы называют этот опыт словом «квалиа». Так что, когда я говорю, что мы не можем непосредственно определить, обладает ли кто-то сознанием, я имею в виду, что снаружи невозможно понять, испытывает ли этот человек квалиа.

Несмотря на то что не существует способа достоверно установить наличие у кого-то сознания, игнорировать это явление нельзя. Если задуматься об основах нашей этики и морали, то станет ясно, что наши этические суждения во многом зависят от нашего восприятия сознания. Объекты материального мира, вне зависимости от их ценности и сложности, представляют для нас интерес лишь в той мере, в какой они влияют на сознательный опыт живых существ. Споры о правах животных в конце концов сводятся к тому, в какой мере, по нашему мнению, они обладают сознанием и какова природа их сознательного опыта3.

Сознание – это сложный философский вопрос. Когда мы рассуждаем об этических вопросах, в частности, говорим о правах тех или иных существ, то опираемся на наше представление об их субъективном опыте. Однако поскольку мы не можем достоверно определить его наличие, то пользуемся первым определением сознания как вспомогательным средством, проводя аналогии со своим опытом. Каждый из нас – как я предполагаю! – имеет внутренний опыт, и мы также осознаем, что демонстрируем функциональную осознанность, которую могут наблюдать другие люди. Поэтому мы считаем, что, когда другие проявляют осведомленность о своем окружении, это свидетельствует о наличии у них субъективного опыта. Даже ученые, которые утверждают, что субъективный опыт и эмпирическое мышление не связаны друг с другом, тем не менее ведут себя так, будто люди вокруг них находятся в сознании и осознают свой опыт.

Мы без особых колебаний готовы признать существование сознания у других людей. Однако когда речь заходит о животных, наша уверенность существенно ослабевает, особенно

В некотором смысле, наличие сознания можно рассматривать как дихотомию: испытывает ли живое существо квалиа или нет. Однако меня интересует еще и степень этой осознанности. Вспомните, насколько отличается ваше состояние, когда вы слегка задремали или если вы бодрствуете, но немного выпили или вас клонит в сон, от того, когда вы полностью сосредоточены. Какой точке на этой непрерывной шкале соответствует сознание животных, вот что интересует исследователей. Сегодня эксперты склонны полагать, что сознание есть у большего числа видов животных и оно более глубокое, чем считалось ранее. В 2012 году группа ученых из разных областей собралась в Кембриджском университете, чтобы обсудить свидетельства наличия сознания у животных, не относящихся к приматам. В результате была подписана Кембриджская декларация о сознании, в которой утверждалось, что сознание, вероятно, присутствует не только у людей. Как говорится в документе, «отсутствие новой коры вовсе не означает, что организм не испытывает аффективных состояний»7. Подписанты пришли к выводу о существовании «неврологических субстратов, которые порождают сознание» у «всех видов млекопитающих и птиц и многих других организмов, включая осьминогов»8.

Научные исследования показывают, что функциональное сознание возникает в развитом мозге. Но что именно дарит нам субъективные ощущения? Некоторые считают, что это Бог. Другие уверены, что сознание является результатом исключительно физических процессов. Но независимо от того, какой стороны придерживаются люди – религиозной или материалистической, – они воспринимают сознание как нечто священное. Вопрос, каким образом люди (и по крайней мере несколько видов животных) пришли к сознанию, остается открытым: произошло это в результате Божественного провидения либо эволюционных процессов. Однако ценность этого явления не вызывает сомнений. Любой, кто не признает наличия у ребенка сознания и способности чувствовать страдание, будет всеми признан абсолютно аморальным человеком.

Однако вопрос о том, что именно порождает субъективный опыт, вскоре перестанет быть исключительно философским упражнением. С развитием технологий у нас появится возможность расширить сознание за пределы биологического мозга. Тогда нам предстоит определить, что именно играет ключевую роль в формировании квалиа – ядра нашей личности, и сосредоточить усилия на сохранении этого. Поскольку мы можем судить о наличии субъективного опыта только по наблюдаемому поведению, наши интуитивные предположения совпадают с наиболее вероятным научным выводом. А именно, что мозг, способный обеспечивать более сложное поведение, может создавать и более замысловатое субъективное сознание.

Как мы уже обсуждали в предыдущей главе, нетривиальное поведение является результатом сложных процессов обработки информации в мозге9. Эта сложность, в свою очередь, обусловлена количеством иерархических уровней в нейронной сети мозга и гибкостью, с которой он способен представлять информацию.

Это чрезвычайно важное соображение, которое может определить будущее человечества и ваше собственное, если вам посчастливится прожить еще несколько десятков лет. Мы уже говорили, что интеллектуальными достижениями за всю историю человек обязан мозгу, структура которого ничуть не изменилась со времен каменного века. Современные технологии позволяют нам пользоваться огромным багажом знаний, накопленных всеми представителями нашего вида, но мы работаем с ними на том же уровне сознания, что и наши предки в эпоху неолита. Как только мы сможем расширить неокортекс, а я думаю, что это произойдет по ходу 2030-х и 2040-х годов, мы не просто увеличим вычислительную мощность нашего мозга. Это событие сделает наше субъективное сознание гораздо более глубоким.

Зомби, квалиа и «трудная проблема сознания»

Фундаментальная особенность сознания состоит в том, что мы не можем поделиться своим субъективным опытом ни с кем другим. Когда мы называем излучение определенной частоты «зеленым» или «красным» цветом, мы понятия не имеем, совпадает ли мое квалиа, то есть мое субъективное восприятие зеленого или красного, с вашим. Вполне может быть, что я вижу зеленый цвет таким, каким вы видите красный, и наоборот. И нет никакого способа напрямую сравнить наши квалиа, будь то посредством языка или другого средства общения10. Более того, даже когда мы сможем физически подключить один мозг к другому, это все равно не позволит нам доказать, что одни и те же сигналы вызывают одинаковые ощущения у меня и у вас. Так что, если мое восприятие красного и зеленого в корне отличается от вашего, мы никогда не узнаем об этом.

Как я уже упоминал в книге «Эволюция разума», это соображение приводит к еще более тревожному мысленному эксперименту: а что было бы, если бы у человека полностью отсутствовало квалиа? Философ Дэвид Чалмерс (род. в 1966 году) назвал такое гипотетическое существо зомби. Это человек, у которого есть все внешние признаки сознания, которые можно обнаружить с помощью неврологических и поведенческих тестов, но при этом полностью отсутствуют внутренние ощущения11. С помощью научного метода мы никогда не сможем отличить зомби от обычного человека.

Чтобы понять разницу между сознанием как функциональной особенностью и субъективным опытом, можно провести мысленный эксперимент. Вообразите обычную собаку и гипотетического искусственного человека, о котором известно, что у него нет субъективного опыта, то есть зомби. Хотя зомби может демонстрировать гораздо более сложное поведение, чем собака, большинство людей согласятся, что причинить боль собаке – в предположении, что у нее есть субъективное сознание – это более дурной поступок, чем ранить зомби, хотя тот может вскрикнуть от боли, которой, как мы знаем, на самом деле не чувствует. Проблема в том, что в реальной жизни у нас даже теоретически нет научного способа определить, имеет ли живое существо субъективный опыт.

Если существование описанных выше зомби хотя бы теоретически возможно, это может означать,

Чтобы разрешить «трудную проблему», Чалмерс обращается к философской концепции, которую он называет «панпротопсихизм»13. Согласно этой идее, сознание можно рассматривать во многом как еще одну фундаментальную силу во Вселенной, то есть такую, которая не может быть сведена к проявлению других физических сил. Можно представить, что существует своего рода всеобщее поле, которое создает потенциал для возникновения сознания. В моей интерпретации этой гипотезы сложность обработки информации в нашем мозгу «пробуждает» это поле, заставляя его генерировать субъективный опыт, который мы переживаем. Независимо от того, создан ли мозг на основе углерода или кремния, алгоритмы, участвующие в обработке информации и позволяющие ему демонстрировать внешние признаки сознания, также вызывают появление субъективного внутреннего мира.

Хотя мы никогда не сможем доказать это с помощью научного метода, с точки зрения этики мы должны действовать так, как если бы эта гипотеза была верна. Иначе говоря, если есть вероятность, что существо, которому мы можем причинить вред, обладает сознанием, то лучше относиться к нему так, как если бы оно действительно было разумным, чем рисковать возможностью причинить боль живому существу. Фактически это будет означать, что мы считаем существование зомби невозможным.

С точки зрения панпротопсихизма тест Тьюринга не просто подтвердит способность компьютера функционировать на уровне человека, но и предоставит убедительные доказательства того, что у машины есть субъективный опыт. Это, в свою очередь, заставит задуматься о моральных аспектах взаимодействия с ИИ. Появление сознательного ИИ будет иметь серьезные последствия для законодательства. Однако я сомневаюсь, что наша политическая система сможет оперативно отреагировать и обеспечить соблюдение соответствующих прав на законодательном уровне к моменту прохождения компьютером теста Тьюринга. Поэтому сначала ответственность за разработку этических стандартов использования ИИ ляжет на плечи его разработчиков.

Помимо этических оснований полагать, что существо, кажущееся сознательным, таковым и является, существуют еще теоретические причины считать панпротопсихизм достоверным объяснением феномена сознания. Эта гипотеза представляет собой золотую середину между дуализмом и физикализмом (материализмом), которые долгое время являлись двумя ведущими философскими парадигмами. Дуализм утверждает, что сознание порождается некоей сущностью, не имеющей ничего общего с обычной «мертвой» материей. Многие дуалисты называют эту сущность «душой». С научной точки зрения проблема этой версии в том, что, даже если мы предположим существование сверхъестественной души, у нас нет никакого способа узнать, как она взаимодействует с материей в наблюдаемом нами мире, например, с нейронами нашего мозга14. Материализм, напротив, предполагает, что сознание возникает исключительно благодаря особой организации материи в нашем мозге. Даже если эта гипотеза исчерпывающе объяснит функциональные аспекты работы сознания (например, опишет, каким образом работает мозг, подобно тому, как в компьютерных науках разбираются системы ИИ), она никак не поможет нам понять субъективный опыт, который в принципе недоступен для научного исследования. Панпротопсихизм может стать компромиссным решением между двумя этими противоположными подходами.

Детерминизм, эмерджентность и проблема свободы воли

С понятием сознания тесно связан вопрос свободы воли15. Если спросить любого человека на улице, как он понимает эту концепцию, в ответе так или иначе прозвучит мысль, что человек способен контролировать свои действия. Как политическая, так и судебная система основываются на том соображении, что у каждого есть свобода воли примерно в таком смысле.

Однако когда философы попытались дать более точное определение свободе воли, оказалось, что прийти к согласию не так-то просто. Многие мыслители убеждены, что свобода воли возможна только в том случае, если будущее не предопределено16. Ведь если нельзя повлиять на то, что произойдет, откуда тогда возьмется хоть сколько-нибудь значимая свобода воли? С другой стороны, если «свобода воли» сводится лишь к случайным процессам, которые происходят на квантовом уровне и приводят к тем или иным вашим действиям, вряд ли это можно назвать настоящей свободой. Как сказал английский философ Саймон Блэкберн, «случайность столь же неумолимо, как и неотвратимость» исключает возможность свободы воли17. Концепция свободы воли, которая бы нас устроила, должна каким-то образом объединить детерминизм и индетерминизм, избегая полной предсказуемости, но не скатываясь в случайность.

Ученый в области физики и компьютерных наук Стивен Вольфрам (род. 1959) предложил интересный способ разрешения этой дилеммы. Его работы оказали большое влияние на мои размышления о взаимосвязи физики и вычислений. В своей книге «Наука нового типа» (A New Kind of Science, 2002) Вольфрам описал феномен, который сочетает в себе черты детерминизма и индетерминизма – математический объект, известный как клеточный автомат 18.

Клеточный автомат – это простая модель, состоящая из ряда ячеек, каждая из которых может находиться в одном из двух состояний, например, быть белой или черной, живой или мертвой. Эти состояния определяются набором правил, который может быть весьма разнообразным. Правила определяют, каким образом каждая ячейка будет меняться в зависимости от состояния своих соседей. Изменения происходят пошагово, а поведение системы в целом может быть невероятно сложным. Одним из самых известных примеров клеточного автомата стала игра для двумерной доски под названием «Жизнь», предложенная Джоном Конвеем 19. Игрокам и математикам удалось отыскать множество интересных начальных распределений, которые порождают структуры, развивающиеся по правилам игры предсказуемым образом. На основе игры «Жизнь» можно даже построить работающий компьютер и написать программу, которая будет запускать копию самой игры!

В своих рассуждениях Вольфрам обращается к простейшему автомату – одномерной группе ячеек. Каждый новый ряд добавляется снизу, а цвет ячеек в этом ряду определяется набором правил и состоянием ячеек в предыдущем поколении.

Проведя тщательный анализ, Вольфрам обнаружил наборы правил, которые не позволяют заранее предсказать результат никакого шага, если не пройдены все предыдущие шаги20. Это означает, нет никакой возможности перескочить к нужной нам итерации.

Самые простые наборы правил Вольфрам отнес к классу 1. Примером может

Существуют восемь возможных состояний ячейки и ее соседей на определенном шаге. Они представлены в верхнем ряду. Правила определяют, какой цвет в зависимости от исходного состояния примет центральная ячейка в следующем поколении (результат изображен в нижнем ряду). Черный и белый цвета можно для удобства обозначить как 1 и 0 соответственно.

Если мы начнем с ряда, в котором единственная черная ячейка расположена в середине, и проследим за эволюцией этой системы шаг за шагом, применяя правило 222, то получим следующую картину22:

Очевидно, что правило 222 порождает очень предсказуемый рисунок. Если вас спросят, какой будет центральная ячейка после миллиона итераций (или даже после миллиона в миллионной степени), вы не задумываясь ответите: черной. Именно так обычно воспринимается «настоящая» наука: как использование непреложных законов для получения предсказуемых результатов.

Однако класс 1 не охватывает все возможные правила. Вольфрам утверждает, что в реальном мире действуют четыре класса правил, которые различаются по степени предсказуемости результатов их применения. Правила классов 2 и 3 уже более интересны и способны порождать все более сложные структуры из черных и белых ячеек. Но по-настоящему захватывающим является класс 4, ярким представителем которого является правило 11023:

Если мы создадим автомат по этому правилу, начиная с одной черной клетки, то через множество поколений он будет выглядеть следующим образом:

Продолжая итерации, мы увидим такие картины24:

Обратите внимание: у нас нет другой возможности узнать, как будет выглядеть ряд под номером тысяча или миллион в миллионной степени, кроме как провести все эти итерации одну за другой25. Это значит, что системы, основанные на правилах из класса 4 – в том числе, как утверждает Вольфрам, наша Вселенная, – имеют степень сложности, которую нельзя объяснить в рамках традиционного детерминизма, то есть они не могут быть сведены к простым правилам. Поведение таких систем запрограммировано, поэтому их сложность детерминирована, но богатство всех возможностей не описывается исходным набором правил.

Статистический анализ каждой ячейки показывает, что распределение состояний является случайным, но мы знаем, что цвет ячейки на каждом шаге полностью определяется предыдущим поколением. В общей картине можно наблюдать как участки хаоса, так и регулярные структуры. Такое свойство систем называется эмерджентностью 26. Оно означает, что простые объекты, взятые в большом количестве, самоорганизовались в гораздо более сложные структуры. Фрактальные структуры в природе, такие как извилистые ветви деревьев, полосатый рисунок шерсти тигров и зебр, раковины моллюсков, и множество других биологических явлений закодированы с помощью правил класса 427. Мы живем в мире, где на каждом шагу встречаются образы, подобные тем, которые возникают при работе клеточных автоматов. Очень простой алгоритм порождает необычайно сложное поведение, балансируя на тонкой грани между порядком и полным хаосом.

Вот один из примеров внутренней сложности, которая может лежать в основе сознания и свободы воли. Независимо от того, благодаря чему возникла программа, отвечающая за вашу свободу воли, – Богу, панпротопсихическому полю или чему-то еще, – вы являетесь чем-то большим, чем просто набор правил.

По мнению Вольфрама, тот факт, что подобные правила могли бы порождать сознание и в то же время множество других природных явлений, не случаен. Вольфрам утверждает, что сами законы физики возникли из вычислительных правил, аналогичных тем, что используются в клеточных автоматах. В 2020 году он объявил о запуске проекта под названием Wolfram Physics Project, поставив цель объяснить законы физики на основе модели, аналогичной клеточным автоматам, но более универсальной28.

Такая теория станет своего рода компромиссом между классическим детерминизмом и квантовым индетерминизмом. Хотя некоторые крупномасштабные аспекты реального мира, например положение спутника после миллиона витков, могут быть с приемлемой точностью предсказаны с помощью алгоритмов, на более глубоком уровне это не сработает. Если в основе реальности на самом фундаментальном уровне лежат правила класса 4, мы сможем объяснить кажущуюся случайность квантовых процессов с точки зрения детерминизма. Однако это все равно не даст нам алгоритма, который позволил бы заглянуть в будущее и точно предсказать состояние Вселенной в любой момент времени29. Пока это лишь предположения, поскольку нам неизвестен полный набор законов. Возможно, в будущем с помощью так называемой «теории всего» мы сможем объединить все эти подходы в единое непротиворечивое объяснение, но пока до этого далеко.

За неимением возможности предвидения остается только одно – создать симуляцию реальности. Однако в нашей Вселенной не получится собрать достаточно мощный компьютер, чтобы запустить модель ее самой. Поэтому единственный способ узнать, что произойдет в будущем, – это дождаться его наступления.

Далее в этой главе мы будем говорить о перспективах переноса сознания из нашего биологического мозга в компьютер. Однако прежде чем перейти к обсуждению этих вопросов, важно кое-что прояснить. Хотя в будущем станет возможно полностью эмулировать работу мозга на компьютере, это не означает, что такой мозг будет запрограммирован в смысле детерминизма. Мозг, будь то биологический или электронный, не является замкнутой системой. Он постоянно получает информацию из окружающего мира и обрабатывает ее с помощью невероятно сложных сетей нейронов. Недавно ученые обнаружили в человеческом мозге нейронные сети, которые имеют структуру из 11 измерений30! Такая сложная система, вероятно, работает по принципу правил типа 110-го, так что результат ее работы невозможно предсказать заранее, не пройдя все шаги один за другим. Поскольку мозг открыт для внешних сигналов, учесть их заранее в пошаговой симуляции также не представляется возможным. Поэтому умение воспроизвести работу мозга не влечет за собой способности предвидеть его будущие состояния. Возможно, именно это позволяет Вселенной существовать.

Иначе говоря, если законы Вселенной похожи на правила клеточных автоматов, единственный способ увидеть, как они работают, – это наблюдать за их действием в реальном времени, то есть по мере развития событий. С другой стороны, если бы в основе мироздания лежали детерминированные правила, которые не приводят к явлениям, подобным тем, что происходят в клеточных автоматах, или если бы Вселенная работала на основе случайности, возможно, для ее воплощения в реальности вовсе не требовалось бы пошаговое выполнение. Более того, если сознание может возникнуть только в условиях сочетания порядка и хаоса, как в автоматах класса 4, это вполне может оказаться причиной нашего существования. В других обстоятельствах нас бы просто не было, и такими вопросами никто бы не задавался.

Таким образом, мы приходим к компатибилизму – убеждению,

Вопрос свободы воли в случае наличия у человека более чем одного мозга

Если обратить внимание на то, как люди изображают андроидов в книгах и кинофильмах, можно убедиться, что мы, по сути, воспринимаем их так, как панпротопсихисты. То есть если поведение ИИ напоминает человеческое, то даже при том, что он мыслит не с помощью биологических нейронов, мы переживаем за него так, как будто он обладает сознанием в смысле наличия у него субъективного опыта.

Исследования показывают, что, подобно тому, как ИИ может состоять из набора отдельных алгоритмов, человеческий мозг тоже поделен на несколько отдельных модулей, способных принимать решения. Многочисленные эксперименты над нашими двумя полушариями демонстрируют их относительную равноценность и независимость33. Исследователи Стелла де Боде и Сьюзан Кертис изучили 49 детей, которые перенесли операцию по удалению одного из полушарий для устранения жизнеугрожающего эпилептического расстройства34. Большинство из этих детей смогли вернуться к обычной жизни, и даже те, кто не смог полностью избавиться от заболевания, были практически полноценными личностями. Хотя обработкой речи обычно занимается левое полушарие, оба полушария функционально эквивалентны, и человек способен овладеть речью, даже если у него осталась только одна половина мозга35.

Возможно, наиболее впечатляющие результаты были получены при изучении мозга, левое и правое полушария которого оставались сохранены, но пучок из 200 миллионов аксонов36, известный как мозолистое тело, был рассечен хирургическим путем. Такие случаи, когда у пациента две полусферы мозга сохранили работоспособность, но потеряли возможность непосредственного общения, исследовал Майкл Газзанига (род. в 1939 г.)37. В ряде экспериментов он продемонстрировал, что если правому полушарию показать некоторое слово, то левое, которое ничего об этом слове не знало, тем не менее брало на себя ответственность за решения, принятые на основе полученной информации, хотя непосредственный выбор делало правое полушарие38. Это значит, что левая часть мозга прибегала к конфабуляции, то есть выдумывала правдоподобные объяснения, почему она могла принять такое решение. По всей видимости, ни одна из частей мозга не была в курсе существования своего соседа по черепной коробке39.

Эти и другие эксперименты с полушариями мозга свидетельствуют, что у обычного человека фактически есть два мозга, способных принимать независимые решения. Тем не менее сознание у нас одно. Каждый из этих мозгов уверен, что решения принимает именно он, а из-за их тесной взаимосвязи ни у одного из них не возникает подозрения в обратном.

Если абстрагироваться от двух полушарий мозга, можно предположить, что у нас есть и другие центры принятия решений, которые также могут обладать свободой воли в том смысле, который мы обсуждали ранее. Например, новая кора, в которой формируются решения, состоит из множества более мелких модулей40. Это может означать, что, когда мы обдумываем решение, разные модули представляют различные варианты и каждый из них стремится отстоять свою точку зрения. Мой учитель Марвин Минский утверждал, что мозг представляет собой не единый командный пункт, а сложную сеть, отдельные части которой могут поддерживать разные варианты, пока мы находимся в раздумьях. Минский называл наш мозг «обществом разума» (так он назвал свою вторую книгу), в котором различные более простые процессы отражают разные точки зрения41. Но делает ли каждая из частей свободный выбор? Как мы можем в этом убедиться? В последние десятилетия были проведены эксперименты, подтверждающие эту идею. Однако пока наше понимание того, каким образом отдельные процессы приводят к конкретным решениям, которые мы воспринимаем как свои собственные, остается ограниченным.

«Вы-2» обладает сознанием. можно ли считать его вами?

Возникает интересный вопрос. Если единое сознание и личность могут базироваться на нескольких различных, обрабатывающих информацию структурах внутри нашего черепа – в том числе когда те физически разделены, – то что произойдет, если эти структуры окажутся еще и на некотором расстоянии друг от друга?

Один из ключевых вопросов, рассмотренных мной в книге «Эволюция разума», касается философских и моральных последствий создания копии всей информации, содержащейся в мозге человека. Это станет возможным в течение жизни большинства наших современников.

Допустим, я воспользуюсь продвинутой технологией и подробно исследую каждую область вашего мозга, а затем создам ее точную электронную копию. (Сегодня мы уже можем создавать упрощенные копии некоторых специфических областей мозга, например, для борьбы с тремором при болезни Паркинсона 42.) Сам по себе этот участок слишком мал, чтобы породить сознание. Но затем я скопирую еще один, и еще, и еще. В конце концов у меня на руках будет полная цифровая копия вашего мозга со всей информацией, и она сможет функционировать в точности как ваш мозг.

Будет ли «Вы-2» обладать сознанием? «Вы-2» будет утверждать, что пережил все то же самое, что и вы (поскольку у вас с ним общие воспоминания), и будет вести себя в точности как вы. Поэтому, если только мы в принципе не откажем электронным копиям сознательных существ в возможности самим иметь сознание, нам придется ответить утвердительно. Другими словами, если электронный мозг обладает той же информацией, что и биологический, и заявляет, что обладает сознанием, у нас нет научных оснований ему не верить. С точки зрения этики мы будем обязаны относиться к нему как к сознательному существу и признать, что в отношении него действуют законы морали. И это не пустое размышление, поскольку панпротопсихизм предоставляет нам философское обоснование, почему нам следует считать это существо сознательным.

Но есть и более трудный вопрос: можно ли считать «Вы-2» вами? Нужно учесть, что «Вы-1» (то есть обычный человек) все еще существует. Можно даже предположить, что ваша копия была создана без вашего ведома, но, независимо от этого, ваше существование не прерывалось. Если эксперимент удался, «Вы-2» будет совершать поступки, которые совершили бы

Хорошо, перейдем к другому эксперименту. На этот раз мы будем постепенно заменять отдельные участки вашего мозга их электронными копиями, подключая их к оставшимся нейронам через специальный интерфейс мозг-компьютер наподобие тех, что были описаны в прошлой главе. Так что вместо «Вы-1» и «Вы-2» остаетесь только «Вы». После каждой фазы эксперимента вы чувствуете себя отлично и никто другой не замечает проблем. Можно ли сказать, что после каждого этапа «Вы» остаетесь вами? А в конце, когда весь ваш мозг станет цифровым?

Вопрос о том, остается ли объект тем же самым при замене отдельных частей, восходит к древнему спору философов о корабле Тесея 43. Две с половиной тысячи лет назад греческие мыслители задумались о деревянном судне, доски которого одна за другой меняются на новые по мере износа. Кажется очевидным, что после замены одной из досок корабль все еще можно считать тем же самым. В его конструкции кое-что поменялось, но все же мы говорим о починке старого корабля, а не о строительстве нового. Но что, если больше половины досок заменены на новые? Или когда все доски свежие, а старых, оставшихся со времен постройки корабля, вообще не осталось? Это случай уже сложнее, но многие все равно скажут, что, в принципе, корабль остался тем же, несмотря на постепенную замену частей. А теперь представьте, что каждый раз при замене доски старую относили на склад. После того как все элементы корабля были заменены, мы вновь собираем корабль из старых частей со склада. Какой из кораблей настоящий? Тот, который имеет с исходным непрерывную связь через постепенные модификации, но состоит из новых материалов? Или вновь собранный из оригинальных запчастей?

Корабль Тесея кажется просто забавным парадоксом, когда мысленный эксперимент касается судна или любого неживого объекта, то есть когда ставки не слишком высоки. Вопрос идентичности корабля оригиналу касается только нашей прихоти. Но задача становится необычайно серьезной, когда речь заходит о человеке. Каждому из нас абсолютно не все равно, находится рядом действительно близкий человек или Чалмерсов зомби, умело создающий нужное впечатление.

Давайте посмотрим на эту ситуацию с точки зрения «трудной проблемы сознания». В случае, когда мы создали «Вы-2» как вашего двойника, невозможно определить, будет ли субъективное сознание «Вы-2» иметь что-либо общее с вашим. Будет ли ваш субъективный опыт отныне каким-то образом охватывать обе копии вашего существа, даже при том, что информационное наполнение их мозгов будет со временем все сильнее различаться из-за разного опыта? Или «Вы-2» станет полностью самостоятельным существом? У науки нет способа ответить на этот вопрос.

В то же время в сценарии, в котором мы постепенно переносим информацию из вашего мозга на небиологический носитель, у нас куда больше оснований полагать, что ваше субъективное сознание сохранится. Как я уже упоминал, в очень ограниченном виде, но мы уже делаем что-то подобное при лечении определенных заболеваний, причем нейропротез обладает большими возможностями, чем тот участок мозга, который он заменяет. Поэтому он не совсем идентичен оригинальной части. Первые протезы, в частности кохлеарные импланты, могли стимулировать мозговую активность, но не заменяли собой основные структуры мозга44. Однако с начала 2000-х годов ученые разрабатывают мозговые импланты, способные помочь людям со структурными повреждениями или некорректно работающими участками внутри мозга. Например, искусственные устройства уже берут на себя часть работы гиппокампа у людей с нарушениями памяти45. В 2023 году эти технологии все еще находятся на начальной стадии развития, но в ближайшее десятилетие мы станем свидетелями того, как они будут становиться все более совершенными и доступными широкому кругу пациентов. При существующих технологиях, по крайней мере, нет никаких сомнений, что личность человека сохраняется, и никто не скажет, что он похож на зомби, о которых говорил Чалмерс.

Весь наш опыт в области нейробиологии подсказывает, что при постепенной замене участков мозга вы даже не заметите разницы, к тому же мозг великолепно адаптируется. Ваш гибридный мозг сохранит все информационные образы, которые определяют вашу личность. Поэтому нет причин опасаться, что ваше субъективное сознание пострадает, и вы, безусловно, останетесь самим собой – единственным и неповторимым. Однако в результате этого гипотетического процесса вы превратитесь в точности в «Вы-2», который, как мы ранее решили, не является вами. Как разрешить это противоречие? Все дело в непрерывности: цифровой мозг не расходится с биологическим, так как ни в один момент времени они не существуют как отдельные объекты.

Рассмотрим теперь третий, уже не гипотетический сценарий. Каждый день в нашем организме происходит замена отмирающих клеток на новые. Хотя нейрон живет относительно долго, в течение месяца обновляется около половины его митохондрий46; период полураспада микротрубочек составляет несколько дней47; запасы белков, обеспечивающих энергией синапсы, восполняются в течение 2–5 дней48; NMDA-рецепторы в синапсах замещаются в течение нескольких часов49; микрофиламенты в дендритах распадаются за 40 секунд50. Получается, каждые несколько месяцев наш мозг почти полностью обновляется, так что, по сути, вы становитесь биологической версией «Вы-2», если сравнивать с вами же более раннего образца. И снова ваша личность сохраняется благодаря информации и непрерывности функционирования, а не какой-то особой структуре или материалу.

Годами я любуюсь красивейшей рекой Чарльз, которая протекает неподалеку от моего дома. Каждый раз, когда я смотрю на реку, она кажется мне такой же, как вчера или даже десять лет назад, когда я упоминал о ней в книге «Эволюция разума». Так происходит потому, что, хотя через заданное течение русла проходят новые молекулы воды каждые несколько миллисекунд, они следуют общей траектории, которая и определяет течение реки. То же самое происходит в нашем мозге. Когда мы будем внедрять в наше тело и мозг небиологические модули, непрерывность наших мыслительных образов будет поддерживаться. Мы продолжим чувствовать себя самими собой, разве что наше восприятие станет острее, а сообразительность вырастет.

Разумеется, та же технология, благодаря которой мы сможем перенести все навыки, воспоминания и личность человека на цифровой носитель, также позволит создать множество копий этой информации. Эта суперспособность из цифрового мира – создавать произвольное количество копий самого себя – не имеет аналогов в живой природе. Резервное копирование информации из нашего мозга в удаленный

У этой интерпретации есть еще одно интересное следствие. Если отпустить «Вы-2» гулять по свету, предоставив ему полную свободу действий, то информационная структура, формирующая его личность, отделится. Однако, поскольку этот процесс будет происходить постепенно и непрерывно, существует вероятность, что ваше субъективное сознание будет работать с двумя структурами одновременно. Я подозреваю, основываясь на теории панпротопсихизма, что наше субъективное сознание связано с базовой уникальной информационной структурой и поэтому каким-то образом будет охватывать все копии этой структуры, которые изначально были идентичны нашей собственной.

Однако, поскольку не исключено, что даже в этом случае «Вы-2» будет настаивать, что имеет отдельное от вас субъективное сознание (так как физические структуры, принимающие решения и отвечающие за коммуникацию, будут различными), и установить истину будет невозможно, с точки зрения права и этики придется рассматривать вас как отдельных личностей.

Ваше существование – редчайшая удача

Рассуждая о том, кто мы такие, стоит задуматься об удивительной цепочке крайне маловероятных событий, которая привела к появлению на свет каждого из нас. Мало того, что ваши родители должны были встретиться и принять решение о рождении ребенка, вероятность чего весьма сложно оценить, так еще и определенный сперматозоид должен был оплодотворить конкретную яйцеклетку, чтобы в результате появились именно вы. Вероятность такого события составляла примерно один шанс из двух квинтиллионов. В среднем мужчина за свою жизнь производит порядка двух триллионов сперматозоидов, а женщина от рождения имеет около миллиона яйцеклеток51. В предположении, что вашу будущую личность определяет конкретный набор из двух половых клеток, мы получаем именно такую оценку вероятности вашего существования. Конечно, не все половые клетки содержат уникальный генетический набор, однако мы также не учли влияние эпигенетики. Например, два сперматозоида с абсолютно одинаковым хромосомным набором, произведенные мужчиной в 25 и 45 лет соответственно, внесут неодинаковый вклад в формирование черт будущего ребенка52. Так что мы не сильно ошибемся, если будем считать все сперматозоиды и яйцеклетки уникальными. Аналогичные соображения справедливы для ваших предков по материнской и отцовской линиям. С каждой стороны есть бабушка и дедушка, две прабабушки и два прадедушки, четыре прапрабабушки и четыре прапрадедушки, и так далее – конечно, не до бесконечности, но нужно учесть всех предков с момента зарождения жизни на земле около четырех миллиардов лет назад53.

Число, состоящее из единицы и ста нулей, называется «гугол» (именно от этого слова образовано название всемирно известной поисковой системы в интернете). Если возвести число 10 в степень гугол, получится гуголплекс – невообразимо большое число. Так вот, рассуждения из предыдущего абзаца (более детально описанные в заметках) приводят нас к выводу, что вероятность вашего существования можно получить, разделив единицу на число, состоящее из единицы с гораздо большим количеством нулей, чем гуголплекс54. При всем при этом вы здесь с нами. Разве это не настоящее чудо?

Кроме того, само возникновение Вселенной, способной поддерживать обработку информации, является в еще большей степени исключительным событием. Наш уровень понимания физики и космологии позволяет утверждать, что небольшое изменение законов физики привело бы к невозможности существования жизни во Вселенной55. Иначе говоря, из всех конфигураций, которые могла бы иметь наша Вселенная, только очень ограниченный набор допускает наше существование. Если перечислить факторы, от которых зависит возможность существования жизни во Вселенной, и оценить, насколько соответствующие значения должны были бы отличаться от реальных, чтобы сделать зарождение жизни невозможным, то можно получить представление о том, насколько маловероятным было наше появление.

Согласно Стандартной модели, существуют 37 видов элементарных частиц, различающихся массой, зарядом и спином. Эти частицы взаимодействуют друг с другом с помощью четырех фундаментальных сил: гравитационной, электромагнитной, сильной и слабой ядерных сил. Некоторые ученые убеждены в существовании гравитонов, которые, как предполагается, отвечают за гравитационные эффекты56. Воздействие упомянутых сил на частицы характеризуется набором постоянных величин, которые и определяют физические законы. Ученые выявили множество причин, по которым даже крайне малые изменения определяющих констант сделали бы невозможным формирование разумной жизни, которая требует для своего наличия сложных химических соединений, источников энергии достаточной мощности, а также сравнительно неизменных условий окружающей среды на протяжении сотен миллионов лет эволюции. В настоящее время господствующей теорией возникновения жизни является гипотеза абиогенеза 57. В соответствии с этой теорией неживая материя в «первичном бульоне» самоорганизовалась из соединений-предшественников в сложные строительные блоки белков, способных поддерживать жизнь. В конце концов белки спонтанно образовали структуру, способную самовоспроизводиться, положив тем самым начало жизни. Если бы этот процесс прервался на любом из этапов, человечество никогда бы не появилось.

Если бы сильное ядерное взаимодействие было сильнее или слабее, в звездах не смогли бы образоваться углерод и кислород – важнейшие для жизни химические элементы58. Аналогично слабое взаимодействие по величине лишь немного превышает минимальное значение, необходимое для эволюции жизни59. Если бы оно недотягивало до этого минимума, весь водород очень быстро превратился бы в гелий и звезды, подобные нашему Солнцу, не могли бы существовать и гореть достаточно долго, чтобы в их звездных системах успела возникнуть жизнь.

Если бы разница в массе между верхним и нижним кварками была немного больше или меньше, они не смогли бы образовать долгоживущие протоны и нейтроны, незаменимые строительные блоки для сложной материи60. К такому же результату привело бы небольшое увеличение массы электрона относительно указанной разницы61. По словам физика Крэйга Хогана, «изменение разницы масс кварков на несколько процентов в любую сторону» сделало бы жизнь невозможной62. Если бы разница была чуть больше, получилась бы вселенная протонов, наполненная атомами водорода63; чуть меньше – мир нейтронов, в котором существуют ядра атомов, но нет электронов и, как следствие, химических процессов64.

Если бы гравитация была немного слабее, Вселенная лишилась бы сверхновых звезд – источника тяжелых химических элементов, из которых состоит жизнь65. При большей гравитации жизненный цикл звезд стал бы значительно короче, не позволяя эволюции сделать свою работу66. В течение секунды после Большого взрыва параметр плотности (известный как Ω – «омега») не должен был отличаться от действительного более чем на одну квадрилионную долю, иначе жизнь была бы

Кроме того, макроструктура Вселенной обусловлена небольшими локальными колебаниями плотности расширявшегося вещества в первое мгновение после Большого взрыва68. В любой точке ее значение в среднем отличалось от общей плотности примерно на одну стотысячную69. Если бы амплитуда колебаний плотности (которую часто описывают как рябь на поверхности пруда) была на порядок больше или меньше, жизнь тоже была бы невозможна. По словам космолога Мартина Риса, если бы пульсации были слишком малы, «газ вообще никогда не сконденсировался бы в гравитационно-связанные структуры, и такая вселенная навсегда осталась бы темной и однородной»70. Напротив, если бы рябь была слишком большой, Вселенная погрузилась бы в «космический ураган», большая часть вещества превратилась бы в огромные черные дыры, а у звезд не было бы шансов «сохранить стабильные планетные системы»71.

Чтобы образовалась упорядоченная материя вместо хаотического бульона, сразу после Большого взрыва энтропия Вселенной также должна была быть очень низкой. Физик Роджер Пенроуз, основываясь на наших представлениях об энтропии и случайности, утверждает, что только одна из 1010123 возможных вселенных может иметь энтропию настолько низкую, чтобы принять форму, подобную нашей Вселенной72. Это число содержит нулей больше, чем атомов в известной части Вселенной (которых, по разным оценкам, может быть от 1078 до 1082). Если считать, что их 1080, то количество нулей в 1010123 на сорок три порядка больше, то есть в десять миллионов миллиардов миллиардов миллиардов миллиардов миллиардов миллиардов раз73.

Можно подвергнуть сомнению каждое из этих соображений, и не все ученые согласны с выводами о влиянии каждого отдельного фактора. Однако нет смысла рассматривать эти параметры по отдельности. Скорее, как отмечает физик Люк Барнс, нужно изучать «пересечение допустимых значений, а не объединение» (в математическом смысле)74. Иначе говоря, если мы хотим, чтобы жизнь появилась, каждый из факторов должен принять значение, способствующее этому. Всего лишь один промах делает жизнь невозможной. Как остроумно заметил астроном Хью Росс, поверить, что все эти параметры получили необходимые значения по воле случая, так же трудно, как и в то, что «от налетевшего урагана на свалке случайно образовался “Боинг-747”»75.

Нам кажется, что параметры Вселенной будто специально подобраны, чтобы мы могли появиться на свет. Это ощущение можно объяснить так называемой «ошибкой выжившего»76. Речь о том, что, если бы фундаментальные константы были другими, некому было бы задаваться всеми этими вопросами: чтобы оценить вероятность существования такой тщательно настроенной Вселенной, мы должны сначала в ней оказаться. Такое рассуждение носит название «антропного принципа», и ряд ученых считает предлагаемое им объяснение удовлетворительным. Однако если мы уверены, что реальность существует независимо от наличия наблюдателя в лице человека, такой ответ нас не устроит. Мартин Рис предлагает посмотреть на проблему с другой стороны: «Представьте, что вас поставили к стене для расстрела, но все стрелки промахнулись. Вы можете, конечно, сказать: “Ну, если бы кто-то из них попал, рассуждать об этом было бы некому”. Но ведь это все равно удивительный факт, и хорошо бы найти ему объяснение»77.

Вторая жизнь

Первый шаг на пути к сохранению ценной и неповторимой личности состоит в записи важнейших для нее идей. Уже сегодня мы накапливаем огромный архив данных о том, как мы мыслим и что чувствуем, просто пользуясь современными гаджетами, а в ближайшее десятилетие стоит ожидать появления еще более совершенных технологий для получения, хранения и обработки подобной информации. На основе этих данных к концу 2020-х годов мы научимся создавать небиологические имитации живых людей с их характерными личностными чертами78. Уже в 2023 году ИИ достиг впечатляющих результатов в задаче имитации общения с человеком. Модели глубокого машинного обучения, такие как трансформеры и ГСС (генеративно-состязательные сети), оказались невероятно эффективными. Как уже говорилось в предыдущей главе, трансформерам под силу имитировать стиль общения человека после обучения на написанных им текстах. ГСС же состоят из двух соревнующихся друг с другом нейронных сетей, первая из которых старается создать экземпляр заданного класса, например реалистичное изображение женского лица, а вторая – распознать подделку. Первая получает награду за то, насколько успешно ей удается обмануть вторую, а та – за достоверность своих суждений. Обучение такой системы происходит без вмешательства человека: обе сети помогают друг другу постепенно увеличивать свою эффективность.

В совокупности алгоритмы машинного обучения уже способны имитировать манеру общения отдельно взятого человека, а также подражать его голосу и даже правдоподобно «пересаживать» его лицо в готовый фильм. Мы уже упоминали экспериментальную технологию Duplex компании Google. В ней искусственный интеллект применяется для того, чтобы научить робота достоверно вести диалог в телефонном разговоре без заранее написанного сценария. Первые опыты, проведенные в 2018 году, оказались удивительно успешными: живые люди, участвовавшие в телефонной беседе, не заподозрили, что общаются с компьютером79. Существует технология дипфейков, которая может использоваться для политической пропаганды или для того, чтобы проверить, как бы смотрелись различные актеры в известных кинофильмах80. Например, на популярном YouTube-канале Ctrl Shift Face можно найти видео с нарезками из фильма «Старикам тут не место», в которых Арнольд Шварценеггер, Уиллем Дефо или Леонардо Ди Каприо исполняют главную роль вместо Хавьера Бардема 81. Подобные технологии находятся на начальном этапе своего развития. Будут совершенствоваться не только отдельные функции – написание писем, имитация голоса, анимирование лица, подражание манере разговора, – но и взаимодействие алгоритмов, что позволит создать по-настоящему реалистичные симуляции, а не просто набор спецэффектов.

Мы сможем, например, создать специального аватара, так называемого репликанта (если пользоваться лексикой «Бегущего по лезвию»), который будет обладать внешностью, воспоминаниями, привычками и навыками умершего человека, проживая своего рода «вторую жизнь».

Технология «второй жизни» будет развиваться поэтапно. Самые простые симуляции появились за семь лет до выхода этой книги. В 2016 году в журналеThe Vergeбыла опубликована любопытная статья о девушке по имени Евгения Куйда, которой удалось с помощью ИИ и сохраненных текстовых сообщений «воскресить» своего погибшего друга, Романа Мазуренко 82. По мере того как объем данных, который генерирует каждый из нас, будет расти, появится возможность создавать все более правдоподобных репликантов.

К концу 2020-х годов продвинутый ИИ будет способен создавать очень убедительные модели на основе тысяч фотографий, сотен часов видеозаписей,

Это поколение аватаров для «второй жизни» будет выглядеть весьма реалистично. Однако для многих людей они все равно останутся персонажами из «зловещей долины»83. Я имею в виду, что поведение этих двойников будет ощутимо отличаться от того, как общался их живой прототип, что может оказаться весьма болезненным для тех, кому ушедший человек был дорог. Такого репликанта еще нельзя будет назвать «Вы-2», так как воссоздана будет не вся информационная структура мозга, а только ее проявление во внешнем мире. Значит, согласно теории панпротопсихизма, репликанты не смогут вернуть к жизни субъективное сознание человека. Тем не менее многие согласятся, что такие машины будут полезны для продолжения важной работы и сохранения ценных воспоминаний, а также смогут помочь членам семьи смириться с потерей.

Поначалу мы сможем иметь дело с репликантами только в виртуальном пространстве или в рамках дополненной реальности, однако к концу 2030-х годов нанотехнологии позволят им обзавестись реалистичными телами (фактически превратиться в человекоподобных андроидов). В 2023 году успехи в этой области еще весьма скромны, но исследования, которые должны привести к прорыву в следующем десятилетии, уже активно ведутся. Несколько десятилетий назад мой друг Ханс Моравец высказал соображение, известное теперь как парадокс Моравеца 84. Его суть в том, что задачи, которые для человека необычайно трудны, например извлечение квадратного корня из большого числа или запоминание большого количества информации, для компьютера не представляют большой трудности. И наоборот, когнитивные функции, которые человеческий мозг выполняет без особых усилий, – распознавание лиц или удержание равновесия при ходьбе – оказываются сложной задачей для компьютера. Вероятно, так получилось потому, что эволюция в течение сотен миллионов лет тренировала наш мозг для решения вполне определенных задач, в то время как «высшая» умственная деятельность и поддержка работы сознания осуществляются в неокортексе, который приобрел современное строение всего лишь несколько сот тысяч лет назад85.

В последние годы, однако, разработчики ИИ добились существенных успехов в преодолении парадокса Моравеца. В 2000 году компания Honda представила робота ASIMO, который поразил экспертов своей устойчивостью, аккуратно прошагав по плоской поверхности без единого падения86. К 2020 году компания Boston Dynamics разработала роботов, способных бегать, прыгать и перекатываться, преодолевая полосу препятствий с ловкостью, которой позавидуют многие люди87. Роботы, предназначенные для общения, такие как Sophia и Little Sophia от Hanson Robotics, а также Ameca, разработанный фирмой Engineered Arts, обладают человекоподобными лицами и могут демонстрировать эмоции88. Хотя пресса иногда преувеличивает их возможности, прогресс в этой области очевиден.

Когда технологии станут достаточно продвинутыми, у репликантов, а также и тех из нас, кому посчастливится дожить до тех времен, появится выбор из множества разнообразных вариантов тел. Рано или поздно для репликантов будут созданы дополненные кибернетикой биологические тела, выращенные на основе ДНК человека, послужившего их прототипом, если, конечно, сохранится его биологический материал. А как только нанотехнологии позволят инженерам работать на молекулярном уровне, мы сможем создавать намного более совершенные тела, чем те, что дала нам природа. К этому времени воскрешенные люди больше не будут своими странностями напоминать персонажей мистических фильмов, по крайней мере, большинству окружающих.

Появление репликантов неизбежно поставит перед обществом новые философские вопросы. Ответы на них будут зависеть от ваших взглядов на такие понятия, как душа, сознание, личность. Будет ли достаточно того, что человек, воссозданный с помощью технологий, похож на вашего близкого в общении? Будет ли иметь значение, использовались ли при создании репликанта технологии ИИ и обработка данных, или же вся информация была скопирована напрямую из мозга живого человека, чтобы получился тот самый «Вы-2»? Как показывает история Евгении Куйды и Романа Мазуренко, даже относительно несовершенный двойник может стать для кого-то источником тепла и утешения. Сейчас трудно предсказать, какова будет реакция любого из нас, когда мы в первый раз столкнемся с чьим-то репликантом. Обществу придется постепенно адаптироваться к наличию таких технологий. Скорее всего, будут приняты законы, регулирующие, в каких случаях можно создавать двойников умерших людей и что дозволено с ними делать. Кто-то будет возражать против создания своих копий, в то время как другие оставят подробные инструкции и даже, быть может, еще при жизни примут участие в создании своих репликантов.

Нам предстоит решить множество социальных и юридических проблем:

– Следует ли считать репликантов полноценными участниками гражданского общества, обладающими всеми правами и свободами, включая право избирать, быть избранным и заключать договоры?

– Должны ли они нести ответственность за действия своего прототипа, в частности, подписанные договоры или совершенные преступления?

– Если прототип репликанта выполнил работу или внес вклад в благосостояние общества, может ли репликант поставить это себе в заслугу?

– Нужно ли заново заключать брак с репликантом своего умершего партнера?

– Не будут ли репликанты подвергаться дискриминации или даже травле?

– В каких случаях следует запрещать или ограничивать создание репликантов?

Появление репликантов заставит большее количество людей задуматься о философских загадках, которые мы обсуждали в этой главе: что такое сознание? Что определяет мою личность? До сих пор рассмотрение этих вопросов оставалось уделом теоретиков. До появления роботов, способных пройти тест Тьюринга и воссоздать поведение умершего человека, остается уже меньше времени, чем прошло с момента выхода моей книги «Эволюция разума» (2012). Мышление на уровне настоящего человека приведет к появлению у них сознания и, как следствие, убежденности, что они и есть тот человек. Будет ли их уверенность означать, что они правы? Как доказать обратное?

В начале 2040-х годов нанороботы смогут проникать в мозг живого человека и копировать оттуда всю информацию, определяющую его личность и воспоминания. Это позволит создать «Вы-2». Этот субъект будет в состоянии пройти индивидуально-ориентированный тест Тьюринга и убедить собеседника, лично знавшего его прототипа, что перед ним тот самый человек. Все измеримые параметры будут указывать на то, что этот человек настоящий. Поэтому если считать, что личность определяется информацией, составляющей воспоминания и образ мышления, то он и правда будет тем самым человеком. Вы сможете начать или продолжить отношения с ним, иметь с ним физический контакт, в том числе сексуальный. Конечно, могут быть небольшие отличия, но разве живые люди не меняются? Обычно это происходит постепенно, но может случиться и внезапно из-за войны, травмы, смены социальной роли или под влиянием

Парадигма сознания Чалмерса обещает нам, что технологии такого уровня позволят нашему субъективному сознанию успешно преодолеть переход ко «Второй жизни». Нужно, однако, помнить, что научного способа подтвердить или опровергнуть это предположение не существует. Поэтому каждому из нас придется делать выбор, подвергнуть ли себя такой трансформации, исходя из своих личных философских убеждений и духовных ценностей. Получив возможность напрямую копировать содержимое мозга человека на небиологический носитель, мы перейдем от создания репликантов, которые только лишь имитируют поведение людей, к полноценной эмуляции человеческого мозга.

Моделирование разума в небиологической среде предполагает решение совершенно разных задач с вычислительной точки зрения. В 2008 году Джон Фиала, Андерс Сандберг и Ник Бостром указали одиннадцать возможных уровней абстракции, на каждом из которых возможна эмуляция мозга89. Если немного упростить, можно разбить их на пять категорий в порядке от самых абстрактных до самых подробных: функциональный, коннектомный, клеточный, биомолекулярный и квантовый.

Эмуляция на функциональном уровне предполагает подражание работе человеческого разума без точного воспроизведения специфической вычислительной структуры, характерной для мозга конкретного человека. Это наиболее простая задача с точки зрения вычислительной сложности, однако ее решение не позволит в полной мере воссоздать личность прототипа. Для эмуляции на уровне коннектома необходимо построить иерархические слои и смоделировать логические связи между группами нейронов, при этом необязательно моделировать работу каждой отдельной клетки. Эмуляция на клеточном уровне подразумевает, что мы сохраняем информацию о каждом нейроне в мозге, не углубляясь в детали физико-химических процессов внутри клетки. Взаимодействие белковых молекул и учет влияния всех динамических сил внутри нейрона производятся при эмуляции на биомолекулярном уровне. Эмуляция на квантовом уровне охватит субатомные явления, происходящие внутри молекул и при межмолекулярном взаимодействии. Такое решение обеспечит максимальную полноту эмуляции, однако потребует таких вычислительных ресурсов, какими человечество не будет располагать по меньше мере до следующего века90.

Одной из ключевых задач ближайших двух десятилетий станет определение, на каком именно уровне следует моделировать работу мозга. Многие специалисты полагают, что необходима эмуляция на квантовом уровне, поскольку уверены, что сознание как субъективный опыт возникает благодаря квантовым эффектам, хотя эта гипотеза пока не нашла подтверждения. Я старался объяснить в этой главе (а еще более детально в книге «Эволюция разума»), почему мне кажется, что мы сможем обойтись без эмуляции. Если гипотеза панпротопсихизма в какой-то мере отражает действительность, то сознание, вероятно, возникает как побочный эффект того, как информация организована в мозге. Это означает, что нам не стоит беспокоиться, что компьютерное моделирование упустит какую-то белковую молекулу из биологического оригинала. Например, не имеет значения, где хранятся ваши файлы формата jpeg – на дискете, компакт-диске или флешке. Они обрабатываются и отображаются на экране совершенно одинаково, поскольку информация представлена в виде одной и той же последовательности нулей и единиц. Если бы вы просто переписали этот ряд цифр от руки и отправили толстую пачку бумаги другу, а он бы заново ввел их на другом компьютере, то увидел бы те же самые изображения!

Сейчас перед нами стоит задача найти эффективный способ подключения компьютера к мозгу, а также разобраться, в каком виде мозг хранит информацию. Чтобы больше узнать о том, как далеко мы продвинулись в деле копирования разума, о вычислительных требованиях для полной эмуляции мозга, а также о гипотетической мегаструктуре под названием «мозг-матрешка», которая, как полагают, однажды сможет позволить человечеству использовать огромное количество энергии для работы компьютерной системы, вы можете обратиться к материалам, указанным в примечании, – некоторые из них содержат много технических деталей, другие написаны вполне доступным языком91.

Остается ряд сложных вопросов, но сверхмощный ИИ, который мы создадим в 2030-х годах, поможет нам совершить то, что сегодня кажется невозможным.

Разговор с ботом, подражающим моему отцу

Сервис «Поговори с книгами» (Talk to Books) оказался отличным инструментом для поиска интересных идей. Разработчики Google могли для внутреннего пользования заменить его стандартную библиотеку, содержащую более 100 000 книг, на любую частную подборку книг и документов. В 2019 году я собрал все, что написал мой отец, Фредрик Курцвейл, – романтические письма, адресованные моей матери, конспекты лекций, рукопись его книги о музыке, личный дневник – и загрузил в систему. Затем моя дочь Эми задала несколько вопросов той же программе, которая использовалась для «Поговори с книгами», только обученной на письменных материалах моего отца. Как вы можете убедиться из приведенного ниже диалога, этот «двойник» дал естественные, связные, на удивление качественные ответы. Возможно, если бы я сказал, что этот разговор состоялся, когда отец еще был жив, вы бы не заметили ничего подозрительного. Мне, а также тем, кто близко знал отца, эти слова и вовсе кажутся очень знакомыми, ведь именно в такой манере Фредрик Курцвейл выражал свои мысли.

Я планирую создать и своего цифрового двойника. У него будет доступ к тысячам страниц моей переписки, всем опубликованным работам и многим часам видеозаписей со мной. Этот массив мультимедийной информации позволит моему цифровому двойнику воссоздать мою личность намного подробнее, чем в случае с моим отцом. В будущем такие двойники будут снабжены всеми видами данных, касающихся жизни человека, что обеспечит их максимальную достоверность.

Вот некоторые из ответов нейросети. Это первый шаг к тому, чтобы вернуть моего отца.

Что тебе больше всего нравится в музыке?

Музыкальное произведение кажется таким живым, потому что сама музыка, а не нотная запись, решает, как ей звучать. Музыкальное искусство прошло долгий путь и всегда сохраняло связь с человеческими чувствами.

Кто твой любимый композитор и почему?

Брамс, в своих творениях он берет пример с Бетховена.

В чем суть рок-н-ролла?

Мелодия и ритм – вот основные свойства музыки. Главные принципы, даже законы, музыкальной формы – это повторение и контраст, единство и разнообразие.

Как ты занялся дирижированием?

Более двадцати лет я дирижировал различными оркестрами: профессиональными, любительскими, студенческими, университетскими, общественными и оперными. Я дирижировал большими симфоническими оркестрами, камерными оркестрами и ансамблями юных музыкантов. Преподавал во многих колледжах.

Каким бы ты хотел остаться в памяти людей?

Конечно, трудно хвалить себя, но я бы сказал, что одной из моих сильных сторон всегда было умение общаться и строить отношения с людьми, понимая, что имеет значение не только мой талант как музыканта, но и теплые дружеские отношения.

Ты о чем-нибудь жалеешь?

Видимо, мне уготовано провести большую часть дней за бесконечными уроками и скучной работой ради короткого времени, которое я смогу посвятить действительно важным трудам. Только я

Что делает человека таким, каков он есть?

То, как части относятся целому, и создает форму.

У тебя есть хобби?

В этом году будет замечательный урожай персиков и винограда. Я садовод-любитель, это мой способ отдохнуть. Но ты верно заметил, это непростая работа. И она никогда не заканчивается.

Тебя что-нибудь пугает?

Порой до ужаса.

Что ты думаешь о современных технологиях?

Мы постоянно видим, как современники осуждают новаторов. Из-за развития технологий, автоматизации и т. д. человек кажется мелким. Идеалы и ценности прошлых эпох в наш век машин растоптаны.

Расскажи про автомобильную аварию

Я был в городе Мобил, дирижировал оперой, моя жена попала в серьезную аварию. Ее сбило такси и прижало к грузовику, она очень сильно пострадала, получила множество переломов. Пролежала в больнице на вытяжении больше двух месяцев, а сейчас она дома, вынуждена беспомощно лежать на спине, вся в гипсе. Ей предстоит провести в таком положении еще немало времени.

В чем смысл жизни?

В любви.

Кем я могу стать?

Вопрос о том, что такое личность, тесно связан с философскими проблемами сознания, свободы воли и детерминизма. Принимая во внимание все эти концепции, я бы сказал, что данная конкретная личность – Рэй Курцвейл – сформировалась благодаря и тщательно подобранным начальным условиям, и моим собственным решениям. По сути, я представляю собой информационную структуру, способную менять себя на протяжении всей жизни, делая выбор, с кем пообщаться, что почитать и куда направиться.

Однако хотя я и несу долю ответственности за то, кем стал, все же моя самореализация ограничена множеством факторов, на которые я никак повлиять не могу. Мой мозг развивался в доисторических условиях, в корне отличающихся от современной жизни, и не все присущие ему особенности меня устраивают. Он не способен усваивать информацию так быстро, как мне бы хотелось, и не обладает достаточной памятью, чтобы изучить все то, что я хотел бы знать. Я не могу стереть из него программы, отвечающие за фобии, травматичные воспоминания и сомнения, которые сдерживают меня, не позволяя достичь в жизни высот, о которых я мечтаю. Кроме того, мой мозг находится в теле, которое неуклонно стареет. Хотя я всеми силами стараюсь замедлить этот процесс, в конце концов информационная структура, известная как Рэй Курцвейл, неизбежно исчезнет.

Достижение Сингулярности поможет нам преодолеть ограничения, которые накладывает на нас природа. На протяжении многих тысячелетий человек постепенно обретает контроль над своей судьбой. Развитие медицины помогает нам справляться с болезнями и травмами. Достижения косметологии открывают двери к формированию внешности, которая соответствует нашим представлениям о красоте. Всеобщий доступ к информации позволяет удовлетворить любопытство, а привычка учиться фактически преобразует наш мозг на физическом уровне. Искусство и литература прививают нам сострадание к людям, которых мы никогда не встречали, и направляют нас по пути добродетели. Современные мобильные приложения помогают поддерживать дисциплину и вести здоровый образ жизни. Только представьте, какие горизонты откроются перед нами, когда мы сможем напрямую программировать наш мозг.

Слияние с невероятно мощным искусственным интеллектом не только огромное достижение само по себе – оно откроет нам путь к высшей цели. Как только наш разум будет перенесен на более продвинутую технологическую платформу, наши возможности для самосовершенствования станут поистине безграничными. Наши поступки начнут соответствовать нашим ценностям, а жизненный путь не прервется внезапно из-за несовершенства биологического тела. Впервые в истории человек сможет взять на себя полную ответственность за то, кем он станет92.

Глава 4. Уровень жизни растет экспоненциальными темпами

Несмотря на то, что у всех противоположное впечатление

Представьте себе бегущую строку в выпуске новостей: «Сегодня количество людей за чертой бедности по всему миру уменьшилось на 0,01 %!»1. А следом: «Со вчерашнего дня уровень грамотности населения вырос на 0,0008 %!»2. И еще: «К вечеру домохозяйств с канализацией стало на 0,0003 % больше!»3. А ведь именно это и произошло сегодня, как и вчера, и позавчера.

То же самое можно сказать и про вчерашний день, и позавчерашний. То, что вас эти успехи не впечатляют, как раз и является одной из причин, почему вы о них не слышите. Мелкие свидетельства улучшения уровня жизни не попадают в заголовки отчасти потому, что они не являются чем-то сенсационным. Однако, несмотря на это, повышение качества жизни происходит постепенно, день за днем, и началось оно много лет назад, а если говорить о более скромных темпах, чем сейчас – десятилетия и даже века назад.

Что касается приведенных примеров, если обратиться к статистике за период с 2016 по 2019 год (на момент написания книги эти данные были самыми свежими и полными), то можно увидеть, что количество людей, живущих за чертой бедности (то есть меньше чем на 2 доллара 15 центов в день в ценах 2017 года), во всем мире уменьшилось примерно с 787 миллионов до 697 миллионов4. Если продолжить эту тенденцию до сегодняшнего дня, то можно сказать, что количество бедных снижается на 4 % в год, или на 0,011 % ежедневно. Конечно, в этих данных есть погрешность, но мы уверены, что истинные значения имеют тот же порядок величины. Кроме того, UNESCO сообщило, что с 2015 по 2020 год (согласно последним доступным данным) грамотность во всем мире выросла с 85,5 до 86,8 %, что в среднем составляет прирост на 0,0008 % в день5. За тот же период процент населения земного шара, имеющего доступ к санузлу базового уровня безопасности (иначе говоря, смываемому туалету), вырос с 73 до 78 %6. Это соответствует увеличению на 0,003 % в день. Множество аналогичных изменений к лучшему происходят день за днем.

Подобные темы неоднократно поднимались в литературе. В своих книгах «Век духовных машин» (1999)7 и «Сингулярность уже близка» (2005)8, а также в многочисленных лекциях и статьях я высказывался о том, что технический прогресс существенно улучшает жизнь людей. Питер Диамандис и Стивен Котлер в книге «Изобилие» (2012)9 подробно описали, каким образом мы вскоре сможем в избытке получать ресурсы, которые ранее всегда считались дефицитными. Стивен Пинкер в книге «Просвещение сегодня»10 описал, как постепенный прогресс в различных областях влияет на жизнь

В этой главе я делаю акцент на экспоненциальном характере этого процесса. Я хочу показать, что за многими наблюдаемыми тенденциями стоит закон ускорения отдачи. И в результате мы увидим принципиальное улучшение качества жизни в самом ближайшем будущем, и не только в том, что касается цифровых сервисов.

Прежде чем мы углубимся в обсуждение конкретных аспектов, позвольте мне сделать важное замечание о самой концепции происходящих изменений. Иногда мне ошибочно приписывают мнение, что технический прогресс сам по себе имеет экспоненциальную природу, а закон ускорения отдачи применим к любым инновациям. Однако я так не считаю. На самом деле закон ускорения отдачи описывает феномен, который возникает благодаря определенным технологиям – тем, которые создают петли обратной связи, ускоряющие процесс инноваций. В широком смысле это такие технологии, которые расширяют наши возможности по работе с информацией: позволяют нам более эффективно собирать, хранить, модифицировать и передавать данные, что, в свою очередь, способствует инновациям. Например, печатный станок заметно удешевил производство книг, и следующее поколение изобретателей получило доступ к знаниям. Современные компьютеры помогают проектировщикам микропроцессоров создавать новые поколения еще более быстрых чипов. Новые технологии связи делают доступ в интернет более доступным для каждого из нас, позволяя большему числу людей публиковать свои разработки и идеи в глобальной сети. Таким образом, закон Мура, который известен как самая важная экспоненциальная зависимость в истории техники, является лишь одним из проявлений этого глубокого и основополагающего процесса.

Существуют примеры быстрых изменений, которые не соответствуют указанному закону, в частности, скорость транспорта. В 1620 году корабль «Мэйфлауэр» совершил путешествие из Англии в Америку за 66 дней11. К началу Войны за независимость в 1775 году благодаря достижениям кораблестроения и навигации это время сократилось до 40 дней12. В 1838 году колесный пароход «Грейт Вестерн» преодолел этот путь за 15 дней13. В 1900 году четырехтрубный лайнер с гребным винтом «Дойчланд» прошел маршрут за 5 дней и 15 часов14. В 1937 году турбоэлектроход «Норманди» справился за 3 дня и 23 часа15, а в 1939-м «летающие лодки» компании Pan Am – всего за 36 часов16. Первые рейсы на реактивном самолете в 1958 году заняли менее десяти с половиной часов17. В 1976 году сверхзвуковой самолет «Конкорд» и вовсе пролетел за три с половиной часа!18 Может показаться, что скорость растет экспоненциально, но это не так. От «Конкорда» отказались в 2003-м, и с тех пор время в пути на рейсе Лондон – Нью-Йорк снова составляет более семи с половиной часов19. Трансатлантические перелеты не становятся быстрее по ряду экономических и технических причин. Однако главная проблема заключается в том, что развитие транспортных технологий не создает циклов обратной связи. Например, реактивные двигатели не используются для создания более совершенных реактивных двигателей. Из-за этого со временем издержки, связанные с увеличением мощности, начинают превышать экономические выгоды от инноваций.

Закон ускорения отдачи именно потому имеет такое большое значение, что цикл обратной связи позволяет удерживать стоимость инноваций ниже ожидаемой выгоды, что способствует непрерывному прогрессу. По мере того как ИИ будет все глубже проникать в различные сферы экономики, признаки экспоненциального прогресса, уже очевидные в информационных технологиях, будут становиться все более заметными и в других областях, таких как медицина. В этой сфере каждый шаг вперед всегда требовал долгих и дорогостоящих исследований. В течение 2020-х годов, по мере расширения охвата и роста возможностей ИИ, мы станем свидетелями того, как многие области, которые прежде не считались связанными с информационными технологиями, претерпят значительные изменения. К ним относятся, например, пищевая промышленность, производство одежды, строительство и даже земледелие. Мы вплотную подошли к «точке перегиба» на экспоненциальной кривой прогресса, за которой начинается участок резкого взлета. Вот вкратце основная причина, почему я ожидаю резкого улучшения качества жизни во многих аспектах в ближайшие десятилетия.

Проблема заключается в том, что манера подачи новостей систематически искажает наше восприятие этих тенденций. Любой писатель или сценарист скажет вам, что самый простой способ привлечь внимание зрителя – это создать нарастающее чувство опасности или обострения конфликта20. От греческих мифов до «Звездных войн» – именно такой прием возбуждает наш интерес. Как следствие, иногда намеренно, иногда непроизвольно, но журналисты тоже им пользуются. К тому же алгоритмы социальных сетей настроены так, чтобы лента новостей вызывала у пользователей наибольший эмоциональный отклик, увеличивая вовлеченность и, соответственно, доходы от рекламы21. Это только усугубляет ситуацию. В результате такого предвзятого отбора в первых рядах оказываются заметки о надвигающихся бедствиях, а заголовки, подобные тем, что приведены в начале главы, оказываются далеко внизу.

Наша склонность обращать внимание на плохие новости обусловлена эволюционными процессами. Для выживания всегда было важнее в первую очередь обращать внимание на потенциальные угрозы. Шорох в кустах может быть сигналом о приближении хищника, и было бы разумнее сосредоточиться на этой опасности, чем любоваться урожаем, который вроде бы подрос на одну десятую процента по сравнению с прошлым годом.

Неудивительно, что человек, будучи по своей природе охотником и вынужденный жить в небольших группах, где каждому едва хватало еды, не выработал у себя привычки замечать небольшие изменения к лучшему. На протяжении большей части нашей истории улучшения в качестве жизни оставались настолько незначительными и непостоянными, что даже за всю жизнь человека не накапливалось достаточно изменений, чтобы они стали заметными. Фактически до конца Средних веков мы жили немногим лучше, чем в каменном веке. Например, в Англии в 1400 году ВВП на душу населения составлял 1605 фунтов (в деньгах 2023 года)22, ровно столько же, сколько 80 лет спустя, когда умирали старики, родившиеся в 1400-м23. К 1500 году ВВП на душу населения упал до 1586 фунтов, а за следующие 80 лет вырос только лишь до 1604 фунтов24. Для сравнения: в 1900 году этот показатель составлял 6734 фунта, а родившийся в этот год и доживший до 80 лет человек стал свидетелем прироста ВВП до целых 20 979 фунтов25. Поэтому не только биологическая эволюция, но и наша культура не подготовили нас к восприятию идеи постепенного прогресса. В текстах Платона и Шекспира вы не найдете напоминаний о том, что стоит ценить плавный рост благосостояния общества, потому что они его попросту не видели.

Современным аналогом ожидания хищника в кустах стала привычка людей постоянно проверять свои средства связи, в том числе социальные сети, на предмет появления тревожной информации. По словам Памелы Рутледж, директора Центра медиапсихологических исследований: «Мы непрерывно следим за происходящим и спрашиваем себя: имеет ли это отношение ко мне,

Еще одна черта, помогающая нам адаптироваться, – это наша склонность помнить прошлое более радостным, чем оно было на самом деле. Воспоминания о боли и страданиях стираются гораздо быстрее, чем приятные впечатления27. В 1997 году психолог Ричард Уокер из Университета штата Колорадо провел эксперимент28. Он попросил участников оценить ряд событий по шкале удовольствия и страдания. Затем он повторял этот тест трижды: через три месяца, полтора года и четыре с половиной года. Результаты показали, что отрицательные впечатления забылись гораздо быстрее, чем положительные, а самые приятные воспоминания сохранялись дольше всего. Аналогичное исследование, проведенное в 2014 году в разных странах, включая Австралию, Германию, Гану и другие29, подтвердило, что феномен «вытеснения плохих воспоминаний» широко распространен.

В 1688 году швейцарский врач Иоганнес Хофер ввел термин «ностальгия», соединив два греческих слова:nostos —«возвращение домой» иalgos – «боль, недомогание». Ностальгия означает не просто наплыв приятных воспоминаний; это настоящий защитный механизм, призванный помочь нам справиться с пережитым стрессом, в некотором роде переписав прошлое30. Если бы боль никогда не уходила, мы бы навсегда оказались ею парализованы.

Другие исследования подтвердили существование этого феномена. Клэй Рутледж, профессор психологии из Университета Северной Дакоты, проанализировал роль ностальгии как защитного механизма. Он обнаружил, что участники эксперимента, которых попросили написать о пережитом опыте ностальгии, показали более высокие уровни самооценки и ощущали себя лучше социализированными31. Таким образом, чувство ностальгии несет пользу как для отдельного человека, так и для общества в целом. Когда мы оглядываемся на свою жизнь, воспоминания о боли, стрессе и трудностях обычно сглаживаются. Мы склонны вспоминать в основном хорошие моменты. С другой стороны, сегодня мы прекрасно осознаем свои текущие тревоги и заботы. Это может создать у нас иллюзию, что раньше трава была зеленее, несмотря на неопровержимые доказательства обратного.

Мы также предвзято воспринимаем негативные события, преувеличивая их значение в череде случайностей. Например, в 2017 году исследователи продемонстрировали, что небольшие колебания каких-либо величин, например рост и падение фондовых индексов, сила ураганов в определенном регионе или уровень безработицы, люди гораздо реже склонны считать случайными, если они отражают ухудшение ситуации32. Люди скорее будут подозревать, что негативные изменения являются проявлениями закономерных процессов. Как отметил когнитивист Арт Маркман, говоря о результатах исследования: «Когда участников спрашивали, является ли то, что они видят на графике, признаком фундаментальных изменений в экономике, они гораздо чаще воспринимали небольшое изменение как предвестник чего-то глобального, если речь шла об ухудшении ситуации, нежели когда дела налаживались»33.

Эта работа и другие подобные исследования показывают, что мы запрограммированы ожидать увеличения хаоса в мире, то есть по умолчанию мы считаем, что все рушится и приходит в упадок. Такой взгляд на мир может быть полезен, так как он готовит нас к преодолению препятствий и мотивирует к решительным действиям, но в то же время он скрывает от нас реальные улучшения в нашей жизни.

Этот феномен находит свое отражение в политике. В 2016 году Научно-исследовательский институт общественных религий провел опрос, который показал, что 51 % американцев ощущает «снижение культурного уровня и ухудшение качества жизни по сравнению с 1950-ми годами»34. Годом ранее YouGov представил данные, согласно которым 71 % британцев считают, что ситуация в мире меняется к худшему, и только 5 % думают иначе35. Такая точка зрения побуждает популистов давать обещания восстановить былое величие, вопреки объективным фактам, подтверждающим, что раньше ситуация была гораздо хуже практически по всем параметрам.

В качестве еще одного примера приведем данные исследования, проведенного в 2018 году36 в 26 странах, где проживает 63 % населения мира. Исследование было проведено на 17 различных языках, а в опросе приняли участие 31 786 человек. Целью опроса было выяснить, увеличилось или уменьшилось количество бедных людей в мире за последние 20 лет и на сколько. Результаты опроса представлены на графике.

Только 2 % людей дали правильный ответ: уровень бедности снизился на 50 %. Мы наблюдаем прогресс во всех сферах экономики и общественной жизни, но, как свидетельствует множество социологических исследований, существует значительное расхождение между общественным мнением и реальным положением дел. В качестве примера можно привести исследование, проведенное в Великобритании компанией Ipsos MORI для Королевского статистического общества и Королевского колледжа Лондона37. Согласно его результатам, мнение обычных людей и реальные данные по целому ряду вопросов существенно разошлись:

– Общественность была убеждена, что 24 % государственных пособий были получены незаконно, в то время как реальные цифры оказались гораздо ниже – 0,7 %.

– С 1995-го по 2012-й уровень преступности в Англии и Уэльсе упал на 53 %, однако по мнению 58 % опрошенных, преступность осталась на прежнем уровне или даже выросла. Количество преступлений, связанных с насилием, с 2006 по 2012 год сократилось на 20 %. Но 51 % респондентов считают, что этот показатель увеличился.

– Подростковая беременность представлялась людям в 25 раз более распространенной проблемой, чем на самом деле. В Соединенном Королевстве каждый год беременеет 0,6 % девочек младше 15 лет, в то время как по оценкам общественности этот показатель составляет 15 %.

Аналогичное явление наблюдается и по другую сторону Атлантического океана. С начала XXI века подавляющее большинство американцев – до 78 % – считает, что уровень преступности в стране ежегодно растет по сравнению с предыдущем годом. Однако на самом деле количество насильственных преступлений и краж имущества с 1990 года сократилось примерно вдвое38.

Поговорка: «Где кровь, там рейтинги» – точно описывает суть проблемы. Происшествия, связанные с насилием, будут освещаться максимально подробно, в то время как снижение преступности – в том числе произошедшее благодаря внедрению в работу правоохранительных структур технологий анализа данных и коммуникации с общественностью – не считается значительным событием и редко упоминается в новостях.

Это не значит, что кто-то сознательно выбирает такие темы для освещения, просто сам процесс работы СМИ подразумевает публикацию плохих новостей или криминальных историй. Как мы уже обсуждали в этой главе, из-за когнитивных искажений люди легче обращают внимание на угрожающую информацию. Доходы всех средств массовой информации, как традиционных, так и социальных сетей, зависят от количества просмотров рекламных постов. Поэтому не стоит удивляться, что новостные платформы нашли эффективный способ оставаться прибыльными за счет публикации тревожных известий, которые вызывают сильные эмоции у аудитории.

Особое значение имеет понятие «срочность».

Стивен Пинкер считает, что «не стоит судить о положении в мире по новостям, они могут ввести в заблуждение. В заголовки попадает только то, что произошло, а не то, чего не случилось. О полицейском, который не был застрелен, или о городе, в котором не было погромов, в новостях не расскажут. Пока насилие не прекратится полностью, вам будут о нем рассказывать… Такой пессимистичный подход работает как самоисполняющееся пророчество»39. В наши дни это наблюдение особенно актуально, так как в социальных сетях мы видим тревожные новости со всего мира, в то время как предыдущие поколения были осведомлены только о происходящем в своем районе или стране.

Однако я твердо убежден: оптимизм – это не просто разговоры о будущем, а основа для самоисполяющихся пророчеств. Вера в лучший мир становится отличным стимулом работать с полной отдачей, чтобы создать его.

Даниэль Канеман, лауреат Нобелевской премии по экономике, провел исследования (в том числе в сотрудничестве с Амосом Тверски), которые помогли понять, как люди выносят суждения об окружающем мире, основываясь на неосознанных и зачастую ложных эвристиках40. Работы Канемана и Тверски показали, что людям свойственно игнорировать базовые вероятности, то есть соображение, что если некое условие с большой вероятностью верно для группы людей, то для отдельного представителя этой группы оно также, скорее всего, будет истинным. Например, когда участников эксперимента попросят угадать профессию незнакомого человека на основании его описания, в котором упоминается, что он «любит книги», многие выбирают вариант «библиотекарь». При этом люди забывают, что библиотекарей в мире сравнительно немного41. Человек, который помнит о своей возможной предвзятости, сообразит, что любовь к книгам едва ли указывает на профессию, так что выберет какой-нибудь более популярный вариант, к примеру «продавец». Все люди имеют некоторое представление о вероятностях обычных явлений, но не задумываются о них, предпочитая сосредотачиваться на ярких деталях конкретной ситуации.

Согласно работам Канемана и Тверски, существует еще одно распространенное заблуждение: люди уверены, что, если при подбрасывании монетки несколько раз подряд выпадала решка, в следующий раз с большей вероятностью выпадет орел42. Эта ошибка уходит корнями в непонимание механизма регрессии к среднему.

Третье предубеждение, которое как раз и может объяснить преобладание в обществе пессимистичного настроя, Канеман и Тверски назвали «эвристикой доступности»43. Люди оценивают вероятность события или явления по тому, насколько легко им удается припомнить похожие случаи. Мы уже обсуждали, почему новостные сюжеты и наши ленты соцсетей изобилуют ужасными событиями. Как следствие, именно они в первую очередь приходят на ум людям.

Отказ от предубеждений не означает, что мы должны игнорировать или недооценивать настоящие проблемы. Однако стоит помнить, что у нас есть все основания быть оптимистично настроенными в отношении будущего человечества. Технический прогресс не происходит сам собой, он требует от людей изобретательности и кропотливой работы. Конечно, это не означает, что мы должны игнорировать нынешние страдания людей. Но нам нужно осознать, что, какими бы сложными и даже безнадежными ни казались наши сегодняшние проблемы, человечество как биологический вид находится в процессе их успешного решения. Эта мысль меня невероятно вдохновляет.

На самом деле практически во всех сферах жизни мы наблюдаем прогресс, обусловленный стремительным развитием технологий

Развитие информационных технологий идет опережающими темпами, поскольку они сами способствуют техническим инновациям. Но этот процесс запускает синергетические механизмы прогресса в ряде других областей. За последние два столетия в этот магический круг оказались вовлечены практически все аспекты благосостояния людей: грамотность, образование, материальная обеспеченность, здравоохранение, гигиена, демократизация и безопасность.

Мы часто воспринимаем повышение уровня жизни как экономическое явление: если люди могут зарабатывать все больше и больше, им становятся доступны более качественные условия жизни. Однако настоящее созидание подразумевает нечто большее, чем накопление материальных благ. Экономика может переживать взлеты и падения; богатство можно как нажить, так и потерять. Но технический прогресс не откатывается назад. Как только наша цивилизация открывает что-то полезное, мы храним полученные знания и приумножаем их. Этот неумолимый марш прогресса позволяет нам переживать периодические провалы, такие как стихийные бедствия, войны, пандемии, которые время от времени сдерживают развитие общества.

В таких взаимосвязанных сферах, как образование, здравоохранение, санитария и политика, образуются так называемые междисциплинарные петли обратной связи. Это означает, что улучшение в одной области оказывает благоприятное воздействие на остальные. Так, благодаря более высокому уровню образования появляется больше хороших врачей. В свою очередь, дети, которые находятся под наблюдением компетентных докторов, реже болеют и меньше пропускают занятия. Такие взаимосвязи играют огромную роль: новые технологии несут косвенную выгоду, иногда совсем не в тех областях, для которых создавались. Например, бытовые приборы, появившиеся в XX веке, не только сэкономили людям много сил и времени, но также способствовали грандиозным переменам в обществе. В том числе благодаря этим изобретениям для миллионов талантливых женщин оказались открыты двери рынка труда, что позволило им внести неоценимый вклад в бесчисленное множество проектов. Можно с уверенностью утверждать, что технические новшества создают условия, в которых гораздо больше людей могут раскрыть свои таланты, что, в свою очередь, способствует новой волне инноваций.

Приведем еще один пример. Изобретение печатного станка заметно упростило доступ к знаниям, обеспечив более высокий уровень образования для работников развивающихся секторов экономики. Широкое распространение грамотности улучшило связи между производством и торговлей, что также привело к росту благосостояния. Появившиеся накопления позволили людям более уверенно вкладывать средства в инфраструктуру и образование, что еще больше ускорило этот взаимовыгодный цикл. Между тем возникшие средства массовой информации способствовали политическим переменам, чем и было в итоге обусловлено снижение уровня преступности.

Поначалу эти процессы шли довольно медленно, разница в уровне жизни между поколениями была едва заметна. Но устойчивая тенденция держалась на протяжении многих веков, проявляясь во всех сферах жизни людей, а в последние десятилетия существенно ускорилась благодаря стремительному развитию информационных технологий. Как мы увидим в этой главе, в ближайшие

Образование и уровень грамотности

На протяжении большей части истории человечества уровень грамотности в мире был крайне низким. Знания передавались в основном в устной форме, главным образом потому что их запись стоила слишком дорого. Обычному человеку даже не имело смысла учиться читать, поскольку он практически не сталкивался с письменными источниками и тем более не мог позволить себе приобрести письменные принадлежности. Время – единственный ресурс, которым мы все обладаем в равной степени: для каждого из нас в сутках те же 24 часа. Когда люди решают, на что потратить это время, они, естественно, оценивают потенциальную выгоду от каждого из вариантов. Чтобы научиться читать, нужно потратить много времени. В обществе, где приходится тратить много сил на выживание, а книги большинству не по карману, вряд ли разумно посвящать время изучению грамоты. Так что не стоит думать, что наши предки были отсталыми невеждами. Просто они жили в условиях, которые не располагали к тому, чтобы становиться заядлыми читателями.

В этой связи полезно задуматься о том, что и в наши дни некоторые люди живут в условиях, не способствующих получению образования. Например, в странах, где недостаточно вакансий в сфере информационных технологий, молодые люди, увлеченные компьютерными науками, могут решить, что изучение программирования не стоит их времени. Однако сейчас, как и несколько веков назад в Европе, технологии могут помочь переломить ситуацию: автоматизированный перевод, дистанционное обучение, программирование на естественных языках, удаленная работа открывают новые возможности и поощряют интерес к получению навыков.

К концу Средневековья в Европе появилось важное изобретение – передвижной печатный станок. Это открытие положило начало широкому распространению недорогой и разнообразной печатной продукции, что для людей послужило стимулом научиться читать. На тот момент грамоте было обучено менее одной пятой населения Европы44, в основном духовенство и представители профессий, для которых это было необходимо45. В эпоху Просвещения умение читать стало более распространенным, но к 1750 году только в Голландии и Великобритании более половины жителей были грамотными46. Однако уже к 1870 году отстающими по этому показателю были лишь Испания и Италия, в основном из-за сравнительно неразвитой экономики и недавних гражданских войн47. За пределами Европы ситуация была хуже. В 1800 году в мире умели читать менее одного человека из десяти. Однако в XIX веке растущая популярность газет способствовала повышению уровня грамотности, а социальные преобразования постепенно открывали детям доступ к образованию48. Тем не менее к 1900 году уровень грамотности в мире оставался относительно низким: меньше четверти людей были грамотными49. В XX веке обязательное образование распространилось почти повсеместно, и уже к 1910 году уровень грамотности в мире был выше 25 %. К 1970 году большая часть населения планеты умела читать50, и эта тенденция продолжила стремительно развиваться51. На сегодняшний день 87 % людей в мире умеют читать, а в развитых странах этот показатель достигает 99 %52.

Однако нам еще есть над чем работать. Приведенные цифры относятся к базовым навыкам: умению прочесть и написать короткое сообщение, например свое имя. Но существуют и более высокие стандарты для определения уровня грамотности. Согласно данным «Национальной оценки уровня грамотности взрослого населения» за 2003 год, в США только 86 % участников показали уровень «выше начального»53. Спустя 9 лет аналогичное исследование не выявило значимых улучшений54.

В 1870 году жители США в среднем получали образование в течение четырех лет, в то время как в других странах – Великобритании, Японии, Франции, Индии и Китае – менее одного года57. Япония, Франция и Великобритания стали быстро догонять США по уровню образованности населения по мере того, как в этих странах открывалось все больше школ58. Между тем Индия и Китай, остававшиеся бедными, начали быстро развиваться только в первые десятилетия после Второй мировой войны59. К 2021 году в Индии средний срок обучения составлял 6,7 года, а в Китае – 7,6 года60. В остальных упомянутых странах средний срок обучения уже достигал 10 лет, а в США – 13,7 года61. На графике показан прогресс в уровне образования за последние полвека. Неслучайно именно в этот период компьютеры не только стали стимулом для повышения образованности, но и помогли значительно усовершенствовать сам процесс обучения.

Доступность канализации, электричества, радио, телевидения и компьютеров

На протяжении веков одной из главных причин болезней и высокой смертности было загрязнение источников пищи и воды человеческими отходами65. Техническим решением этой проблемы стали унитазы, которые начали появляться в домах США с 1829 года и постепенно завоевывали популярность. Однако повсеместное использование унитазов в городской среде стало возможным лишь в начале XX века66. В 1920-х и 1930-х годах современные туалеты стали доступны и в сельской местности. К 1950 году три четверти домов за пределами городов были оборудованы унитазами, а к 1960 году – уже 90 %67. В 2023 году еще можно встретить дома без канализации, но теперь это скорее выбор владельцев, предпочитающих сельский уклад жизни, а не признак бедности68. В то же время в развивающихся странах отсутствие туалетов со смывом или других гигиенических средств, таких как биотуалеты, зачастую связано с финансовыми трудностями69. Во всем мире количество безопасных туалетов неуклонно растет. С одной стороны, новые технологии удешевляют их производство, а с другой – укрепление стабильности в регионах, где прежде было распространено насилие, способствует инвестициям в улучшение санитарной инфраструктуры70.

Электроснабжение как таковое не относится к информационным технологиям, но обеспечивает работу всех цифровых устройств и сетей, что делает его незаменимым для современной цивилизации. Еще до появления компьютеров устройства, работающие на электрическом токе, существенно облегчали труд людей, а хорошее освещение позволяло продуктивно проводить время поздно вечером. На заре XX века в США электрификация в основном происходила в городах72. С началом Великой депрессии ее темпы замедлились, но в 1930-х и 1940-х годах президент Франклин Рузвельт поддерживал масштабную программу электрификации аграрных районов в центральной части страны, стремясь повысить эффективность сельского хозяйства за счет использования достижений машиностроения73. К 1951 году больше 95 % домохозяйств в США имели доступ к электричеству, и в 1956-м национальная программа электрификации была

В других частях света процесс электрификации проходил схожим образом: сначала в городах, затем в пригородах и лишь после этого в сельской местности75. Сегодня более 90 % населения планеты имеет доступ к электричеству76. Для тех, кто остался без электроснабжения, препятствия носят скорее политический, чем технический характер. Профессор Массачусетского технологического института Дарон Аджемоглу и его коллега Джеймс Робинсон провели важное исследование о роли политических институтов в развитии человеческого общества77. Согласно их выводам, в странах, где жители имеют возможность участвовать в управлении и где уровень безопасности позволяет им думать о будущем и инвестировать в инновации, быстро формируются петли обратной связи, которые способствуют повышению благосостояния. Именно отсутствие указанных факторов препятствует обеспечению электрическими мощностями оставшейся одной десятой части населения. В районах, где насилие остается привычным явлением, люди не считают рациональным вкладывать средства в инфраструктуру для проведения электричества, потому что ее легко разрушить. Аналогично по дорогам плохого качества невыгодно доставлять отдаленным поселениям оборудование и топливо для выработки электричества. К счастью, с помощью недорогих и высокоэффективных фотоэлектрических элементов нам все же удается расширять зону, охваченную электрификацией.

Первой революционной технологией связи на базе электричества стало радио. Коммерческие радиостанции появились в США в 1920 году и уже к 1930-м стали главными источниками информации в стране79. В отличие от газет, которые распространялись только в пределах городских агломераций, радиопередачи охватывали всю страну. Это способствовало формированию национальной медиакультуры, так как все жители от Калифорнии до Мэна слушали одни и те же политические передачи, новости, развлекательные программы. К 1950 году радио было установлено больше чем в 90 % американских домохозяйств. Однако именно в это десятилетие телевидение начало вытеснять радио с лидирующих позиций в медиапространстве80. В связи с этим привычки слушателей изменились. Репортажи по радио стали ограничиваться в основном новостной повесткой, политикой и спортивными событиями, и люди слушали их в машине81. Начиная с 1980-х политически ангажированные ток-шоу стали одними из самых популярных программ на радио. Их постоянно подвергали критике за то, что они играют на предубеждениях слушателей и подают информацию очень однобоко82. В 2010-х годах, когда в обиходе появились смартфоны и планшеты, радиостанции начали переходить на онлайн-вещание, отказываясь от традиционной передачи. В 2007 году, когда был выпущен первый iPhone, только 12 % американцев слушали радио через интернет хотя бы раз в неделю; в 2021-м таких было уже 62 %83.

Распространение телевидения происходило аналогично радио, но страна уже была готова к переменам, так что этот процесс шел еще быстрее. Идея передачи изображения зародилась в умах ученых и инженеров еще на исходе XIX века, и в конце 1920-х годов были продемонстрированы первые примитивные системы телевещания84. К 1939 году технология достигла уровня, позволяющего коммерческое использование в США, но Вторая мировая война приостановила работы в этой области85. Однако сразу по окончании войны американцы начали активно скупать телевизоры. По всей стране открывались новые телевизионные станции, и в 1954 году телевизор был в большинстве домов86. К 1962 году хотя бы один телевизор был у 90 % семей87. Затем рост охвата замедлился, но в течение следующих трех десятилетий даже последние скептики обзавелись телевизорами89. В 1997 году были достигнуты рекордные показатели охвата: 98,4 % семей были постоянными зрителями. Однако в последующие годы этот показатель несколько снизился, оказавшись на уровне 96,2 % в 2021-м90. На снижение интереса к телевидению повлияло несколько факторов. Во-первых, традиционный просмотр телепередач вышел из моды. Во-вторых, появились новые виды онлайн-развлечения. А в последние годы наметилась тенденция к просмотру так называемых квази-телешоу на стриминговых площадках91.

В отличие от радио и телевидения, которые предполагают исключительно пассивное восприятие информации, компьютеры открывали новые горизонты, давая возможность взаимодействия с аудиторией. Первые компьютеры, такие как Kenbak-1, начали появляться у американцев в 1970-х годах. В 1975-м вышел ставший невероятно популярным Altair 8800, который продавался в виде конструктора для сборки92. К концу десятилетия такие компании, как Apple и Microsoft, произвели настоящий переворот на рынке, выпустив удобные для пользователя персональные компьютеры. Освоить работу с ними можно было за один день94. После знаменитой рекламы компании Apple во время Супербоула 1984 года компьютеры были на слуху у всей страны, и за следующие пять лет количество персональных компьютеров в домах американцев выросло почти вдвое95. В то время большинство пользователей использовали их для набора текстов, ввода данных и просто для развлечения, играя в компьютерные игры.

Однако расцвет интернета в 1990-х годах сделал персональный компьютер гораздо более полезным устройством. В январе 1990 года система DNS Всемирной сети насчитывала 175 000 адресов96. К январю 2000-го количество хостов увеличилось до 72 миллионов97. Объем трафика в интернете вырос с 12 000 гигабайт в 1990 году до 306 000 000 гигабайт в 1999-м98. Это напрямую повлияло на востребованность компьютеров. Как стриминговые платформы привлекают новых подписчиков и повышают цены за счет нового и интересного контента, так и интернет становился все более полезным для людей благодаря экспоненциальному росту количества содержащейся в нем информации. Снова возник цикл положительной обратной связи: часть новых пользователей начала создавать свой оригинальный контент, еще сильнее увеличивая ценность интернета. Как следствие, в 1990-х годах компьютеры превратились из цифровых печатных машинок и игровых автоматов в мощные порталы, открывающие людям доступ к огромному объему знаний, накопленных человечеством, и предоставляющие возможность общаться друг с другом, даже находясь по разные стороны океана. Системы электронной коммерции позволили людям совершать большую часть покупок онлайн, а после запуска социальных сетей в 2000-х годах использование интернета стало по-настоящему интерактивным процессом.

К 2017–2021 годам около 93,1 % американских семей имели собственные компьютеры, и этот показатель продолжает расти по мере того, как представители «Великого поколения» уходят, а миллениалы заводят свои семьи99. Тем временем количество владельцев компьютеров увеличивается во всем мире. Смартфоны, оснащенные встроенными компьютерами, заполонили рынки развивающихся стран, и по состоянию на 2022 год примерно у двух третей жителей планеты есть хотя бы один экземпляр100.

Ожидаемая продолжительность жизни

Как мы подробнее обсудим в главе 6, долгое время поиск способов лечения и профилактики заболеваний продвигался линейно, поскольку мы пользовались методом проб и ошибок. Мы не могли систематически исследовать все возможные процедуры и лекарства, поэтому открытия происходили во многом по

Надо признать, этот подход приносил свои плоды. Тысячу лет назад средняя продолжительность жизни в Европе составляла от 20 до 30 лет, так как многие дети погибали в младенчестве от болезней, таких как холера и дизентерия, которые сейчас легко поддаются профилактике103. К середине XIX века ожидаемая продолжительность жизни в Великобритании и США выросла примерно до 40 лет104. В 2023 году в развитых странах этот показатель составлял более 80 лет105. Это означает, что за прошедшую тысячу лет мы почти втрое увеличили продолжительности жизни, за последние два века – почти вдвое. Такой прогресс стал возможен благодаря тому, что мы разработали способы защититься от патогенов – бактерий и вирусов, которые могут проникать в наши тела извне – и научились с ними бороться.

К сожалению, приходится признать, что в этой сфере все плоды, до которых было легко дотянуться, уже сорваны. Оставшиеся нерешенными проблемы, вызывающие болезни и недомогание, уходят корнями в строение нашего тела. По мере того как нарушается работа клеток, а ткани разрушаются, начинают развиваться онкологические заболевания, атеросклероз, диабет и болезнь Альцгеймера. В какой-то степени мы можем снизить риски, если будем придерживаться здорового образа жизни, правильно питаться, восполнять дефициты важных веществ – я называю это первым мостом к радикальному продлению жизни 106. Однако такие меры только оттягивают неизбежное. Именно поэтому рост продолжительности жизни даже в самых развитых странах замедлился начиная с середины XX века. Например, с 1880 по 1900 год ожидаемая продолжительность жизни в США увеличилась с 39 до 49 лет. А вот с 1980-го по 2000-й – после того как в медицине пришло время переключить внимание с инфекционных болезней на хронические и дегенеративные заболевания – всего лишь с 74 до 76 лет107.

К счастью, в 2020-х годах мы вступаем на второй мост, объединяя мощь искусственного интеллекта и биотехнологий для борьбы с дегенеративными заболеваниями. Мы уже преодолели этап, когда компьютеры использовались лишь для ведения регистра процедур и клинических испытаний. Сейчас мы применяем ИИ для разработки новых препаратов и до конца этого десятилетия сможем дополнить, а затем и заменить медленные и трудоемкие испытания на людях компьютерным моделированием. По сути, мы трансформируем медицину в раздел информационных технологий, чтобы воспользоваться преимуществами экспоненциального прогресса, свойственного ИТ, и глубже понять «программный код» биологии.

Одним из первых и наиболее ярких примеров является генетика. Со дня завершения проекта «Геном человека» в 2003 году стоимость секвенирования генома падала по экспоненте, снижаясь вдвое каждый год. Несмотря на стабилизацию цен в период с 2016 по 2018 год и кризис, вызванный пандемией COVID-19, затраты продолжают падать – и темпы этого процесса резко вырастут, как только современный ИИ начнет играть существенную роль в процессах секвенирования. В 2003 году расшифровка генома человека обошлась бы в 50 миллионов долларов, а в 2023-м – всего лишь в 399 долларов. Более того, одна из компаний обещает выпустить на рынок тесты по цене 100 долларов ко времени выхода этой книги108.

По мере того как ИИ будет проникать в различные области медицины, можно ожидать появления схожих тенденций и в них. Нейросети уже играют важную роль в клинической практике109, но в этой сфере мы все же находимся в самом начале экспоненциальной кривой. К концу 2020-х годов отдельные приложения сменятся целым спектром сервисов. С помощью ИИ мы сможем непосредственно воздействовать на биологические факторы, которые ограничивают продолжительность жизни 120 годами. К таким факторам относятся мутации митохондриальной ДНК, сокращение длины теломер и неконтролируемое деление клеток, приводящее к раку110.

В 2030-х мы ступим на третий мост на пути к радикальному продлению жизни. К этому времени мы создадим медицинских нанороботов, которые смогут эффективно ремонтировать клетки организма и устранять повреждения в любой части нашего тела. Некоторые биомолекулы уже можно считать нанороботами. Но роботы, которые появятся на стадии третьего моста, будут отличаться способностью выполнять разнообразные задачи под полным контролем ИИ. Это позволит нам обрести такой же контроль над нашей биологией, как сейчас над техническим состоянием автомобилей. Ремонтировать автомобиль или менять запчасти можно практически бесконечно, если только ваша машина не окажется полностью разрушенной в результате аварии. Точно так же умные нанороботы смогут целенаправленно восстанавливать или модернизировать отдельные клетки, в том числе для предотвращения старения. Мы вернемся к этому вопросу в главе 6.

Переход через четвертый мост – появление технологии создания резервной копии мозга – станет реальностью в 2040-х годах. Как мы обсуждали в главе 3, ядро личности человека – это не мозг сам по себе, а та специфическая информационная структура, которую его мозг может поддерживать и видоизменять. Как только мы научимся считывать эту информацию с достаточной точностью, у нас появится возможность воссоздать ее на цифровой основе. Это будет означать, что даже в случае гибели биологического мозга личность не исчезнет, а будет существовать практически неограниченно долго, пока ее копируют снова и снова на более надежные носители.

Преодоление бедности и рост доходов

Каждое из рассмотренных технических достижений само по себе приносит пользу, но именно в совокупности, дополняя и усиливая эффекты друг друга, они становятся основой для по-настоящему фундаментальных преобразований. На больших отрезках времени достаточно надежным, хоть и не исчерпывающим критерием прогресса является экономическое благополучие.

В глобальном масштабе тенденция к улучшению экономического положения удивительно устойчива. В 1820 году около 84 % населения планеты, по современным меркам, жили в полной нищете113. Однако благодаря индустриализации уровень бедности в Европе и Америке постепенно начал снижаться114. Этот процесс существенно ускорился после Второй мировой войны, так как в последующие десятилетия в Индии и Китае начали активно внедряться современные аграрные технологии115. В СМИ стало появляться все больше репортажей о людях со всего мира, живущих за чертой бедности, что создавало у жителей развитых стран искаженное впечатление о масштабах проблемы. Между тем за следующие 30 лет ситуация ощутимо улучшилась. К 2019 году число нищих (то есть людей, живущих

Наиболее заметные перемены произошли в Восточной Азии, где благодаря экономическим успехам Китая для сотен миллионов людей были обеспечены условия жизни почти на уровне развитых стран.

С 1990 по 2013 год количество бедных в этом регионе сократилось на целых 95 %, при том что население региона за тот же период выросло с 1,6 миллиарда до 2 миллиардов человек117.

Двумя регионами, где количество жителей за чертой бедности росло на протяжении большей части этого времени, оказались Европа и Средняя Азия. Устранение последствий коллапса в экономике, который последовал за распадом Советского Союза, растянулось на несколько десятилетий118. Важно отметить, что ключевую роль в кризисе сыграли политические причины, а не экономические или технологические. Крах авторитарного режима в Советском Союзе создал управленческий вакуум, открывший двери тотальной коррупции. Это привело к возникновению циклов отрицательной обратной связи, что не способствовало инвестициям и росту благосостояния, особенно в постсоветских среднеазиатских республиках.

После окончания холодной войны международное сообщество с особым вниманием отнеслось к проблеме бедности в самых неблагополучных регионах планеты. Сразу после распада Советского Союза ряд развитых стран начал сокращать бюджет на помощь другим государствам и уделять меньше внимания зарубежным программам развития119. Это произошло потому, что во времена холодной войны помощь развивающимся странам воспринималась через призму стратегического противостояния между западной демократией и восточным коммунистическим блоком, которые боролись за влияние в странах третьего мира. Все же к середине 1990-х годов ОЭСР (Организации экономического сотрудничества и развития) пришла к пониманию, что поддержка успеха других стран важна не только с гуманитарной точки зрения, но и потому, что безопасный и процветающий мир выгоден для всех. В 2000 году ООН закрепила эти идеи в документе под названием «Цели развития тысячелетия», поставив перед международным сообществом задачу достичь их к 2015 году120. Хотя многие из указанных в документе проблем до сих пор остаются нерешенными, благодаря ЦРТ удалось улучшить условия жизни сотен миллионов людей.

В Соединенных Штатах количество людей, живущих за чертой абсолютной бедности (в соответствии с международным критерием, то есть на 2 доллара 15 центов или меньше в день), не превышало 1,2 % с начала статистических наблюдений121. Что касается относительно бедных (по меркам общества конкретной страны), статистика рисует другую картину. Относительная бедность в США снизилась с 45 % в XIX веке до 12,5 % в 1970 году, причем самые быстрые темпы снижения наблюдались в годы после Второй мировой войны. Однако с тех пор существенного улучшения ситуации не произошло, и этот показатель остается относительно стабильным122, претерпевая небольшие колебания123 в зависимости от состояния экономики124. Одной из причин этого является постоянное повышение черты относительной бедности из-за глобального улучшения условий жизни. Поэтому люди, которые не считались бы бедными по меркам 1980-х, сейчас являются таковыми125.

Тем не менее с 2014 по 2019 год количество относительно бедных американцев сократилось на 12,6 миллиона человек. При этом общее население страны за тот же период выросло на 8,9 миллиона человек126. В одном только 2019 году, когда число малоимущих пенсионеров приблизилось к минимуму за всю историю, 4,1 миллиона человек смогли преодолеть черту бедности127. Несмотря на то что пандемия COVID-19 привела к временному ухудшению ситуации128, общая тенденция к снижению бедности сохраняется со времен финансового кризиса 2008 года.

Кроме того, сегодняшние малоимущие люди живут намного комфортнее благодаря тому, что информация и интернет-сервисы стали более доступными. Например, можно пройти бесплатные курсы МТИ или пообщаться с родными, которые живут на другом континенте129. Не стоит забывать, что за последние десятилетия соотношение цена/производительность компьютеров и смартфонов резко улучшилось, хотя экономическая статистика практически не отражает этот факт. (В этой главе мы подробнее поговорим о том, почему экспоненциальный рост вычислительной мощности устройств по отношению к их стоимости ускользает от экономического мониторинга.) Сегодня даже с помощью недорогого смартфона можно пользоваться интернетом и мгновенно получать доступ к любой учебной информации, переводить тексты и строить маршруты. Всего несколько десятилетий назад такие возможности были недоступны даже за миллионы долларов.

Средний дневной доход жителя США неуклонно растет. В 2023 году чертой бедности считался доход ниже 14 580 долларов на человека в год, что соответствует проживанию на 39 долларов 95 центов в день132. С 1941 года реальный средний (не медианный) доход в Америке всегда был выше черты бедности, установленной на 2023 год133.

Средний дневной доход на человека в соединенных штатах (в ценах 2023 года), в разбивке по годам134

Приблизительный уровень бедности в соединенных штатах (относительно порога, который правительство периодически пересматривает), в разбивке по годам135

Неудивительно, что ВВП США рос экспоненциально, ведь увеличение численности населения всегда влечет подъем экономики. Однако ВВП на душу населения – показатель, который учитывает количество жителей – также увеличивался с аналогичной скоростью137. И вновь отметим, что эти параметры не включают в себя оценку бесплатных информационных сервисов и не учитывают экспоненциальный рост вычислительной мощности, доступной за ту же цену, что и раньше.

ВВП отражает общий уровень экономической активности, включая крупный бизнес. Однако похожая динамика наблюдается и в части доходов граждан. Доход на душу населения характеризует благосостояние обычных людей, а не успешность корпораций. Этот показатель включает в себя не только зарплаты и гонорары, но и дивиденды, а также прибыль, которую акционеры и владельцы бизнеса получают от своих компаний. Сбор статистики начался в 1929 году, и с тех пор личный доход в США с поправкой на инфляцию значительно вырос, хотя и претерпел несколько кратковременных спадов во время Великой депрессии и экономических кризисов. За последние 90 лет доходы среднего американца увеличились более чем в пять раз, при этом продолжительность рабочего времени существенно уменьшилась140. Медианный доход – сумма, меньше которой получают столько же людей, сколько и больше – растет хоть и не так быстро, но все же стабильно: с 27 273 долларов в 1984 году до 42 488 в 2019-м, непосредственно перед пандемией (все суммы приведены к

Эти цифры рисуют неполную картину, поскольку статистика не учитывает некоторые важные аспекты, которые делают жизнь людей лучше. Во-первых, как мы уже говорили, многие товары, в частности электроника, сейчас намного дешевле, чем раньше. Во-вторых, ряд очень полезных сервисов, таких как поисковые системы и социальные сети, предоставляется бесплатно. В-третьих, благодаря глобализации у людей появился доступ к значительно большему разнообразию товаров и услуг, чем в 1929 году. Свободу выбора у современного потребителя сложно оценить в денежном выражении. Если вы можете заказать на обед только блюда китайской либо мексиканской кухни, вы все равно предпочли бы иметь два варианта, а не один. Широкий ассортимент стал обычным явлением во многих сферах. Вместо трех телеканалов у нас теперь сотни. В супермаркете вместо нескольких видов фруктов лежат плоды, выращенные в другом полушарии, где сейчас как раз сезон. Вам больше не обязательно ходить в обычный книжный магазин, где на полках стоят тысячи книг. Теперь у вас есть возможность выбирать из миллионов наименований, представленных на сайте Amazon.

Разнообразие товаров позволяет каждому найти что-то по душе, но особенно это касается людей с необычными увлечениями. Развитие информационных технологий ускорило процессы глобализации экономики. Теперь, если вы, например, заядлый коллекционер винтажных калейдоскопов, вы можете зайти на eBay и купить старый экземпляр у продавца на другом конце света. А если вы подросток, который любит математику и естествознание, то для вас уже записаны десятки часов образовательных программ. Теперь можно смотреть познавательные передачи про науку, вместо того чтобы всей семьей сидеть перед общим телевизором, пока идет сериал «Дым из ствола», как было во времена моего детства. Развитие технологий 3D-печати и рано или поздно нанотехнологий подарит нам необъятное множество вариантов досуга уже в ближайшие десятилетия.

Годовой доход – это важный показатель, однако еще информативнее рассмотреть доход по отношению к отработанному времени. Реальный почасовой доход в США, скорректированный с учетом инфляции, постепенно растет. В 1880 году он составлял 5 долларов в час, а в 2021 году – уже 93 доллара в час143. Следует отметить, что личный доход состоит не только из заработной платы и гонораров. Он также включает в себя прибыль от инвестиций и собственного бизнеса, государственные пособия и единовременные выплаты, такие как во время пандемии в 2020 году. Поэтому доход за час обычно выше, чем почасовая оплата труда. В этой связи представляет интерес то, что доходы, не связанные с оплатой труда, составляют все большую долю личного дохода. Получается, что в целом экономика процветает, несмотря на сокращение рабочего времени типичного жителя страны.

На представленном графике можно увидеть, как постепенно рос реальный доход за рабочий час в США, даже в кризисные годы. Хотя подробной статистики за самый тяжелый период Великой депрессии нет, можно сделать вывод, что почасовой доход не упал в это время так сильно, как другие экономические показатели. Так получилось из-за того, что падение дохода на душу населения во время Великой депрессии было обусловлено общим снижением заработка всей нации. Поскольку численность населения (которая стоит в знаменателе) сильно не изменилась, это неизбежно привело к более низким уровням подушевого дохода. Однако, когда люди теряют работу, пропадают не только доходы, но и рабочие часы. Уменьшение величины, стоящей в знаменателе, привело к тому, что почасовой заработок остался на том же уровне, и даже немного вырос. Иными словами, многие люди потеряли работу, но тем, кому удалось сохранить свое место, зарплату не урезали.

В конце XIX века среднестатистический американец работал около трех тысяч часов в год145. После 1910 года этот показатель начал быстро снижаться. Это произошло благодаря регулированию рынка труда и активной деятельности профсоюзов, которые добились уменьшения продолжительности рабочего дня и предоставления людям времени для отдыха146. Кроме того, работодатели заметили, что отдохнувшие работники более продуктивны и допускают меньше ошибок. Поэтому они стали распределять нагрузку между большим количеством людей, чем было принято в первые годы индустриальной революции. Во время Великой депрессии среднее количество рабочих часов в год упало до 1750, поскольку даже тем, кто не был уволен, пришлось работать меньше из-за сокращения продолжительности смен147. Однако в годы Второй мировой войны и последовавшего за ней подъема промышленности заводы и офисы снова открыли двери перед американцами, которые стали работать по 2000 часов в год148. С тех пор рабочий год в США медленно, но неуклонно сокращался, вернувшись в конце концов к нормам времен Великой депрессии149, с той разницей, что теперь люди сами предпочитают частичную занятость. Это позволяет им достичь гармоничного баланса между работой и отдыхом. В ряде европейских стран сокращение рабочего времени происходит еще активнее, чем в США150.

Видя изменения на рынке труда, миллениалы и представители поколения Z чаще, чем их предшественники, выбирают творческие профессии и получают опыт предпринимательства. У них также появилась возможность работать удаленно, что позволяет сэкономить время и деньги на дорогу, но вместе с тем может стереть границы между работой и досугом. Во время пандемии COVID-19 условия работы резко изменились, появилась необходимость работать удаленно, а работодателям пришлось пересмотреть свои отношения с сотрудниками. По результатам некоторых опросов, 98 % респондентов хотели бы сохранить возможность переходить на удаленную работу вплоть до выхода на пенсию151. По мере того как технический прогресс обеспечит возможность выполнять все больше различных задач без личного присутствия, эта тенденция будет только усиливаться.

Еще один важный показатель социально-экономического благополучия связан с распространенностью детского труда. Если несовершеннолетние вынуждены работать, они упускают возможность получить образование, что отрицательно сказывается на их перспективах. К счастью, детский труд в XXI веке встречается все реже.

ООН и Международная организация труда выделяют три категории эксплуатации детей153. Самая широкая – «детская занятость» – включает в себя детей, вовлеченных в несложную работу на семейной ферме или в бизнесе родителей. Хотя такая деятельность может отвлекать от учебы, она считается сравнительно мягкой формой эксплуатации детей. Вторая категория, «детский труд», касается детей, занятых на работе, которую обычно выполняют взрослые, в том числе по количеству рабочих часов и тяжести исполняемых обязанностей. Третьей и самой узкой категорией является «изнурительный труд», когда детям приходится трудиться во вредных и опасных условиях. Примером может служить работа в шахте, демонтаж судов (разбор кораблей на запчасти и для утилизации), переработка отходов. С 2000 по 2016 год процент детей, занятых на вредной

Снижение уровня насилия

Рост материального благосостояния неразрывно связан со снижением преступности. Люди, которым есть что терять, склонны избегать физических конфликтов. Те, кто рассчитывает на долгую и спокойную жизнь, охотнее инвестируют в общественную безопасность. Количество убийств в Западной Европе неуклонно снижается, по крайней мере, начиная с XIV века156. На таких временных масштабах снижение имеет экспоненциальный характер, даже несмотря на то что с тех пор изобрели куда более смертоносное личное оружие. В государствах Западной Европы, по которым собрана статистика вплоть до Средних веков, усредненное по странам количество убийств в год на 100 000 жителей сократилось с 33 в XIV–XV веках до менее одного в наши дни, что соответствует снижению на 97 %157. Заметим, что эта статистика касается обычных убийств, как умышленных, так и совершенных по неосторожности, и не включает в себя потери в войнах и случаи геноцида.

В США с 1991 года умышленные убийства и другие насильственные преступления случаются все реже. Хотя с 2014 по 2021 год уровень убийств и вырос (с 4,4 до 6,8 на 100 000 жителей, согласно последним доступным данным на момент написания книги), этот кратковременный всплеск все равно на 30 % ниже уровня 1991 года – 9,8 на 100 000 человек159. В прошлом веке было всего два периода, когда уровень убийств и других преступлений вдвое превышал нынешний. Первый пик насилия пришелся на 1920-е и 1930-е годы, в основном из-за принятия сухого закона и последовавшей активизации преступных сообществ, занимавшихся торговлей контрафактным алкоголем160. Второй пик насилия охватил 1970-е, 1980-е и 1990-е, когда преступность вернулась на улицы американских городов в связи с торговлей запрещенными веществами161.

С тех пор уровень преступности в стране значительно снизился, чему способствовали несколько факторов. В начале 1980-х годов, когда улицы США охватила волна насилия, криминалисты начали искать новые, более эффективные методы борьбы с преступностью. Социологи Джордж Келлинг и Джеймс Уилсон обнаружили, что мелкие правонарушения, такие как вандализм и нанесение граффити на стены, создают атмосферу неблагополучия и наводят некоторых людей на мысль, что им может сойти с рук и более тяжкое преступление162. Эта идея получила название «теории разбитых окон» и положила начало борьбе с мелкими нарушениями в качестве средства профилактики более серьезных проступков. Наряду с этим были введены и другие решительные меры предупреждения преступлений. В частности, увеличилось количество патрулей в наиболее криминогенных районах и было внедрено моделирование распределения ресурсов полиции, чтобы они использовались наиболее эффективно. Все эти меры сыграли большую роль в улучшении криминальной обстановки по всей стране в 1990-х и 2000-х годах. Однако не обошлось и без определенных издержек. В частности, в ряде городов чрезмерное усердие в применении «теории разбитых окон» привело к неоправданным негативным последствиями для представителей меньшинств. В 2020-х годах перед полицией стоят две основные задачи: продолжать обеспечивать безопасность и не допускать при этом дискриминации по этническому или другим признакам. Хотя идеального решения этих проблем не существует, такие технические новшества, как нагрудные камеры у полицейских, смартфоны с функцией видеозаписи, автоматические детекторы выстрелов и анализ данных с помощью ИИ, могут значительно улучшить ситуацию при условии их грамотного применения.

Еще одним фактором, значение которого долгое время недооценивалось, было загрязнение окружающей среды. На протяжении XX века о токсическом воздействии свинца на мозг почти ничего не было известно. Между тем наличие свинца в автомобильных выбросах и бытовой краске пагубно сказывалось на умственном развитии детей. Хотя едва ли возможно проследить связь между отравлением свинцом и конкретным преступлением, в масштабах страны этот фактор, безусловно, способствовал увеличению числа насильственных преступлений. Вероятно, это происходило из-за ослабления функции самоконтроля у людей. Примерно с 1970-х годов, благодаря более строгому регулированию, количество свинца и других токсинов, накапливающихся в мозге с раннего возраста, начало снижаться. Считается, что эти меры также привели к снижению уровня преступности163.

В своей книге «Лучшее в нас. Почему насилия в мире стало меньше» (2011) Стивен Пинкер приводит доказательства того, что количество умышленных убийств в Европе со времен Средневековья сократилось примерно в 50 раз, если не больше166. Например, в Оксфорде в XV веке происходило предположительно 110 убийств на 100 000 жителей в год. А в современном Лондоне, согласно статистике, этот показатель составляет менее одного случая на 100 000 человек в год167. По оценке Пинкера, с доисторических времен распространенность насильственной смерти снизилась приблизительно в 500 раз168.

Даже самые масштабные конфликты в XX веке не привели к такому количеству смертей в пересчете на душу населения, как непрекращающаяся бойня в догосударственный период истории человечества. Пинкер изучил 27 обществ на ранних этапах развития, когда государств еще не существовало – от охотников-собирателей до аграрных обществ. По этим сообществам можно судить о жизни людей в доисторические времена169. По оценкам Пинкера, уровень смертности от военных конфликтов в этих обществах составлял 524 человека на 100 000 населения в год. Для сравнения, в XX веке прошли две мировые войны, сопровождавшиеся геноцидом народов, атомными бомбардировками и массовыми убийствами невиданных масштабов. При этом в трех странах, сильнее всего затронутых этими конфликтами, – Германии, Японии и России – годовая смертность от военных действий составила 144, 27 и 135 на 100 000 человек соответственно. Тот же показатель для США в XX веке равнялся 3,7 человека на 100 000 населения в год, несмотря на то что Америка ввязывалась в конфликты по всему миру.

При этом общественность по большей части убеждена, что насилия в мире становится все больше. По мнению Пинкера, всему виной «историческая близорукость» – склонность людей уделять внимание недавним событиям и забывать эпизоды куда большей жестокости в прошлом170. По сути, мы имеем дело с проявлением эвристики доступности. Такое искаженное восприятие можно также частично отнести на счет современных технологий документирования: сейчас несложно найти яркие видео кровавых происшествий. Ни в какое сравнение не идут черно-белые фотографии XIX века, а тем более текстовые описания или сравнительно небольшое число картин, отображающих события прошлых эпох.

Как и я, Пинкер считает, что серьезное снижение уровня жестокости происходит благодаря циклам положительного влияния. Когда у людей растет уверенность в безопасности, они охотнее строят школы, читают и пишут книги, что, в свою очередь, способствует

Важно отметить, что циклы положительных изменений стали возможны благодаря достижениям технологий. В прошлом люди знали и ценили только свое окружение, но с появлением новых способов коммуникации – сначала книг, затем радио и телевидения, а теперь компьютеров и сети интернет – мы начали делиться своими мыслями с более широким кругом людей и осознавать, как много у нас общего. Доступность видеозаписей с несчастными случаями по всему миру может привести к исторической близорукости, но, с другой стороны, естественным образом заставляет нас сопереживать всем людям на планете.

Более того, с ростом благосостояния и снижением уровня бедности растет и готовность людей сотрудничать, а борьба за ресурсы по принципу «неделимого пирога» ослабевает. Многие из нас глубоко внутри считают, что склонность к насилию – неизбежное следствие конкуренции за дефицитные ресурсы и неотъемлемая часть человеческой натуры. Хотя мы видим подтверждение этому на протяжении всей истории, я не думаю, что так будет продолжаться и в будущем. Цифровая революция уже сделала многие вещи, которые можно перевести в электронный формат, более доступными. Драться за бумажную книгу, быть может, и мелочно, но в каком-то смысле это поддается пониманию. Двое подростков могли бы подраться за книжку комиксов, потому что взять ее домой почитать может только один из них. Но мысль о ссоре из-за pdf-документа ничего, кроме смеха, не вызывает, потому что иметь к нему доступ не означает отобрать его у кого-то другого. Можно сделать сколько угодно копий, причем практически бесплатно.

Как только человечество научится использовать источники дешевой энергии, в основном солнечной, а позже освоит управляемый термоядерный синтез и с помощью ИИ разовьет робототехнику, производство многих товаров станет настолько простым, что мысли о разбойном нападении из-за них будут казаться столь же абсурдными, как сейчас выглядели бы попытки насильственно завладеть pdf-файлом. Можно не сомневаться, что к 2040-м годам эффективность информационных технологий увеличится в миллионы раз, что приведет к фундаментальным улучшениям всего жизненного уклада в обществе.

Рост сектора возобновляемой энергетики

Практически любая деятельность нашей технологической цивилизации требует энергии. Однако от нашей давней зависимости от ископаемого топлива вскоре придется отказаться по двум основным причинам. Во-первых, его сжигание приводит к экологическим проблемам: в атмосферу попадает большое количество загрязняющих веществ и парниковых газов. Во-вторых, запасы ископаемого топлива ограничены, что делает его добычу все более дорогой. При этом наши потребности в дешевой энергии стремительно растут. К счастью, издержки при использовании возобновляемых источников энергии падают по экспоненциальному закону благодаря внедрению современных технологий. Например, в последние 10 лет при поиске новых материалов для солнечных панелей и аккумуляторов активно используются суперкомпьютеры, а с недавних пор и нейронные сети глубокого обучения172. Усилия по снижению затрат уже дают свои результаты: доля возобновляемых источников, таких как солнечный свет, ветер, геотермальная энергия, приливы и биотопливо, в общем объеме потребляемой энергии также растет экспоненциально173. В 2021 году солнечные электростанции произвели 3,6 % от всего электричества. С 1983 года доля солнечной энергетики удваивается примерно каждые 28 месяцев174. Далее в этой главе мы поговорим об этом подробнее.

Распространение демократии

Доступ к дешевой возобновляемой энергии откроет путь к материальному изобилию, но справедливое распределение благ возможно лишь при условии демократического устройства государства. К счастью, и в этом аспекте можно рассчитывать на синергетический эффект: развитие информационных технологий уже способствовало демократизации ряда стран. Распространение демократии, начавшееся в средневековой Англии, происходило параллельно с развитием технологий массового информирования и, вероятно, в значительной степени было обусловлено этими технологиями. Великая хартия вольностей, закрепившая, как известно, право простого люда не подвергаться несправедливому тюремному заключению, была составлена в 1215 году и подписана королем Иоанном 184. Однако на протяжении большей части Средних веков правами простого народа часто пренебрегали, и в политических процессах обычные люди участвовать не могли. Ситуация изменилась после изобретения Гутенбергом ручного печатного станка примерно в 1440 году. Его изобретение быстро нашло применение, и образованный класс получил возможность гораздо быстрее распространять новости и идеи185.

Печатный станок представляет собой яркий пример закона ускорения отдачи в информационных технологиях. Как мы уже обсуждали ранее, информационными считаются технологии, которые используются для сбора, хранения, обработки и передачи информации. Человеческая мысль – это тоже информация. С точки зрения теории, информация возникает там, где есть некий порядок в противовес полному хаосу. Чтобы выразить информацию в реальном мире, мы организуем физические объекты определенным образом, например, пишем буквы на бумаге. Любая идея – это некая абстрактная форма организации информации, и она может быть представлена на любом носителе: каменных скрижалях, пергаменте, перфокартах, магнитных лентах или в виде уровней напряжения внутри кремниевого микрочипа. При наличии достаточного запаса резцов и терпения можно было бы высечь на глиняных табличках исходный код Windows 11. Это звучит забавно, но хорошо подчеркивает, насколько важно выбрать подходящий носитель для информации, чтобы ее удобно было хранить, видоизменять и передавать. Некоторые задачи становятся выполнимыми только тогда, когда есть возможность выполнять все эти операции достаточно эффективно.

В эпоху Средневековья книги можно было копировать только одним способом – переписывая их вручную, что никак нельзя назвать эффективным процессом. Как следствие, передача письменной информации, а значит идей, обходилась невероятно дорого. Вообще говоря, чем больше идей возникает у человека или группы, тем легче им создавать новые. То же касается и технических инноваций. Поэтому технологии, облегчающие обмен идеями, способствуют появлению новых технологий, которые, в свою очередь, еще больше упрощают обмен информацией. Когда Гутенберг создал свой печатный станок, публиковать идеи стало намного дешевле. Впервые в истории представители среднего

По мере распространения знаний люди становились богаче и обзаводились политическими правами. Совещательные органы наподобие Палаты общин в Англии стали высказываться намного решительнее. Хотя верховная власть оставалась в руках короля, парламент получил право представлять возражения по поводу размера налогов и объявлять импичмент министрам186. Английская революция 1642–1651 годов привела к свержению монархии, которая затем была восстановлена, но уже в новой форме – ведущая роль отводилась парламенту. Впоследствии правительством был принят Билль о правах, окончательно утвердивший принцип, согласно которому король может править только с согласия граждан страны187.

До Войны за независимость США самой демократической страной в мире, хоть и пока далекой от истинной демократии, была Англия. Что характерно, она же могла похвастаться едва ли не самым высоким в мире уровнем грамотности населения188. Со времен падения Римской империи в I веке до нашей эры и до американской революции в ряде стран были учреждены выборные органы государственного управления. Однако их политический потенциал так и не был реализован, и постепенно они снова уступали место тирании. В средневековой Италии существовало несколько крупных торговых городов-республик, в частности Генуя и Венеция, но власть в них так или иначе принадлежала аристократам. Например, правители Венеции, известные как дожи, избирались в ходе сложного процесса, не оставлявшего шансов никому, кроме членов благородных семейств, и занимали свои посты пожизненно189. Речь Посполитая существовала с 1569 по 1795 год. В это время в ней действовала на удивление свободная и демократическая система, но участие в ней принимало только шляхетское дворянство. Простой люд и здесь не играл в политике никакой роли190.

Напротив, в Великобритании все взрослые свободные мужчины, которые владели жильем, хотя бы теоретически имели возможность голосовать. На практике обычно предъявлялись дополнительные требования к составу имущества, но, по крайней мере, право голоса не зависело от статуса при рождении. Действовавшие правила исключали из политического процесса довольно много людей, но все-таки это был важный шаг к всеобщему избирательному праву. Стоило людям осознать, что обстоятельства появления человека на свет не должны быть основанием для лишения его права голоса, загнать джинна обратно в бутылку стало невозможно. Неслучайно первые по-настоящему демократические системы возникли в американских колониях, хотя для этого и потребовалось победить в войне с Англией. Однако придерживаться этих принципов оказалось не так просто.

Всего лишь два века назад в США большинство граждан были лишены права активно участвовать в политической жизни. В начале XIX века избирательным правом обладали в основном взрослые белые мужчины, владевшие собственностью либо какими-либо финансовыми средствами. Большинство белых мужчин подходили под эти критерии, но женщины, афроамериканцы (миллионы которых оставались в рабстве) и коренные американцы были практически полностью исключены из политики191. Историки расходятся во мнениях о точном количестве жителей, имевших право голоса, однако считается, что доля политически активного населения составляла от 10 до 25 %192. Такая несправедливость сама по себе подготовила почву для будущих перемен – именно выборы стали основным инструментом для проведения реформ в США. Кроме того, существовавшие ограничения противоречили высоким идеалам, провозглашенным в основных государственных документах.

Несмотря на большие ожидания сторонников демократии, ее становление в XIX веке происходило не слишком быстрыми темпами. Либеральные революции 1848 года в Европе в основном провалились, а большинство реформ царя Александра II в России были отменены его преемниками193. К 1900 году всего 3 % населения земли жили в условиях демократии в ее современном понимании, поскольку даже в США женщины были лишены избирательного права, а афроамериканцы были вынуждены жить в условиях сегрегации. К 1922 году, вскоре после окончания Первой мировой войны, таковых было уже 19 %194. Однако волна фашизма снова поставила демократию под угрозу. В годы Второй мировой войны сотни миллионов людей оказались под властью тоталитарных режимов. Следует отметить, что для прихода к власти фашисты активно использовали средства массового информирования, а именно радио. Впоследствии эти же технологии применяли союзники по антигитлеровской коалиции, в которую входили демократические страны, – достаточно вспомнить вдохновляющие радиообращения Уинстона Черчилля в ходе операции «Блиц».

В послевоенные годы количество людей, живущих в условиях демократии, резко выросло, в основном за счет получивших независимость британских колоний в Азии, в первую очередь Индии. На протяжении холодной войны положение дел оставалось более-менее стабильным. В демократических странах жила примерно треть населения планеты195. Однако правительства, которые препятствовали демократическим переменам, сталкивались с нарастающим недовольством граждан. Жители этих стран были в курсе расцвета медийных технологий за железным занавесом, слушали пластинки «Битлз» и знали о существовании цветных телевизоров. С распадом Советского Союза демократические преобразования снова набрали обороты. К 1999 году 54 % населения земли жили в демократических государствах196.

В последние двадцать лет этот показатель претерпевал некоторые колебания: прогресс в одних странах сопровождался ухудшением ситуации в других. В то же время быстро набирал обороты несколько иной вид либерализации. К концу холодной войны около 35 % населения планеты проживало в отрезанных от остального мира автократиях – государствах с наиболее репрессивным политическим режимом197. К 2022 году эти цифры снизились до 26 %, что означает освобождение от тирании более 750 миллионов человек по всему миру198. Своим масштабом перемены во многом обязаны Арабской весне – череде неожиданных и сложных событий, в которых большую роль сыграли социальные сети и цифровые СМИ. В последующие годы важной задачей будет помочь странам, пребывающим в серой зоне между автократией и демократией, сделать решительный шаг в сторону демократического управления. Успех этой миссии будет во многом зависеть от того, насколько ответственно мы будем использовать ИИ для обеспечения доступности и достоверности информации и при этом сумеем помешать злоупотреблению его потенциалом со стороны авторитарных режимов ради установления тотального контроля и распространения дезинформации199.

История дает нам повод смотреть в будущее с большим оптимизмом. По мере того как совершенствовались технологии передачи информации, пройдя путь от телеграфа до социальных сетей, идеи демократии и гражданских прав из едва признаваемых превратились в надежду всего мира, а для половины жителей планеты – и вовсе в общепринятые нормы. Нет сомнений, что экспоненциальный прогресс во всех сферах жизни в ближайшие два десятилетия позволит наконец воплотить эти идеалы в

Мы подошли к участку стремительного роста экспоненты

Важно понимать, что прогресс, который мы до сих пор обсуждали, соответствовал начальным, то есть более пологим, участкам экспоненциальных кривых. В последующие 20 лет в компьютерных технологиях ожидается намного больше инноваций, чем за предыдущие 200. Влияние технических новшеств на общее благосостояние людей будет намного более значительным – на самом деле оно уже сейчас сильнее, чем многие из нас предполагают.

Фундаментальной тенденцией в этой связи является экспоненциальное улучшение соотношения цена/производительность вычислений, то есть увеличение количества операций в секунду, которые можно осуществить с помощью компьютера, затратив один доллар (с учетом инфляции). Первый программируемый компьютер Z2, построенный в 1939 году Конрадом Цузе, был способен выполнить всего лишь 0,0000065 операции в секунду на один доллар стоимости (в ценах 2023-го)201. В 1965 году компьютер PDP-8 уже показывал скорость 1,8 операции в секунду за доллар. В год выхода моей книги «Век разумных машин» (1990) компьютер MT 486DX выполнял 1700 операций в секунду. Когда девять лет спустя была издана книга «Век духовных машин», процессор Pentium III справлялся с 800 000. А в 2005-м (год выхода книги «Сингулярность уже близка») лучшие экземпляры Pentium 4 выполняли 12 миллионов операций в секунду. К тому времени, когда эта книга появится на полках (то есть в начале 2024-го), чипы Google Cloud TPU v5e достигнут быстродействия в 130 миллиардов операций в секунду за доллар! При этом эффективность доступных вычислительных мощностей для потребителей со сравнительно небольшими проектами и доступом в интернет будет еще на несколько порядков выше. Все потому, что облачный вычислительный модуль, способный выполнять квинтиллионы операций в секунду, можно будет арендовать за несколько тысяч долларов в час, вместо того чтобы строить и обслуживать собственный суперкомпьютер. Благодаря тому, что дешевые вычислительные мощности напрямую способствуют инновациям, в глобальном масштабе тенденция к росту производительности техники по отношению к цене сохраняется независимо от конкретной технологической парадигмы, связана ли она со стремлением уменьшить размер транзисторов или увеличить тактовую частоту.

Вычислительные системы, показавшие наилучшее соотношение цена/производительность

Однако даже такой впечатляющий прогресс может оставаться незамеченным. Пятого октября 2016 года на ежегодном собрании Международного валютного фонда в присутствии других видных экономистов Кристин Лагард, директор-распорядитель фонда, задала мне вопрос на сцене. Она спросила, почему мы не наблюдаем свидетельств обещанного экономического роста при всех необыкновенных технологиях, доступных в наше время. Я ответил, что мы маскируем этот фактор, учитывая его как в числителе, так и в знаменателе.

Когда африканский подросток покупает смартфон за 50 долларов, в статистику попадает сделка на 50 долларов. В действительности он купил такой набор вычислительной и коммуникационной техники, который в 1965 году стоил бы миллиарды долларов, а в 1985-м – миллионы. Процессор Snapdragon 810, типичный для смартфонов в ценовой категории до 50 долларов, выполняет в различных тестах в среднем три миллиарда операций с плавающей точкой в секунду (3 гигафлопса)203. Это соответствует производительности в 60 миллионов операций в секунду за один доллар. Самые мощные компьютеры, доступные в 1965 году, могли выдавать лишь 1,8 операции в секунду за доллар, а в 1985-м – примерно 220204. При таких показателях Snapdragon стоил бы 1,7 миллиарда долларов в 1965 году (с поправкой на общую инфляцию к 2023 году) и 13,6 миллиона в 1985-м.

Конечно, это довольно грубое сравнение, не учитывающее ряд важных технических аспектов. Строго говоря, возможности современного 50-долларового смартфона не были бы доступны ни за какие деньги ни в 1965-м, ни в 1985-м. Получается так, что традиционная статистика почти полностью игнорирует стремительное падение реальных цен в области ИТ. Например, стоимость вычислительной мощности, секвенирования генома и многих других технологий снижается примерно на 50 % в год. Рост отношения производительность/цена происходит отчасти за счет повышения производительности, отчасти за счет снижения цены. Благодаря этому мы каждый год получаем улучшенные товары по более низким ценам.

Если говорить о личном опыте, в 1965 году я учился в МТИ, и это был один из самых передовых вузов того времени – у нас уже были компьютеры. Отдельного упоминания заслуживает IBM 7094. Он имел объем памяти в 150 000 байт и мог выполнять четверть миллиона операций в секунду. Стоимость этого компьютера в 1963 году составляла 3,1 миллиона долларов, что эквивалентно 30 миллионам долларов в ценах 2023 года205. На нем работали тысячи студентов и преподавателей. Для сравнения, пока я писал эту книгу, вышел iPhone 14 Pro. Он стоит 999 долларов, а его производительность при работе с нейросетевыми приложениями составляет 17 миллиардов операций в секунду206. Хотя сравнение не совсем корректно, так как многие функции iPhone, заложенные в его цену, не имеют аналогов в IBM 7094, например фотосъемка, да и скорость iPhone заметно ниже в ряде приложений, но вывод ясен. Можно сказать, что iPhone в 68 миллионов раз превосходит IBM 7094 по быстродействию, будучи примерно в 30 000 раз дешевле. Что касается соотношения производительность/цена, у iPhone оно в 2 триллиона раз лучше.

Технический прогресс продолжается в прежнем темпе. Его скорость не связана только лишь с законом Мура, который гласит, что размеры элементов в микрочипах уменьшаются по экспоненциальному закону. МТИ приобрел построенный на транзисторах компьютер IBM 7094 в 1963 году, прежде чем микрочипы получили широкое распространение. Это произошло за два года до того, как Гордон Мур опубликовал свою эпохальную статью 1965 года, где впервые обнародовал свои наблюдения207. Несмотря на всю значимость закона Мура, он описывает лишь одну из ряда технологических парадигм, способных обеспечить экспоненциальный прогресс. Среди них – электромеханические реле, лампы, транзисторы, интегральные микросхемы и другие технологии, которые пока еще в разработке208.

Не менее важным фактором, чем вычислительные мощности, является доступ к информации. Будучи подростком, я подрабатывал разносчиком газет и за несколько лет накопил денег на покупку комплекта Британской энциклопедии, заодно увеличив ВВП страны на потраченную мной сумму. Сегодня любой подросток может взять смартфон и получить доступ к статьям куда более информативной «Википедии». Однако экономический эффект от этого равен нулю, поскольку доступ к ней бесплатный. Хотя качество статей «Википедии» не всегда соответствует стандартам Британской энциклопедии, у нее есть ряд других преимуществ: всеохватность – англоязычный сегмент «Википедии» в 100 раз больше Британской энциклопедии; актуальность пополняется в течение нескольких минут после произошедших событий, в отличие от бумажной энциклопедии, между изданиями которой

Продолжая нашу дискуссию, Лагард высказала мысль, что цифровые технологии, без сомнения, обладают рядом достоинств и полезных приложений, но все же информация не съедобна, ее нельзя на себя надеть, и поселиться в ней тоже не получится. Мой ответ был: пока еще нельзя. Уже сейчас производство и транспортировка материальных товаров отличаются большей эффективностью именно благодаря современным программно-аппаратным решениям. А в скором времени мы увидим, как производство пищи и одежды перейдет в разряд информационных технологий. Искусственный интеллект и автоматизация позволят значительно сократить затраты на материалы и производство210. Указанные товары, соответственно, должны будут существенно подешеветь, подобно тому как это сейчас происходит с компьютерными технологиями.

В конце 2020-х мы сможем печатать одежду и другие товары повседневного обихода на 3D-принтерах по очень низкой цене. Одной из ключевых тенденций в развитии 3D-печати стала миниатюризация: инженеры стремятся создать машины, которым будет под силу печать еще более мелких деталей. Рано или поздно существующие технологии 3D-печати, такие как экструзия материала (аналог струйной печати), будут вынуждены уступить место новым подходам, способным обеспечить еще большую точность производства. Вероятно, уже в 2030-х годах 3D-печать перейдет на уровень нанотехнологий, и мы сможем создавать объекты с точностью до атомов. По оценкам Эрика Дрекслера, автора книги «Тотальное изобилие» (2013)[1], конструирование с точностью до атомов позволит производить большинство предметов по цене около 20 центов за килограмм211. Это станет возможным благодаря использованию оптимизированных наноматериалов. Сложно сказать, насколько точен этот прогноз, но нет сомнений, что стоимость товаров существенно снизится. И, как мы уже видели на примере музыки, книг и фильмов, наряду с коммерческими проектами будет появляться все больше бесплатных. Более того, существование площадок с общедоступными моделями бок о бок с традиционным рынком станет характерной чертой многих секторов экономики.

Далее в этой главе мы обсудим, как с помощью принципов вертикального сельского хозяйства и контроля со стороны ИИ мы сумеем наладить производство высококачественной и дешевой еды без использования химикатов. Кроме того, мясо, выращенное из культуры клеток с полным соблюдением стандартов гигиены и этики, заменит неэкологичные животноводческие фермы. В 2020 году люди отправили на бойню 74 миллиарда особей животных мясных пород, общим весом 371 миллион тонн212. По оценкам ООН животноводство несет ответственность за 11 % годовых выбросов парниковых газов, вызванных деятельностью человека213. Технология выращивания мяса в лабораторных условиях способна устранить эти выбросы. Мясо натурального происхождения имеет ряд других недостатков: во-первых, его добыча связана с причинением страдания невинным существам; зачастую оно несет в себе риски для здоровья человека; неизбежным следствием его производства является токсические загрязнения и выбросы углекислого газа. Выращивание мяса «из пробирки» решает все эти проблемы. Нам не придется причинять боль живым существам, само мясо будет полезнее и вкуснее, а вред окружающей среде будет минимизирован благодаря передовым технологиям. Многое зависит от того, насколько правдоподобно будет выглядеть искусственное мясо. К 2023 году разработаны способы вырастить мясо без каких-либо визуальных черт наподобие характерной текстуры говядины. Полноценный стейк филе-миньон пока получить не удается. Как только выращенное в лаборатории мясо сможет стать полноценным аналогом натурального, большинство людей, как мне кажется, преодолеют свой скептицизм в отношении него.

Также мы подробнее поговорим о том, как в ближайшее время миллионам людей станет доступно недорогое жилье. Это произойдет благодаря технологиям модульного строительства жилых домов и других зданий. Подобные технологии уже успешно прошли испытания и в ближайшее десятилетие будут совершенствоваться и становиться массовыми. Параллельно с революцией в строительстве будет создаваться новая реальность – виртуальная, так называемая метавселенная 214. Долгое время об этой концепции за пределами научно-фантастических и футуристических кругов ничего не было известно. Однако в 2021 году крупная компания сменила наименование и объявила, что ее стратегической целью становится создание метавселенной. С тех пор технология у всех на слуху, а большинство людей уверены, что именно эта компания придумала саму идею метавселенной.

Сегодня интернет представляет собой обширную сеть взаимосвязанных веб-страниц и сервисов, которая постоянно развивается. Аналогичным образом в 2020-х годах виртуальная и дополненная реальности смогут образовать новый уровень окружающей нас действительности. Многие явления этого цифрового мира даже не будут иметь физического воплощения, поскольку их виртуальные версии окажутся полностью самодостаточными и функциональными до мельчайших деталей. Например, появится возможность проводить полностью виртуальные совещания, взаимодействуя с коллегами так, как будто вы все находитесь в одном помещении; сходить на виртуальный концерт, получив такие же впечатления, как если бы вы слушали музыкантов в настоящем симфоническом зале; отдохнуть всей семьей на виртуальном пляже, наслаждаясь шумом прибоя, любуясь морем и даже ощущая его запах.

Сегодня большинство мультимедийных технологий задействуют только наше зрение и слух. Системы виртуальной реальности, которые пытаются передать запахи или тактильные ощущения, до сих пор остаются довольно неудобными. Однако в ближайшие двадцать лет будет построен интерфейс мозг-компьютер, и тогда у нас появится возможность создавать виртуальные миры с полным погружением, посылая информацию от псевдоорганов чувств прямо в мозг пользователя. Трудно предсказать, как эта технология повлияет на то, каким образом мы предпочтем проводить свободное время и какой опыт захотим получить. Нам также предстоит переосмыслить мотивы, которые нами движут. Например, если у вас будет возможность совершить восхождение на Эверест в полностью виртуальном мире, познав красоту гор и борьбу со стихией, вы, возможно, задумаетесь, стоит ли рисковать и предпринимать то же самое в реальной жизни. Или, быть может, вам и хотелось это сделать ради ощущения опасности?

Другим возражением Лагард стало то, что земля никак не станет разделом информационных технологий, а людям уже слишком тесно. Я ответил, что мы сами выбрали жить в тесноте. Города возникли потому, что людям необходимо работать и развлекаться сообща. Но если сесть на поезд в любой точке мира, то можно увидеть, что почти вся обитаемая часть суши свободна – наше жилье занимает около 1 % доступной территории215. В целом в настоящее время используется только половина пригодных для освоения земель. И почти вся эта земля занята сельским хозяйством. Из всех используемых в сельском хозяйстве земель 77 % отведено под животноводство, пастбища и кормовые культуры. И только 23 % используется для выращивания пищи для людей216. Производство искусственного мяса и вертикальные фермы позволят нам производить

Мы уже начинаем жить по-новому, во многом из-за пандемии COVID-19, вынудившей нас адаптироваться к сложным условиям. На пике пандемии около 42 % американцев работали из дома217. Этот опыт, вероятно, окажет долгосрочное влияние на восприятие работодателями и работниками трудовых отношений. Во многих случаях модель работы в офисе с девяти до пяти давно себя изжила, но инертность и привычки не позволяли обществу внести назревшие изменения, пока пандемия нас к этому не подтолкнула. Закон ускорения отдачи в ближайшее время приведет к стремительному росту эффективности информационных технологий, благодаря чему изменения в обществе будут происходить еще быстрее.

Возобновляемая энергия скоро полностью заменит ископаемое топливо

Из всех изменений, которые мы увидим в 2020-х годах благодаря стремительному развитию технологий, наиболее значимыми станут преобразования в сфере энергетики, потому что от энергии зависят все остальные технологии. Солнечные электростанции уже доказали свою эффективность по сравнению с работающими на сжигаемом топливе, а связанные с ними издержки продолжают снижаться. Однако для дальнейшего увеличения мощности солнечных электростанций и уменьшения затрат потребуется разработка новых материалов. Применение искусственного интеллекта в сфере нанотехнологий поможет увеличить эффективность солнечных панелей за счет создания материалов, способных преобразовывать в электричество более широкую часть спектра солнечного излучения. И в этом направлении уже есть многообещающие результаты. Внедрение в солнечные элементы микроскопических структур – нанотрубок и нанопроводов – позволит увеличить их возможности по захвату фотонов, перемещению электронов и в конечном счете выработке электрического тока218. Предполагается, что использование нанокристаллов, включая квантовые точки, может значительно повысить эффективность преобразования света в электрический ток219.

Перспективным наноматериалом является так называемый черный кремний. Его поверхность покрыта множеством тончайших иголок, каждая из которых по размеру меньше длины световой волны220. Благодаря этому свет практически не отражается от поверхности, что позволит задействовать больше фотонов для генерации электричества. Ученые из Принстонского университета разработали другой метод увеличения КПД солнечных панелей. Для захвата фотонов они предложили использовать наноразмерную сетку из атомов золота толщиной около 30 миллиардных метра221. В то же время в МТИ были созданы солнечные панели из листов графена – слоя из атомов углерода толщиной менее одного нанометра222. Все эти технологии направлены на то, чтобы сделать фотоэлектрические панели более тонкими, легкими и пригодными для установки на любые поверхности. Например, компания Solar-Window Technologies разработала фотоэлектрическую пленку, которую можно наклеить на окна, чтобы вырабатывать электричество, не закрывая обзора223.

В ближайшем будущем нанотехнологии помогут снизить стоимость производства солнечных панелей, обеспечив возможность печатать их на 3D-принтерах. Такая децентрализация производства позволит создавать солнечные элементы прямо там, где они будут использоваться. В отличие от больших, жестких и неудобных в обращении панелей, которые нам доступны сегодня, построенные с помощью нанотехнологий смогут принимать более удобные формы: рулоны, пленки, покрытия и т. д. Это удешевит их монтаж и сделает солнечную энергетику доступной большему количеству людей.

В 2000 году доля возобновляемых источников, таких как солнечный свет, ветер, геотермальная энергия, приливы и биотопливо (без учета гидроэнергетики), в общем энергопотреблении составляла 1,4 %224. К 2021 году этот показатель увеличился до 12,85 %, удваиваясь каждые 6,5 лет225. В абсолютных цифрах рост идет быстрее, поскольку общее энергопотребление также увеличивается: в 2000 году этот показатель составлял 218 тераватт-часов, а в 2021-м – уже 3657 ТВт-ч, что соответствует удвоению за 5,2 года226.

Прогресс в этой области будет развиваться стремительно. Благодаря искусственному интеллекту, который будет помогать создавать новые материалы и разрабатывать схемы эффективных устройств, затраты на технологии будут снижаться. Если текущие темпы сохранятся, к 2041 году доля возобновляемых источников энергии в мировой энергосистеме может составить 100 %. Однако при составлении прогнозов важно понимать, что не все компоненты «зеленой» энергии дешевеют с одинаковой скоростью.

Стоимость выработки электричества с помощью солнечного излучения снижается быстрее, чем при использовании других возобновляемых источников. Солнечная энергетика также имеет самый большой потенциал для роста. Ближайшим конкурентом солнечному излучению в плане снижения затрат является энергия ветра, но за последние пять лет стоимость солнечных панелей падала вдвое быстрее, чем ветряных электростанций227. Что касается предела эффективности, то в этом аспекте у солнечных панелей больше перспектив. Современные технологии способны обработать порядка 20 % входящего потока энергии при теоретическом максимуме в 86 %, а успехи в материаловедении напрямую повышают эффективность фотоэлектрических панелей228. Максимального КПД достичь, конечно, не удастся, но улучшения будут существенные. В то же время ветряные электростанции имеют КПД около 50 %, что гораздо ближе к их теоретическому пределу в 59 %229. Поэтому, несмотря на все инновации, существенно улучшить эти системы уже не удастся.

В 2021 году 3,6 % электроэнергии в мире было получено из солнечного излучения230. На самом деле, всего одна десятитысячная того огромного потока солнечной энергии, который достигает Земли, могла бы обеспечить все наши сегодняшние энергетические потребности. Наша планета непрерывно получает около 173 000 ТВт энергии от Солнца231. Большую часть этой энергии мы не сможем использовать в обозримом будущем, но даже на современном уровне технологий солнечной энергии более чем достаточно, чтобы удовлетворить все наши нужды. В 2006 году ученые правительства США оценили общую мощность, которая была доступна с помощью существовавших на тот момент технологий, в 7500 ТВт232. Это соответствует количеству энергии в 6 570 000 ТВт-ч за целый год. Для сравнения, в 2021 году общее потребление энергии во всем мире составило примерно 165 320 ТВт-ч233. В эту величину входит электричество, отопление и энергия от всех видов топлива.

Доля солнечной энергетики в общем объеме потребляемой энергии в мире растет быстрее, чем других возобновляемых источников. В период с 1983 по 2021 год этот показатель удваивался примерно каждые 28 месяцев. За это время общее количество выработанной электроэнергии увеличилось примерно на 220 %234. С 2021 года, когда доля солнечной энергии составляла 3,6 %, до достижения 100 % потребовалось бы всего 4,8 таких удвоений. Это означает, что к 2032 году мы могли бы полностью удовлетворять свои потребности за счет энергии солнца. Хотя пока рано говорить о том, что солнечная энергетика станет единственным источником энергии, поскольку есть экономические и политические препятствия, очевидно, что ее влияние будет значительным.

Нам повезло, что самые обширные пустующие пространства на планете – пустыни – идеально подходят для размещения солнечных

Одной из ключевых проблем, с которыми сталкиваются при внедрении и развитии технологий солнечной энергетики, является отсутствие эффективных способов хранения электроэнергии. Ископаемое топливо обладает тем преимуществом, что его можно хранить в течение длительного времени и использовать только тогда, когда это необходимо для производства электроэнергии. Однако солнце светит только в дневное время, к тому же интенсивность его излучения меняется в зависимости от времени года. Поэтому нам необходимы эффективные решения для запасания солнечной энергии, чтобы иметь возможность использовать ее в любое время, когда возникнет такая необходимость. Это может произойти как через несколько часов, так и через несколько месяцев.

К счастью, эффективность и доступная емкость технологий хранения энергии также растут экспоненциально. Стоит отметить, что этот экспоненциальный рост не связан с фундаментальными причинами, такими как закон ускорения отдачи. Развитие технологий хранения энергии не зависит от формирования петель обратной связи, но активно поддерживается ростом сектора возобновляемых источников энергии, который, в свою очередь, испытывает косвенное влияние ЗУО, особенно в части солнечной энергетики. Причина в том, что информационные технологии играют большую роль в изобретении новых материалов для солнечных панелей. Благодаря инвестициям в развитие возобновляемой энергетики растет эффективность технологий в этой сфере, и усилия переносятся на разработку аккумуляторов, поскольку те необходимы для успешной конкуренции с традиционными системами, основанными на ископаемом топливе. Экспоненциальный рост обусловлен и успехами в материаловедении, роботизации производства, а также совершенствованием способов транспортировки грузов и передачи энергии. По-видимому, в 2030-х годах солнечная энергетика займет лидирующие позиции.

В настоящее время разрабатывается несколько перспективных подходов к хранению энергии, но пока не ясно, какой из них окажется наиболее экономически выгодным для применения в промышленных масштабах. Накапливать энергию в виде электричества затруднительно, поэтому ее приходится преобразовывать в другие формы до тех пор, пока она не понадобится. Среди возможных вариантов можно выделить предложения запасать энергию в форме тепла с помощью расплавленной соли; потенциальной энергии гравитации путем накачки воды в резервуар, расположенный высоко над землей; кинетической энергии вращающегося маховика; химической энергии, производя с помощью электричества водород, который при необходимости можно сжечь без вреда для окружающей среды236.

Большинство аккумуляторных батарей не годятся для хранения электроэнергии в промышленных масштабах. Однако литий-ионные аккумуляторы, а также батареи, использующие другие химические процессы, продолжают совершенствоваться. Например, с 2012 по 2020 год стоимость хранения 1 МВт-ч энергии с помощью литий-ионных аккумуляторов снизилась на 80 % и продолжает снижаться237. Когда новые технологии позволят еще сильнее снизить затраты на хранение электроэнергии, альтернативные источники энергии смогут стать основой энергетической системы, заменив ископаемое топливо238.

Вскоре мы сможем обеспечить доступ к чистой воде для всех

Одной из ключевых задач XXI века станет обеспечение растущего населения Земли надежными источниками чистой воды. В 1990 году около 24 % жителей планеты не имели постоянного доступа к безопасным источникам питьевой воды241. Благодаря достижениям в области строительства и новым технологиям это число сократилось примерно до 10 %242. Тем не менее водоснабжение остается одной из самых острых проблем. По данным Института показателей и оценки состояния здоровья, в 2019 году от желудочно-кишечных инфекций, связанных с употреблением зараженной кишечными бактериями воды, умерло 1,5 миллиона человек, в том числе 500 000 детей243. Наиболее опасными из этих заболеваний являются холера, дизентерия и брюшной тиф, которые представляют наибольшую угрозу для детей.

Основная проблема заключается в том, что на многих заселенных территориях до сих пор отсутствует необходимая инфраструктура для сбора, очистки и доставки пресной воды в дома, где люди могли бы пользоваться ей для питья, приготовления пищи, стирки и купания. Сооружение водопроводных сетей с колодцами, насосами, акведуками и трубами – это очень затратное дело. Правительства развивающихся стран не могут позволить себе такие проекты. К тому же политические сложности вплоть до гражданских войн также не способствуют реализации долгосрочных инфраструктурных инициатив. Из-за этого централизованные водопроводные и очистительные системы, подобные тем, что работают в развитых странах, не смогут обеспечить потребности оставшихся 10 % населения. Альтернативой становятся технологии, позволяющие получать очищенную воду в масштабах жилых комплексов или даже отдельных домохозяйств.

В целом в 2020-х годах и в будущем стремление к децентрализации станет двигателем прогресса во многих областях, в частности включая добычу энергии с помощью солнечных панелей, выращивание продуктов питания с использованием технологий вертикального сельского хозяйства и производство повседневных товаров путем 3D-печати. В сфере водоочистки существует несколько подходов: от машин размером с дом, таких как Janicki Omni Processor, которые могут обеспечить водой целый поселок, до портативных фильтрующих систем наподобие LifeStraw, предназначенных для индивидуального использования244.

Некоторые очистные системы используют тепловую энергию, которую можно получить от солнца или в результате сжигания топлива, для кипячения воды перед ее употреблением. Кипячение убивает болезнетворные бактерии, но не решает проблему других загрязнений. Кроме того, вода может быть повторно заражена, если ее не употребить сразу после кипячения. Добавление антибактериальных химикатов в воду помогает предотвратить повторное заражение, однако и этот метод не избавляет от токсичных веществ. В последние годы на рынке появились портативные очистители, в которых используется электричество для получения озона из кислорода в воздухе. Проходя через воду, озон эффективно уничтожает патогенные организмы245. В других устройствах для достижения той же цели применяется ультрафиолетовое излучение. Однако все эти способы не позволяют избавиться от химических загрязнений.

Еще один метод – фильтрация. Уже много лет существуют фильтры, которые эффективно удаляют из воды почти все микроорганизмы и токсины. Однако есть опасные вирусы, которые настолько малы, что могут проникать через поры фильтров246. Молекулы некоторых вредных веществ также не задерживаются фильтрационными элементами247. В последние годы ученые разрабатывают новые материалы, способные блокировать все более мелкие загрязнения. Фильтры, созданные в будущем с помощью нанотехнологий, будут отличаться высокой пропускной способностью, оставаясь относительно недорогими.

Одним из наиболее многообещающих изобретений стала система под названием Slingshot, разработанная Дином Кейменом (род. в 1951)248. Устройство представляет собой компактный аппарат, по размеру сравнимый с небольшим холодильником, и позволяет получать полностью очищенную воду, соответствующую стандартам для инъекционных растворов, из любых источников, включая даже канализационные стоки и грязные болота. Для работы устройству требуется менее одного киловатта электроэнергии. В основе его работы лежит парокомпрессионная дистилляция, при которой вода сначала

Вертикальное сельское хозяйство обеспечит нас недорогой высококачественной пищей и освободит земли, занятые под традиционные угодья

Большинство археологов сходятся во мнении, что сельское хозяйство зародилось около 12 000 лет назад. Однако есть отдельные свидетельства, что люди начали возделывать культуры еще 23 000 лет назад250. Возможно, в будущем появятся новые находки, которые потребуют коррекции этих оценок. Но когда бы ни началось земледелие, поначалу количество еды, выращиваемой на определенном участке, было весьма невелико. Первые фермеры просто бросали семена в неподготовленную почву и надеялись на дождь. При такой низкой эффективности процесса большинство населения было вынуждено заниматься сельским хозяйством, чтобы выжить.

Примерно за 6000 лет до нашей эры были изобретены оросительные системы. С тех пор поля получали больше воды, чем могли обеспечить дожди251. С помощью селекции людям удалось увеличить в размерах съедобные части растений и сделать их в целом более питательными. Удобрения восстанавливали свойства почвы и обогащали ее веществами, необходимыми для роста растений. Фермеры стали применять более продуманные методики посадки, что позволило им использовать земельные участки наиболее эффективно. Это привело к росту урожайности, и с течением времени все больше людей получали возможность заниматься другими делами, в частности, торговлей, наукой и философией. Некоторые из них создали изобретения, которые нашли применение в сельском хозяйстве. Таким образом, образовался положительный цикл обратной связи, ускоривший прогресс и сделавший возможными другие достижения нашей цивилизации.

Прогресс в сельском хозяйстве удобно отслеживать, замеряя плотность посевов: сколько урожая можно собрать с определенной площади. Например, за последние полтора века в США эффективность выращивания кукурузы увеличилась более чем в семь раз. В 1866 году американские фермеры в среднем собирали 24,3 бушеля кукурузы с каждого акра земли, а в 2021 году этот показатель составил уже 176,7 бушеля252. Эффективность использования земли растет по всему миру в геометрической прогрессии. Сегодня нам в среднем требуется на 30 % меньше площади для посевов, чем в 1961 году, чтобы собрать такой же урожай253. Эта тенденция стала ключевым фактором роста мирового населения и спасла человечество от массового голода, о котором так много говорили во времена моего детства.

Более того, благодаря высокой плотности посевов и использованию машин, которые взяли на себя большую часть некогда ручной работы, один фермер в состоянии вырастить столько урожая, сколько необходимо, чтобы прокормить 70 человек. В результате доля работников, занятых в сельском хозяйстве в США, снизилась с 80 % в 1810 году до 40 % в 1900 году, а на сегодняшний день составляет 1,4 %254.

Однако плотность посевов для заданной площади сельскохозяйственного участка уже приблизилась к максимально возможной. Одним из возможных решений этой проблемы является выращивание урожая в несколько слоев друг над другом – так называемое вертикальное сельское хозяйство 255. Вертикальные фермы задействуют ряд новых технологий256. Во-первых, урожай в них выращивают методом гидропоники, то есть вместо обычной почвы используют лотки с водой, богатой питательными веществами. Их размещают на специальных многоэтажных стеллажах, организованных таким образом, чтобы влага с верхних этажей капала на нижние и не расходовалась зря. На ряде ферм уже применяется новый подход, называемый аэропоникой: вместо воды в качестве питательной среды используется туман257. Чтобы каждое растение получало нужное количество света, всюду установлены светодиодные источники, и ферма не зависит от солнца. Одной из ведущих компаний в области вертикального сельского хозяйства является Gotham Greens. Она уже открыла десять крупных ферм от Калифорнии до Род-Айленда. К началу 2023 года компания привлекла 440 миллионов долларов от венчурных инвесторов258. Разработанная компанией технология позволяет «экономить 95 % воды и 97 % площади по сравнению с традиционными фермами» при той же урожайности259. Такие показатели не только способствуют сохранению водных ресурсов и освобождению земельных площадей (напомним, что сейчас примерно половина обитаемой поверхности суши занята сельскохозяйственными угодьями), но и позволяют в изобилии поставлять на рынок сравнительно недорогую еду260.

У вертикальных ферм есть и другие важные преимущества. Они не допускают утечки воды, устраняя тем самым одну из основных причин загрязнения водоемов. Кроме того, вертикальные фермы позволяют избежать рыхления почвы, что предотвращает попадание большого количества пыли в воздух. При таком способе производства нет необходимости в пестицидах, так как вредители не могут попасть на тщательно спроектированную ферму. К тому же урожай можно получать круглый год, включая культуры, которые в естественных условиях не могли бы вырасти в данной климатической зоне. Заодно удается избежать гибели урожая от морозов и непогоды. И, возможно, самое главное: можно выращивать необходимые культуры вблизи городов, чтобы не везти их на поездах и грузовиках за сотни и тысячи километров. По мере того как вертикальные фермы станут дешевле в обслуживании и получат более широкое распространение, загрязнение окружающей среды заметно сократится.

В ближайшие годы, благодаря достижениям в области солнечной энергетики, материаловедения, робототехники и нейросетевых технологий, вертикальное сельское хозяйство станет намного менее затратным, чем традиционное. Фермы будут получать энергию от солнечных батарей, производить удобрения на месте, добывать влагу из воздуха и собирать урожай с помощью автоматизированных систем. В будущем подобные предприятия смогут располагаться на небольшой площади и обходиться почти без участия работников. В результате себестоимость урожая упадет настолько, что люди смогут получать еду почти бесплатно.

Точно такой же эффект закон ускорения отдачи произвел в сфере информационных технологий. Стоимость вычислительных мощностей падала по экспоненте, и в результате новые платформы, такие как Google, смогли предоставлять людям свои услуги бесплатно, получая доходы от других бизнес-процессов, например, от продажи рекламы. Если использовать автоматизацию и нейронные сети для управления всеми аспектами работы вертикальной фермы, то производство еды можно будет считать одним из направлений информационных технологий.

Салат, выращиваемый на стеллажах на вертикальной ферме. Фото: Valcenteu, 2010

3D-печать произведет революцию в производстве и доставке материальных товаров

На протяжении большей части XX века для производства твердых трехмерных деталей использовались два основных варианта технологического процесса. Первый заключается в придании формы пластичному материалу. Примером может служить заливка расплавленного пластика в модельную оснастку или прессование нагретого металла. Другой метод основан на удалении лишнего материала из готового блока или листа, подобно тому как скульптор отсекает от мраморной глыбы все лишнее, чтобы получить статую. Оба подхода имеют свои недостатки.

В 1980-е годы зародился новый класс технологий261. В отличие от традиционных методов, этот способ подразумевал создание объектов путем последовательной укладки или напыления сравнительно тонких слоев материала одного за другим, так чтобы они постепенно формировали трехмерную структуру. Этот класс технологий получил название «аддитивное производство», «трехмерная печать» или просто «3D-печать».

Наиболее распространенные модели 3D-принтеров работают по принципу струйных262, в которых печатающая головка перемещается туда-сюда вдоль листа бумаги, распыляя чернила из картриджа через одно или несколько сопел в точках, заданных программным обеспечением. В 3D-принтерах вместо чернил используется пластик, который становится жидким при нагреве. Материал послойно укладывается через сопло в соответствии с заранее подготовленным цифровым шаблоном, постепенно создавая объемный объект. Когда деталь остывает, слои срастаются и набирают прочность. В последние 20 лет разработчики продолжали совершенствовать 3D-принтеры, добиваясь большего разрешения и скорости печати, а также снижения затрат263. На сегодняшний день системы 3D-печати способны создавать объекты из множества материалов, в том числе из бумаги, пластика, керамики и металла. В будущем достижения в этой области позволят освоить и более экзотические виды сырья. Например, можно будет создавать медицинские импланты со скрытой внутри дозой лекарства, которая будет постепенно высвобождаться. Из наноматериалов, таких как графен, получится производить легкую пуленепробиваемую одежду и сверхпроизводительную электронику. На сектор 3D-печати большое влияние окажут системы ИИ. Их задачей будет оптимизировать форму детали для достижения требуемых характеристик: прочности, аэродинамической эффективности и др. Кроме того, ИИ будет создавать чертежи объектов, которые невозможно произвести традиционными методами.

Новые приложения с интуитивно понятным интерфейсом позволяют людям легко создавать запчасти на 3D-принтере, не требуя долгого обучения. Широкое распространение 3D-печати в скором времени коренным образом преобразит производственный сектор. Одним из главных преимуществ новой технологии является возможность быстрого прототипирования. Инженер может спроектировать новую деталь на компьютере, и через несколько минут или часов готовая 3D-модель будет у него в руках – раньше на это уходили недели. Это позволяет провести несколько циклов тестирования и модификации модели в разы дешевле, чем с помощью традиционных технологий. Как следствие, люди с хорошими идеями, но без достаточного финансирования, смогут выводить свои продукты на рынок и приносить пользу обществу.

Еще одним важным преимуществом 3D-печати является возможность модифицировать детали под конкретный заказ, что было практически невозможно при использовании форм для литья. Даже небольшая доработка изделия требует изготовления новой формы, что иногда обходится в десятки тысяч долларов. Напротив, при 3D-печати даже существенные изменения модели не влекут за собой дополнительных расходов. В результате изобретатели получают именно те детали, которые им нужны, а потребители – товары, изготовленные по индивидуальному заказу. Примером может служить изготовление идеально сидящей обуви на основе точных замеров ноги клиента. Лидером среди производителей обуви методом 3D-печати является компания FitMyFoot, которая разработала приложение, позволяющее по нескольким фотографиям ноги клиента рассчитать параметры для печати264. Аналогично изготавливается мебель, которая учитывает особенности строения тела клиента, а инструменты получают ручку, идеально подходящую для вашей кисти265. Что гораздо более важно, медицинские импланты станут более доступными и качественными266.

Напечатанный на 3D-принтере титановый межпозвонковый диск, который может быть имплантирован пациентам с повреждениями или заболеваниями позвоночника. Фото: Майкл Дж. Эрмарт, 2015. Предоставлено Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов (FDA)

Вдобавок ко всему 3D-печать открывает возможности для децентрализации производства. Она позволяет передать часть или весь производственный процесс пользователям или местным подрядчикам. Это в корне меняет практику, сложившуюся в XX веке, когда производство было сосредоточено на гигантских заводах в крупных городах. В таких условиях жители небольших городов и развивающихся стран вынуждены заказывать товары, произведенные очень далеко от места их жительства, тратя деньги и теряя время из-за пересылки. Рассредоточенное производство также благотворно отразится на окружающей среде. Транспортировка товаров с завода, расположенного в сотнях тысяч километров, приводит к огромным выбросам парниковых газов. По данным Международного транспортного форума, на контейнерные перевозки приходится 30 % выбросов углекислого газа, образующегося при сжигании топлива267. Децентрализация производства избавит нас от необходимости перевозить существенную часть товаров.

С каждым годом возможности 3D-печати растут, а издержки технологии сокращаются268. По мере увеличения разрешения, то есть уменьшения размера элементов, которые можно напечатать, и снижения затрат расширяется спектр товаров, которые целесообразно изготавливать таким способом. Например, нити многих современных тканей имеют диаметр от 10 до 22 микрон (миллионных метра)269. Уже существуют 3D-принтеры, способные печатать с разрешением в 1 микрон и даже меньше270. Как только нам удастся печатать нити нужной толщины из материалов, по свойствам напоминающих ткань, причем по цене обычной ткани, сразу станет экономически выгодным печатать любую одежду по нашему желанию271. А учитывая растущую скорость печати, производство большими партиями станет вполне практичным272.

Помимо производства товаров повседневного спроса, таких как обувь и инструменты, ведутся активные исследования по применению 3D-печати в биологии. Ученые испытывают технологии, которые позволят создавать ткани человеческого организма, а затем и полноценные органы273. Процесс создания органа включает в себя несколько этапов. Сначала из биологически инертного материала, например синтетического полимера или керамики, печатается трехмерный «каркас» в форме нужного органа. Затем каркас покрывают жидкостью, содержащей перепрограммированные стволовые клетки. Эти клетки, размножаясь, заполняют форму, создавая в итоге запасной орган на базе ДНК самого пациента. Компания United Therapeutics, членом совета директоров которой я являюсь, ставит перед собой цель однажды научиться таким образом выращивать легкие, почки и сердце274. Этот метод имеет ряд неоспоримых преимуществ перед трансплантацией органов от одного человека другому. Во-первых, органы не придется ждать и они не будут стоить так дорого, а во-вторых, полностью исключается риск отторжения импланта иммунной системой пациента275.

Одной из отрицательных сторон 3D-печати является то, что эту технологию можно применять для изготовления контрафактной продукции. Зачем платить 200 долларов за пару дизайнерских ботинок, если можно скачать нужный файл и распечатать их у себя дома гораздо дешевле? Мы уже столкнулись с проблемой кражи интеллектуальной собственности в музыкальном, книжном и кинобизнесе, а также в других областях творчества. По-видимому, нам потребуются новые подходы к защите авторских прав276.

Еще одной серьезной проблемой станет появление у людей возможности изготавливать оружие, которое раньше было сложно получить из-за централизованных процессов производства. Уже сейчас в интернете можно найти файлы, позволяющие самостоятельно распечатать детали для пистолета277. Это может

3D-печать зданий

Обычно 3D-печать ассоциируется с производством небольших предметов, таких как инструменты или медицинские импланты. Однако эта технология так же позволяет создавать более крупные конструкции, включая здания. Сейчас 3D-печать зданий находится на стадии разработки, но в будущем она может стать доступной и превратиться в коммерчески привлекательную альтернативу традиционному строительству. В конце концов 3D-печать как крупных строительных блоков, так и более мелких структурных элементов зданий поможет значительно снизить стоимость строительства домов и офисов.

Существуют два основных подхода к строительству зданий с помощью 3D-печати. Первый заключается в изготовлении отдельных деталей или модулей, которые затем собираются в единое целое, подобно тому как люди сами собирают мебель из IKEA 278. В некоторых проектах предполагается печатать целые участки стен или крыши, а затем собирать их на стройплощадке, как конструктор Lego. В конце 2020-х годов сборку модулей смогут взять на себя роботы.

Во-вторых, существует возможность печатать целые комнаты или модульные отсеки279. Такие модули обычно имеют квадратное или прямоугольное сечение и могут соединяться друг с другом, образуя разнообразные конфигурации. На стройплощадке их можно быстро установить на место с помощью крана. Это позволит свести к минимуму количество строительного мусора, а также неудобства, которые стройка обычно создает для живущих в окрестности. В 2014 году китайская компания WinSun продемонстрировала процесс возведения 10 модульных домов всего за 24 часа. При этом стоимость каждого дома была менее 5000 долларов280. Китай уже стал центром строительной 3D-печати и в ближайшие десятилетия будет остро нуждаться в улучшенных версиях этой технологии.

Альтернативным подходом является строительство целого дома как единого модуля, напечатанного по индивидуальному проекту281. Инженеры устанавливают на выделенной для здания площадке большую раму, на которой будет перемещаться сопло, укладывая слои материала, например бетона, на месте будущих стен. Возведение основного каркаса почти не требует ручного труда, но после завершения «коробки» рабочие должны будут установить окна и завершить кровельные и отделочные работы. В 2016 году компания HuaShang Tengda за 45 дней успешно напечатала двухэтажную виллу как единый модуль282. Сейчас эта технология начинает набирать популярность в США. В 2021 году фирма Alquist 3D построила первый дом для стороннего заказчика с помощью 3D-печати, а в 2023-м был возведен первый многоэтажный дом в Хьюстоне283. К концу десятилетия комбинация технологий 3D-печати больших и малых объектов и робототехники значительно расширит возможности строительства уникальных зданий, одновременно снизив его себестоимость.

Модульная 3D-печать зданий имеет ряд преимуществ, которые будут только расти по мере развития технологии. Прежде всего, она позволяет существенно снизить трудозатраты, что сделает базовые дома более доступными по цене. Сроки строительства значительно сокращаются, что, в свою очередь, снижает нагрузку на окружающую среду. На такой стройке будет меньше мусора и отходов, светового и шумового загрязнения, токсических выбросов, производственных опасностей для рабочих. Кроме того, она также будет создавать меньше препятствий дорожному движению. К тому же 3D-печать позволит использовать доступные в данной местности материалы для строительства зданий, вместо того чтобы везти за сотни километров такие стройматериалы, как лес или металл.

В будущем 3D-печать станет эффективным инструментом для ускорения и удешевления строительства небоскребов. Одной из ключевых проблем, с которой сталкиваются при возведении высотных зданий, является подъем рабочих и материалов на верхние этажи. Станок для 3D-печати в сочетании с автономными роботами сможет эффективно работать с материалами, которые будут подаваться с земли в жидкой форме, что проще и экономнее.

Примерно к 2030 году мы научимся компенсировать старение заботой о себе

Материальное благополучие и жизнь в демократическом обществе, несомненно, приносят нам пользу. Однако нет ничего более ценного, чем возможность жить дольше. В главе 6 мы еще поговорим о том, как старый метод поиска лечения путем проб и ошибок уходит в прошлое, уступая место экспоненциальному прогрессу на базе информационных технологий. С их помощью мы можем в каком-то смысле обновить нашу несовершенную программу жизни.

Биологические организмы не идеальны, потому что эволюция – это процесс, основанный на случайности, а оптимизация происходит путем естественного отбора. Таким образом, в ходе «исследования» различных генетических наборов эволюция во многом полагалась на удачу и зависела от специфических условий окружающей среды. Кроме того, поскольку развитие происходит постепенно и последовательно, набор признаков может закрепиться в ходе эволюции только при условии, что все промежуточные варианты тоже предоставляли организму конкурентное преимущество в его среде обитания. Поэтому можно с уверенностью сказать, что существует множество потенциальных свойств, которые весьма бы нам пригодились, но получить их в ходе эволюционного процесса невозможно, поскольку в недостроенном виде они непригодны. С другой стороны, используя интеллект – естественный или искусственный – мы можем тщательно изучить все возможные варианты генетического набора и выявить наиболее подходящие особенности, которые дают наибольшее преимущество. В том числе те, которые не могут быть достигнуты путем биологической эволюции.

С 2003 года, когда был завершен проект «Геном человека», технологии секвенирования генома развиваются с невероятной скоростью – каждый год отношение производительности к цене удваивается. Если говорить об определении пар нуклеотидов, то стоимость этого процесса снижается в два раза каждые 14 месяцев начиная с 1971 года, когда был расшифрован первый участок ДНК284. Таким образом, мы достигли той точки на экспоненциальной кривой развития биотехнологий, когда ее подъем становится особенно стремительным.

Мы уже начали использовать ИИ для создания медикаментов и планирования хирургических операций. К концу 2020-х годов биологические симуляторы достигнут такого уровня, что смогут оценивать безопасность и эффективность препаратов всего за несколько часов, а не лет, как это происходит в ходе клинических испытаний. Переход от исследований на людях к проверкамin silicoбудет происходить в условиях напряженного противостояния. С одной стороны, нас будут волновать вопросы безопасности: мы не хотим, чтобы моделирование упустило важные медицинские аспекты и заставило нас ошибочно признать опасное вещество допустимым к употреблению. С другой стороны, компьютерная симуляция позволит нам проводить испытания на гораздо большем количестве моделей пациентов с разными демографическими данными и изучить действие лекарства при различных сопутствующих заболеваниях. Таким образом, врачи будут заранее знать, как препарат отразится на состоянии каждого конкретного пациента. Кроме того, чем скорее мы выведем лекарство на рынок, тем больше жизней сможем спасти. Переход на компьютерные исследования сопряжен с определенными политическими и бюрократическими

Рассмотрим два наглядных примера, когда проведение тестовin silicoможет дать значительные преимущества:

– Иммунотерапия является многообещающим методом терапии онкологических заболеваний, который позволил многим пациентам с четвертой стадией рака, обычно считающейся неизлечимой, достичь ремиссии285. Одним из примеров такой терапии является CAR-T, которая перепрограммирует клетки иммунной системы человека, заставляя их распознавать и уничтожать раковые клетки286. Однако прогресс в этой области сдерживается нашим неполным пониманием биомолекулярных механизмов, с помощью которых рак способен обходить иммунную систему. Однако ИИ может помочь преодолеть этот барьер.

– С помощью индуцированных плюрипотентных стволовых клеток (ИПСК) мы приблизились к решению проблемы, с которой сталкиваются большинство пациентов, перенесших инфаркт. Это состояние, известное как «низкая фракция выброса», стало причиной смерти и моего отца. Сегодня мы уже научились выращивать органы, используя ИПСК – клетки взрослого организма, которые были возвращены в состояние стволовых клеток с помощью специальных генов. К 2023 году у нас получалось использовать ИПСК для регенерации трахеи, черепно-лицевых костей, сетчатки, периферических нервов и кожи, а также для восстановления тканей крупных органов, таких как сердце, печень и почки287. Поскольку стволовые клетки в некоторых аспектах похожи на раковые, одним из ключевых направлений наших исследований станет поиск путей предотвращения их неконтролируемого деления. ИПСК могут выполнять функции эмбриональных клеток и превращаться практически в любые другие клетки организма. Эта технология все еще находится на экспериментальной стадии, но уже успешно опробована на живых пациентах. В случае сердечно-сосудистых заболеваний процесс выглядит следующим образом: из клеток самого пациента создаются ИПСК, из которых затем выращивают ткани сердечной мышцы и трансплантируют их в поврежденное сердце. Предположительно, ИПСК выделяют факторы роста, стимулирующие регенерацию и других тканей сердца. По сути, они как бы обманывают сердце, заставляя его «думать», что организм еще находится на стадии эмбриона. Эту процедуру можно применять к самым различным биологическим тканям. Как только мы поймем механизмы работы ИПСК с помощью ИИ, регенеративная медицина получит в свое распоряжение метод восстановления организма по его собственным чертежам.

С появлением таких технологий представление о прогрессе в медицине и геронтологии как о линейном процессе развития утратит свою актуальность. Наша интуиция и ретроспективный анализ заставляют предполагать, что в следующие двадцать лет количество достижений будет примерно таким же, как и в предыдущие. Однако мы не замечаем, что прогресс идет в геометрической прогрессии. Постепенно начинает распространяться осознание того, что радикальное увеличение продолжительности жизни уже не за горами. Однако большинство людей – как пациентов, так и врачей – до сих пор не знают о новых возможностях, которые у нас появляются для перепрограммирования нашей «отсталой» биологии.

Как я уже упоминал в этой главе, в 2030-х годах нас ожидает новая революция в области здравоохранения, которую мы с доктором Терри Гроссманом в своей книге о здоровье назвали третьим мостом на пути к значительному увеличению продолжительности жизни. Речь идет о медицинских нанороботах. С их помощью мы сможем значительно расширить возможности нашей иммунной системы. Наша естественная линия обороны, одним из ключевых элементов которой являются Т-лимфоциты, способные избирательно уничтожать вредоносные микроорганизмы, эффективно защищает нас от множества патогенов. Без нее мы бы не выжили. Однако она развивалась, когда мы жили в условиях постоянного дефицита пищи и других ресурсов, а большинство людей погибали молодыми. Первые люди рожали детей в юном возрасте и умирали, не дожив и до тридцати лет. Поэтому у эволюции не было причин развивать иммунитет против угроз, с которыми мы сталкиваемся в пожилом возрасте, таких как онкологические и нейродегенеративные заболевания, которые часто вызываются неправильно свернутыми белками – прионами. Кроме того, поскольку многие смертельные вирусы передаются через домашний скот, наши предки, которые не занимались его разведением, не могли выработать специфический иммунитет к этим инфекциям288.

Нанороботы будут запрограммированы не только уничтожать все виды патогенов, но и заодно устранять проявления болезней обмена веществ. Все наши крупные органы, за исключением сердца и мозга, выделяют в кровь или выводят из нее различные вещества. Некоторые заболевания возникают из-за нарушения этих процессов. Например, диабет первого типа связан с неспособностью клеток поджелудочный железы вырабатывать инсулин289. Медицинские нанороботы будут следить за уровнем веществ в крови, таких как гормоны, питательные вещества, кислород, углекислый газ и токсины. В случае необходимости они смогут регулировать эти уровни, дополняя или даже подменяя таким образом работу части органов. К концу 2030-х годов такие технологии позволят нам практически исключить некоторые заболевания и замедлить процессы старения в организме.

В 2020-х годах ожидаются значительные открытия в фармакологии и нутрициологии, в основном благодаря продвинутому ИИ. Их будет еще недостаточно, чтобы победить старение, но часть людей сумеет дожить до перехода через третий мост. В 2030-х годах наиболее информированные и дисциплинированные люди достигнут «скорости убегания от старения»: каждый год будет приносить открытия, которые позволят продлить срок жизни больше чем на 365 дней. В каком-то смысле мы перевернем песочные часы, отсчитывающие срок нашей жизни.

Четвертым мостом на пути к бессмертию станет возможность создавать резервные копии самих себя, подобно тому как сейчас мы поступаем с цифровыми архивами. Когда мы дополним нашу биологическую новую кору правдоподобной (но намного более скоростной) цифровой имитацией в облаке, наше мышление станет гибридным: не только привычным нам биологическим, но еще и компьютерным. Причем возможности цифровой составляющей будут расти экспоненциально, и в конце концов она не просто станет доминирующей, но и сможет полностью понять принципы работы биологической части и смоделировать ее, позволив нам создать резервную копию всего нашего мышления. Это вполне реалистичный сценарий для 2040-х годов, когда мы приблизимся к Сингулярности.

В конечном счете наша цель – взять судьбу в свои руки и жить так долго, как мы сами того пожелаем, а не полагаться на волю случая. Может ли кто-нибудь осознанно выбрать смерть? Исследования показывают, что люди, решившиеся на самоубийство, как правило, испытывают невыносимую боль, физическую или душевную290. Хотя достижения медицины и нейробиологии, вероятно, не смогут полностью исключить такие ситуации, они, безусловно, сократят их количество.

А может ли в принципе человек умереть, если у него есть резервная копия разума? Уже сегодня облачные сервисы создают несколько копий всех содержащихся в них данных, а к 2040-м годам возможности для хранения информации ощутимо вырастут. Удалить абсолютно все свои копии будет практически невозможно. Если системы архивирования разума будут допускать удаление резервных копий по желанию пользователя (например, если тот захочет большей самостоятельности), это неизбежно создаст дополнительные угрозы безопасности. Человека можно обмануть

Если же вы загрузите свою резервную копию после биологической смерти, воскресите ли вы тем самымсебя? Как мы уже обсуждали в главе 3, этот вопрос относится к категории философских, а не научных. Многие из наших современников еще при жизни столкнутся с необходимостью его решения

Наконец, стоит обсудить этические аспекты, касающиеся вопросов справедливости и неравенства. Часто звучит возражение, что только богатые люди смогут позволить себе бессмертие. В ответ я хочу привести пример мобильных телефонов. Тридцать лет назад сотовый телефон был доступен лишь избранным, при том что качество связи оставляло желать лучшего. Сегодня в мире миллиарды смартфонов, которые способны на гораздо больше, чем просто телефонный звонок. Они стали нашей внешней памятью и предоставляют доступ практически ко всем знаниям человечества. Подобные технологии всегда начинают с высокой цены и ограниченной функциональности. Но когда они достигают зрелости, то становятся доступными почти для всех. Причиной этому служит не что иное, как экспоненциальное улучшение соотношения цена/производительность – неотъемлемая часть прогресса информационных технологий.

Прилив поднимает все лодки

В этой главе я старался показать, что, вопреки распространенному мнению, жизнь большинства людей на Земле становится все лучше и лучше. Очень важно, что так происходит не случайно. За последние два века нами достигнуты огромные успехи во многих сферах жизни: развитие грамотности, повышение уровня образования и гигиены, увеличение продолжительности жизни, переход на «зеленую» энергетику, сокращение бедности, снижение уровня насилия и распространение демократии. Все перечисленные достижения обусловлены одним фундаментальным принципом: информационные технологии ускоряют свое собственное развитие. Это наблюдение, лежащее в основе закона ускорения отдачи, объясняет возникновение циклов положительной обратной связи, которые столь глубоко преобразили нашу жизнь. Ключевым объектом в информационных технологиях является идея. Именно благодаря экспоненциальному росту наших возможностей создавать идеи и делиться ими у нас появляется энергия – в самом широком смысле – для реализации нашего человеческого потенциала и совместного решения самых сложных проблем, стоящих перед обществом.

Экспоненциальное развитие информационных технологий и есть тот самый прилив, который поднимает все лодки наших будущих проектов. В настоящее время мы вступаем в эпоху, когда этот процесс ускорится до невиданных прежде темпов. Двигателем прогресса станет искусственный интеллект. Он уже помогает нам перевести многие сферы деятельности, развитие которых до сих пор шло по линейному закону, в разделы информационных технологий, эффективность которых растет в геометрической прогрессии. Примерами могут служить сельское хозяйство, медицина, промышленное производство и землепользование. Именно этот процесс приведет в ближайшее время к фундаментальным улучшениям в качестве нашей жизни.

Человечество на протяжении веков и тысячелетий стремилось к более сытой, приятной и безопасной жизни. Мы не можем даже представить, как трудно было людям всего лишь сто лет назад, не говоря уже о более ранних эпохах. В последние десятилетия мы достигли значительных успехов, а в ближайшем будущем нас ждет такой фундаментальный прогресс, который сейчас кажется нам невероятным.

Глава 5. Рынок труда в будущем: благополучие или кризис?

Новая революция

В ближайшие два десятилетия новые технологии, развиваясь и дополняя друг друга, принесут невиданное процветание и изобилие ресурсов для всего мира. Однако эти же силы полностью перевернут мировую экономику, вынудив общество лихорадочно адаптироваться к новым реалиям.

В 2005 году, когда вышла моя книга «Сингулярность уже близка», агентство DARPA выделило грант в размере двух миллионов долларов команде из Стэнфорда, которая выиграла соревнования по разработке беспилотных автомобилей1. В то время автономное вождение казалось чем-то из области научной фантастики, и даже среди экспертов мало кто ожидал появления этой технологии раньше следующего века. Однако когда компания Google запустила подобный проект на основе ИИ, результаты не заставили себя ждать. В итоге была создана дочерняя компания Waymo, которая к 2020 году смогла предоставить жителям окрестностей Финикса, а затем и Сан-Франциско полностью беспилотную службу такси2. К тому времени, когда вы будете читать эту книгу, компания, вероятно, расширит свою деятельность на Лос-Анджелес и, быть может, несколько других городов3.

Беспилотные автомобили Waymo уже преодолели более 20 миллионов километров (на момент написания книги – это число продолжает расти!)4. Основываясь на данных, собранных во время реальных поездок, Waymo разработала и тщательно настроила реалистичный симулятор – виртуальную среду, которая имитирует все дорожные ситуации и условия.

Эти два разных режима обучения – в реальных поездках и на компьютерных симуляциях – имеют свои преимущества и недостатки, но при этом прекрасно дополняют друг друга. Вождение по настоящим дорогам обеспечивает максимальную реалистичность и заставляет ИИ сталкиваться с непредвиденными ситуациями, которые инженеры не могли бы заранее представить и заложить в программу. При этом, когда ИИ совершает ошибки в реальном мире, у разработчиков нет возможности остановить дорожное движение и попросить всех водителей повторить те же маневры только на более высокой скорости.

Вождение в виртуальном пространстве, напротив, позволяет провести огромное количество испытаний и специальными методами оптимизировать параметры, чтобы автомобиль безупречно вел себя в заданных условиях. Кроме того, моделирование аварийных ситуаций, которые в реальном мире могли бы быть слишком опасными для тренировки ИИ, позволяет проверить систему на миллионах различных дорожных сценариев. Это помогает выявить ключевые проблемы, с которыми беспилотный автомобиль может столкнуться в реальном мире.

Статистика компании Waymo дает наглядное представление, насколько эффективно моделирование по сравнению с реальным опытом вождения. В 2018 году виртуальные автомобили компании проезжали ежедневно столько километров, сколько их реальные прототипы за всю историю проекта начиная с 2009 года. Согласно последним опубликованным данным, в 2021 году это соотношение оставалось неизменным: около 20 миллионов виртуальных миль в день против 20 миллионов миль на реальных дорогах с самого начала работы5.

Как мы обсуждали в главе 2, подобные симуляторы способны генерировать обучающие выборки достаточного размера для тренировки глубоких нейронных сетей, которые могут содержать сотни слоев. Компания DeepMind, дочерняя структура Alphabet, успешно применила этот подход для обучения нейросети, которая превзошла лучших игроков в го6. Моделирование поездок на автомобиле – задача гораздо более сложная, но Waymo удалось применить аналогичную тактику. Их алгоритмы были обучены на основе 20 миллиардов миль симулированного вождения7 – этого оказалось достаточно, чтобы

Водителей автомобилей, автобусов и грузовиков этот факт, вероятно, заставит задуматься. В США примерно 2,7 % работников заняты вождением какого-либо транспорта8. Согласно последним данным, в этой профессии занято 4,6 миллиона человек9. Хотя пока неизвестно, насколько быстро системы автопилота смогут заменить водителей, можно с уверенностью сказать, что многие из них могут потерять работу еще до выхода на пенсию. Заметим, что автоматизация в этой сфере по-разному повлияет на разные регионы страны. В крупных штатах, таких как Калифорния и Флорида, водители составляют менее 3 % рабочей силы. В то же время в Айдахо и Вайоминге их доля превышает 4 %10. В отдельных районах Техаса, Нью-Джерси и Нью-Йорка количество водителей может достигать 5, 7 или даже 8 %11. Большинство из них – это мужчины среднего возраста, не имеющие высшего образования12.

Но беспилотные автомобили оставят без работы не только тех, кто непосредственно сидит за рулем. Когда водителей заменит автопилот, исчезнет потребность в специалистах, которые следят за их рабочим графиком, работниках магазинов и мотелей вдоль трасс, уборщиках туалетов для дальнобойщиков и работницах сферы сексуальных услуг. Хотя мы предполагаем, что такие изменения произойдут, пока сложно оценить, в какой степени и как быстро автоматизация повлияет на рынок труда. Однако стоит иметь в виду, что по данным Бюро статистики перевозок за 2021 год в сфере грузоперевозок занято около 10,2 % всех работников в США13. Даже небольшие колебания в таком крупном секторе экономики произведут масштабный эффект.

Вождение автомобиля – это лишь одна из многих профессий, которые в ближайшее время окажутся под угрозой из-за развития ИИ, способного обучаться на огромных массивах данных. В резонансной статье 2013 года ученые из Оксфордского университета Карл Бенедикт Фрей и Майкл Осборн составили список примерно из ста профессий, оценив для каждой из них вероятность автоматизации соответствующего рабочего процесса к началу 2030-х годов14. По их мнению, с 99 %-ной вероятностью будут компьютеризированы функции специалистов по телефонным продажам, страховых агентов и составителей налоговых деклараций15. В целом больше половины профессий были отмечены как имеющие более чем 50 %-ную вероятность автоматизации16.

Наибольшему риску потери работы подвержены работники производства, службы поддержки клиентов, банковского сектора, а также, разумеется, водители легковых автомобилей, грузовиков и автобусов17. В относительной безопасности оказались профессии, подразумевающие близкое общение между людьми, такие как социальный работник, трудотерапевт и пр.18

За десять лет, прошедших с момента публикации этой статьи, накопилось достаточно информации, чтобы подтвердить основные выводы ее авторов. В 2018 году Организация экономического сотрудничества и развития (ОЭСР) опубликовала доклад, в котором оценила вероятность автоматизации отдельных задач в рамках каждой профессии. Результаты этих оценок совпали с мнением Фрея и Осборна19. Согласно докладу, 14 % рабочих мест в 32 странах с вероятностью 70 % исчезнут в последующие 10 лет из-за автоматизации. Еще 32 % рабочих мест окажутся под угрозой с вероятностью более 50 %20. Таким образом, в этих странах под сокращение могут попасть 210 миллионов рабочих мест21. Действительно, отчет ОЭСР за 2021 год показал, что наем сотрудников на должности из этого списка значительно замедлился22. Причем эти исследования проводились еще до появления таких популярных инструментов на основе генеративного ИИ, как ChatGPT и Bard. Согласно последним исследованиям, проведенным компанией McKinsey в 2023 году, в развитых странах уже 63 % рабочего времени тратится на задачи, которые могли бы быть автоматизированы на современном уровне развития технологий23. Если внедрение технических новшеств будет происходить достаточно быстро, то к 2030 году роботы смогут выполнять половину этой работы. Хотя в McKinsey убеждены, что более реалистичный прогноз – 2045 год, но эта дата определена, исходя из того, что серьезных прорывов в сфере ИИ не произойдет. Но мы уверены, что развитие нейросетей будет продолжаться экспоненциально, пока ИИ не достигнет уровня, превышающего возможности человека. К 2030 году, по всей видимости, ИИ будет полностью автономно управлять процессами производства, создавая предметы с точностью до атомов.

Человечество не первый раз сталкивается с проблемой массового исчезновения профессий, вызванного автоматизацией. Эта история уходит корнями в начало XIX века, когда ткачи из Ноттингема столкнулись с угрозой потери работы из-за появления механических ткацких станков и другого оборудования24. Долгое время они зарабатывали себе на жизнь тем, что мастерски изготавливали чулки и кружево, передавая семейный бизнес из поколения в поколение. Однако технические инновации привели к тому, что экономические рычаги оказались в руках владельцев станков.

Доподлинно неизвестно, существовал ли на самом деле человек по имени Нед Лудд, но легенда гласит, что однажды он случайно повредил ткацкий станок на фабрике. С тех пор любые поломки техники, как непреднамеренные, так и в знак протеста, связывались с его именем25. В 1811 году вконец отчаявшиеся ткачи собрали партизанский отряд и объявили своим предводителем «генерала Лудда»26. Так появились луддиты – участники восстания против владельцев фабрик. Поначалу они ограничивались порчей станков, но вскоре дошло до кровопролития. Восстание было подавлено, а самые ярые предводители луддитов были казнены британским правительством через повешение27. Неда Лудда так и не нашли.

Ткачи фактически были лишены средств к существованию. С их точки зрения, не имело никакого значения, что для разработки, сборки и продажи станков было создано много новых высокооплачиваемых рабочих мест. Правительство не позаботилось о программах переквалификации, а ведь они всю жизнь посвятили ремеслу, которое теперь утратило свое значение. Многие из них были вынуждены заняться низкооплачиваемым трудом, по крайней мере на первое время. С другой стороны, автоматизация имела и положительные последствия. Теперь обычный человек мог позволить себе качественный гардероб, а не только одну рубаху. Со временем благодаря автоматизации возникли целые отрасли экономики. Движение луддитов потерпело поражение, потому что оно было направлено против будущего процветания. Луддиты остались в истории ярким символом для тех, кто не согласен быть вытесненным на обочину техническим прогрессом.

Разрушение и созидание

Если бы я жил в 1900 году и обладал даром предвидения, я бы мог обратиться к рабочему классу со следующими словами: «Сейчас 40 % из вас трудятся на фермах (хотя в 1810-м этот показатель превышал 80 %), а одна пятая – на заводах и фабриках. Я знаю наперед, что в 2023 году на производстве будет занята вдвое меньшая доля работников – всего 7,8 %, а в сельском хозяйстве – на 95 % меньше, чем сейчас, то есть менее 1,4 %»28.

Я бы добавил: «Не стоит волноваться, потому что на самом деле уровень безработицы снизится. Будет

Если бы я был настоящим пророком, то мог бы сообщить людям в 1990-м, что вскоре появятся новые профессии, связанные с разработкой и поддержкой интернет-сайтов и мобильных приложений, анализом данных и онлайн-торговлей. Только они бы ничего из этого не поняли.

Несмотря на то что во многих отраслях наблюдается сокращение занятости, общее количество трудоустроенных людей существенно выросло как в абсолютном, так и процентом выражении. В 1900 году в США 29 миллионов человек работали по найму, что составляло 38 % от всего населения29. В начале 2023-го таковых насчитывалось 166 миллионов, что уже соответствует 49 % всех жителей страны30.

Ситуация на рынке труда меняется в лучшую сторону не только благодаря увеличению числа рабочих мест. Сегодня те, кто уже имеет работу, трудятся меньше, а зарабатывают при этом больше. Количество часов, отработанных типичным рабочим в США за год, сократилось с 2900 и более в 1870 году до примерно 1765 в 2019-м (до начала пандемии)31. Несмотря на это, средний годовой заработок с учетом инфляции вырос с 1929 года более чем в четыре раза32. В то время годовой доход на душу населения составлял 700 долларов. Поскольку только 48 миллионов человек из 122,8-миллионного населения страны имели работу, на одного работника приходилось 1790 долларов дохода, что эквивалентно приблизительно 31 400 долларам в ценах 2023 года33. Согласно данным за 2022 год, личный доход одного человека в США оценивался в 64 100 долларов, а население страны составляло 332 миллиона человек, из которых 164 миллиона были трудоустроены34. Таким образом, средний доход работающего американца составлял около 129 800 долларов (133 000 в пересчете на 2023 год) – это в четыре раза больше, чем 90 лет назад.

Стоит отметить, что, несмотря на значительное улучшение средних показателей благосостояния жителей, медианный доход (сумма, больше и меньше которой зарабатывает одинаковое количество людей) остается существенно ниже.

К сожалению, достоверных данных о доходах за 1929 год не существует, но в 2021-м медианный доход в США составлял 37 522 доллара, а средний – 64 100 долларов35. Среди прочих факторов эта разница объясняется необычайно высоким уровнем доходов небольшой части населения, а также большой прослойкой неработающих жителей – пенсионеров, студентов, родителей, занятых домашним хозяйством, и т. д.

Если рассмотреть среднюю почасовую ставку, можно проследить схожую тенденцию. Среднестатистический гражданин США в 1929 году отработал 2316 часов36. В ценах 2023 года его заработок за год составил 31 400 долларов, значит, за час работник получал примерно 13 долларов и 55 центов. В 2021 году американцы получили зарплату и гонорары на сумму 10,8 триллиона долларов (в ценах 2023 года), отработав 254 миллиарда часов. Это соответствует средней почасовой оплате в размере 42 долларов и 50 центов. Получаем более чем трехкратный прирост по сравнению с 1929 годом37.

На самом деле выгода для работников оказывается еще больше. Некоторые виды услуг не учитываются в официальной статистике зарплат, если исполнитель не получает фиксированный оклад. Например, программисты-фрилансеры, предприниматели и творческие специалисты могут получать очень высокий доход в пересчете на час работы. В 2021 году суммарный личный доход жителей США (приведенный к ценам 2023 года) составил 21,8 триллиона долларов. Это означает, что доход в пересчете на час работы в два раза превышает заработную плату38. Но поскольку общий доход (включая, например, платежи от сдачи в аренду жилья) не всегда соответствует отработанным часам, точная сумма, вероятно, находится где-то посередине. К тому же, как мы уже обсуждали, все эти данные не отражают того, насколько улучшилось качество многих товаров при той же цене (с учетом инфляции), а также тот факт, что потребителям стали доступны принципиально новые товары и услуги.

Все это стало возможным благодаря техническому прогрессу, который привносит в традиционные сектора экономики новое информационное измерение. Одновременно с этим появляются новые сложные специальности, а вместе с ними и миллионы рабочих мест, которых не существовало еще 25 лет назад, не говоря уже о прошлых столетиях39. Этот процесс компенсирует массовые сокращения в сельском хозяйстве и производственном секторе, где когда-то было занято большинство работников.

В начале XIX века США были преимущественно аграрной страной. С прибытием новых переселенцев и освоением территорий к западу от Аппалачей доля работников страны, занятых сельским хозяйством, постепенно росла и достигла 80 %40. Однако с 1820-х годов это число начало стремительно снижаться. С внедрением новых технологий все меньшее количество фермеров могло обеспечить продовольствием растущее население. На первых порах это стало возможным благодаря усовершенствованным методам селекции и системам чередования культур41. А с наступлением промышленной революции эффективным средством для снижения трудозатрат стали механические приспособления42. В 1890 году впервые в истории США большинство населения работало не на фермах, а к 1910-му тракторы с паровыми машинами и двигателями внутреннего сгорания заменили медленный и неэффективный рабочий скот43.

По ходу XX века изобретение все более эффективных пестицидов, химических удобрений, методов генетических модификаций привело к взрывному росту урожайности в сельском хозяйстве. Например, в 1850 году в Великобритании урожайность пшеницы составляла 0,44 тонны с акра земли44, а к 2022 году этот показатель вырос до 3,84 тонны45. Приблизительно за тот же период население страны увеличилось с 27 миллионов до 67 миллионов человек. Сельское хозяйство не только удовлетворяло возросшие потребности в пище, но и обеспечивало продовольствием всех жителей страны впрок46. Улучшение питания способствовало тому, что люди стали выше и здоровее, а у детей лучше развивался мозг. Большему числу людей удавалось раскрывать свои таланты, что, в свою очередь, способствовало инновациям47.

В будущем, вероятно, нас ждет еще один прорыв в области сельского хозяйства с появлением автоматизированных вертикальных ферм. Уже сейчас некоторые компании, такие как британская Hands Free Hectare, стараются избавиться от человеческого труда на всех этапах производства48. Когда нейросети и робототехника достигнут более высокого уровня, а «зеленая» энергетика станет более доступной, мы можем ожидать существенного падения цен на большую часть сельскохозяйственной продукции. Когда цены на еду будут меньше зависеть от стоимости человеческого труда и дефицитных природных ресурсов, люди с более скромным достатком смогут полноценно и качественно питаться.

Многие фермеры, потерявшие работу после промышленной революции,

Спрос продолжал расти, и заводы нанимали армии новых рабочих. Пик занятости в производственном секторе был достигнут в 1920 году, когда на заводах работало 26,9 % всех трудоустроенных жителей53. С тех пор методы сбора статистики несколько изменились, и прямое сравнение затруднительно. В целом можно сказать, что до 1970-х годов в США примерно один из четырех работающих был занят в секторе производства – за исключением периода роста безработицы во время Великой депрессии и, наоборот, увеличения доли занятых на заводах во время Второй мировой войны54. В течение целых пяти десятилетий не прослеживалось явной тенденции ни к увеличению, ни к снижению доли занятых в производственном секторе.

Однако затем ситуация изменилась: благодаря внедрению новых технологий занятость на фабриках и заводах начала сокращаться. Во-первых, новшества в сфере логистики, в первую очередь появление контейнерных перевозок, позволило компаниям перенести производство в страны с более дешевой рабочей силой, поскольку стоимость пересылки партий товаров обратно на рынок в США значительно снизилась55. Хотя контейнеры не производят такого яркого впечатления, как промышленные роботы или нейросети, именно их появление оказало на современное общество самое большое влияние из всех технологических достижений последнего времени. Именно снижение стоимости транспортировки привело к настоящей глобализации в экономике. Жители разных стран получили доступ к огромному количеству товаров по доступным ценам, а в США освободились обширные территории, ранее занятые заводами.

Во-вторых, автоматизация также привела к снижению потребности в рабочей силе на производствах, которые остались в США. Первые конвейеры требовали много ручного труда на каждом этапе производства, однако с появлением промышленных роботов ситуация изменилась. Подобный эффект имела компьютеризация производства и появление ИИ в 1990-х годах. Оснащенные этими системами предприятия могли выпускать все больше товаров в час на одного работника. Фактически за два десятилетия с 1992 по 2012 год почасовой выпуск продукции благодаря компьютеризации удвоился (в плане стоимости с учетом инфляции)56.

Как следствие, в XXI веке объемы производства перестали зависеть от количества персонала. В феврале 2001 года, накануне рецессии, вызванной пузырем доткомов, на производстве было занято 17 миллионов американцев57. В ходе рецессии этот показатель резко снизился и больше не восстановился – количество рабочих мест оставалось на отметке в 14 миллионов даже в годы суперцикла сырьевых товаров в середине 2000-х, несмотря на существенный рост объемов производства58. В декабре 2007-го, перед началом мирового экономического кризиса, на производстве работало 13,7 миллиона американцев. К февралю 2010-го это число сократилось до 11,4 миллиона59. Объемы производства быстро восстановились и к 2018 году снова приблизились к историческому максимуму, но сокращенные рабочие места так и не были восстановлены60. Даже по состоянию на ноябрь 2022 года потребность в производственных работниках оставалась на уровне 12,9 миллиона человек при тех же объемах61.

Оглядываясь на события прошлого века, нельзя не удивиться. В период с 1920-го по 1970-й занятость в производственном секторе стабильно держалась на уровне от 20 до 25 % от общего числа трудоустроенных, а затем на протяжении пяти десятилетий неуклонно снижалась до 17,5 % в 1980-м, 14,1 % в 1990-м, 12,1 % в 2000-м и, наконец, достигла 7,5 % к 2010-му62. В последующие десять лет количество рабочих мест оставалось примерно на том же уровне, несмотря на рост экономики и соответствующее увеличение товарооборота. Таким образом, к началу 2023 года только один из тринадцати американских работников был занят в производственном секторе63.

Хотя количество рабочих мест в сельском хозяйстве и производственном секторе значительно сократилось, общее количество трудоустроенных в США неуклонно росло на протяжении всего периода, за который велась статистика, при том, что уже прошло несколько волн автоматизации65. С начала промышленной революции и до середины XX века в экономике было создано достаточное количество рабочих мест не только для трудоустройства растущего населения, но и для обеспечения занятости миллионов женщин, которые присоединились к рабочей силе66.

По сравнению с началом XXI века доля работающего населения в США немного сократилась, главным образом из-за того, что все больше людей достигают пенсионного возраста67. В 1950 году лишь 8 % жителей США были старше 65 лет68; к 2018-му этот показатель вырос вдвое – до 16 %. В результате доля трудоспособного населения неизбежно уменьшилась69. По расчетам Бюро переписи населения США – без учета возможных достижений в медицине – к 2050 году доля людей старше 65 лет составит 22 %70. Однако если мои прогнозы окажутся верны и к тому времени появятся технологии, позволяющие существенно продлить жизнь, то процент пенсионеров, вероятно, будет еще выше.

Однако в абсолютных числах трудовые ресурсы продолжают расти. В 2000 году гражданская рабочая сила насчитывала 143,6 миллиона человек из 282-миллионного населения, что соответствовало 50,9 %71. К 2022 году количество трудоспособных жителей увеличилось до 164 миллионов, составив 49,4 % от всего населения страны (332 миллиона человек)72.

В современном мире в экономике происходит сдвиг в сторону высокотехнологичных профессий, что приводит к увеличению расходов на образование. Люди стремятся освоить востребованные навыки и расширить свои возможности трудоустройства. Если в 1870 году в университетах обучалось 63 000 человек (получая степень бакалавра или выше), то в 2022-м этот показатель достиг 20 миллионов74, причем за период с 2000 по 2022 год количество студентов в США увеличилось на 4,7 миллиона75. Сегодня на обучение одного ребенка в общеобразовательной школе тратится в 18 раз больше денег, чем сто лет назад, если учитывать инфляцию. В 1919–1920 учебном году занятия с одним учеником обходились школе в сумму, эквивалентную 1035 долларам США в ценах 2023 года76. К 2018–2019 учебному году соответствующие расходы выросли приблизительно до 19 220 долларов77.

За прошедшие два

В этот раз все будет по-другому?

Хотя до сих пор общее количество рабочих мест всегда увеличивалось, некоторые выдающиеся экономисты полагают, что в этот раз все будет иначе. Одним из главных сторонников теории, согласно которой волна автоматизации, вызванная развитием ИИ, приведет к сокращению занятости, является профессор Стэнфордского университета Эрик Бриньолфсон. Он утверждает, что, в отличие от всех прошедших экономических преобразований, связанных с техническим прогрессом, самые передовые технологии приведут к ликвидации большего числа профессий, чем будет создано80. Сторонники этой теории видят в текущей ситуации результат нескольких последовательных этапов преобразований.

Первая волна технологической революции часто ассоциируется с процессом, который можно назвать деквалификацией 81. Например, чтобы управлять конным экипажем, извозчик должен был очень умело обращаться с сильными и своенравными животными. От водителя автомобиля требуется в среднем гораздо меньше мастерства. Деквалификация позволяет людям осваивать новые профессии, не тратя много времени на обучение. Раньше обувные мастера годами оттачивали свои навыки, но с изобретением конвейера машины взяли на себя большую часть работы. Теперь можно было устроиться на работу, быстро научившись управлять станком. Труд подешевел, а вслед за ним и обувь, но при этом высокооплачиваемые работники были вытеснены теми, кто получал низкую зарплату.

Вторым этапом становится, наоборот, повышение квалификации. Это закономерное следствие первого этапа: новые технологии начинают требовать более глубоких знаний и умений, чем раньше. Например, когда автомобили оснастили навигаторами, потребовалось обучить водителей работе с электроникой. Иногда появляются новые механизмы, которые берут на себя большую роль в производстве, но для их обслуживания необходим квалифицированный оператор. Например, первые обувные станки представляли собой ручные прессы, для работы с которыми не требовалось образование. Однако сейчас компании, такие как FitMyFoot, используют технологии 3D-печати для создания идеально подходящей клиенту обуви82. Поэтому вместо множества низкооплачиваемых рабочих компании нужны несколько сотрудников, хорошо разбирающихся в компьютерных технологиях и 3D-принтерах. Эта тенденция наблюдается повсеместно.

Следующий этап, однако, можно иронично назвать дисквалификацией. Автомобилю под управлением ИИ, например, водитель вообще не нужен. По мере того как роботы и нейросети будут приобретать новые навыки, потребность в человеческих работниках будет сокращаться. Инновации на основе ИИ отличаются тем, что позволяют полностью исключить человека из рабочих процессов. Вместо того чтобы требовать необходимый уровень навыков и образования для выполнения задачи, ИИ может все сделать сам. Это не только снижает расходы, но и улучшает качество работы, поскольку ИИ в большинстве случаев способен выполнить ее более эффективно, чем человек. Беспилотные автомобили будут гораздо безопаснее, к тому же ИИ не употребляет алкоголь, не спит за рулем и не отвлекается.

Важно понимать, что задача и профессия – это не одно и то же. В некоторых случаях (хоть и не всегда) автоматизация отдельных задач позволяет профессионалам сосредоточиться на других аспектах своей деятельности. Например, банкоматы могут выполнять большинство операций вместо кассиров, что дает банковским служащим возможность заняться маркетингом и установлением доверительных отношений с клиентами83. Аналогично сервисы по анализу документов и правовым исследованиям освобождают время помощников юристов, позволяя им взяться за другие дела – за последние десять лет профессия значительно изменилась84. Подобные перемены ждут и творческие профессии. В 2022 году в открытом доступе появились такие нейросети, как DALL-E 2, Midjourney и Stable Diffusion, которые могут создавать высококачественные изображения на основе текстовых запросов пользователей85. Когда эти технологии станут более совершенными, дизайнеры смогут тратить меньше времени на выполнение набросков вручную, а больше – на обсуждение идей с клиентами, а также создание и обработку множества эскизов с помощью ИИ.

В долгосрочной перспективе экономически целесообразно, чтобы ИИ взял на себя как можно больше работы. При прочих равных покупка техники или программного обеспечения обходится гораздо дешевле, чем оплата труда сотрудников86. Когда владельцы предприятий планируют бизнес-процессы, они часто имеют возможность регулировать соотношение между трудом и капиталом. В странах с низкими зарплатами имеет смысл внедрять более трудоемкие процессы. Если же затраты на рабочую силу высоки, то стоит вкладывать средства в инновации и разработку оборудования, которое позволит отказаться от ручного труда. Это отчасти объясняет, почему Великобритания стала колыбелью промышленной революции: при изобилии дешевого угля зарплаты в этой стране были одними из самых высоких в мире. Такое положение дел способствовало разработке технологий, которые заменили дорогой ручной труд работой паровых машин. Сегодня в экономике развитых стран наблюдаются аналогичные тенденции. Покупка оборудования – это единовременные затраты на приобретение активов. В то же время зарплаты сотрудников являются постоянной статьей расходов, при том что работникам необходимо еще обеспечить надлежащие условия труда. Поэтому, если бизнес может избежать найма людей благодаря автоматизации, это становится очень выгодным решением. Как только ИИ достигнет уровня человеческого мышления, а затем и превзойдет его, останется лишь небольшое количество задач, для решения которых будет нужно вмешательство нероботизированного человека. По крайней мере, до того, как мы интегрируемся с ИИ, нам грозит существенный рост безработицы.

В этих рассуждениях есть один камень преткновения, связанный с парадоксом производительности труда. Согласно экономической теории, если технический прогресс приводит к уменьшению количества рабочих мест, это значит, что и число отработанных часов будет меньше при сохранении объемов производства. Из этого напрямую следует, что производительность труда будет расти. Однако, как показывают традиционные методы измерения, рост производительности труда с началом эры интернета в 1990-х начал замедляться. Обычно производительность определяется как соотношение стоимости фактически произведенных товаров и услуг (с учетом инфляции) и рабочего времени, затраченного на их производство. В период с первого квартала 1950 года по первый квартал 1990-го объем производства в час увеличивался в среднем на 0,55 % каждые три месяца87. С 1990 по 2003 год ежеквартальный прирост составил 0,68 %88. В 2003 году многие полагали, что благодаря Всемирной паутине WWW начнется новая эпоха стремительного роста производительности труда89. Однако уже с 2004 года темпы роста производительности существенно замедлились. С 2003-го по 2022-й этот показатель увеличивался в среднем на 0,36 % в квартал90. Почему так произошло – одна из главных экономических загадок последнего десятилетия. Информационные технологии преобразили многие аспекты бизнеса, и можно было бы ожидать, что производительность труда резко вырастет. Существует множество гипотез, объясняющих, почему этого не случилось.

Если автоматизация действительно оказала такой эффект, как

Эрик Бриньолфсон и венчурный инвестор Марк Андриссен предложили более глубокое объяснение феномена снижения производительности труда. Обычно мы оцениваем размер экономики с помощью валового внутреннего продукта (ВВП) – показателя, который отражает рыночную стоимость всех конечных товаров и услуг, произведенных в стране. Например, когда вы покупаете автомобиль за 20 000 долларов, именно эта сумма учитывается при расчете ВВП, даже если вы были бы готовы заплатить 25 или 30 тысяч за ту же машину. В XX веке такой способ расчета работал хорошо, потому что средняя сумма, которую жители страны были готовы заплатить за автомобиль, была близка к его рыночной стоимости. Это связано с тем, что для производства товара или оказания услуги требуются материалы и труд персонала и компании тратят значительные средства на выпуск дополнительной единицы продукции. Например, для создания автомобиля необходимо изготовить дорогостоящие металлические детали, а затем квалифицированный персонал должен потратить много часов на их сборку. Эти расходы называются предельными издержками93. Согласно классической экономической теории, цены стремятся к уровню предельных издержек, поскольку бизнесу невыгодно продавать по ценам ниже этих затрат, но конкуренция заставляет продавать настолько дешево, насколько это возможно. Исторически сложилось так, что более сложные и полезные товары, как правило, обходятся дороже в производстве. Поэтому существует устойчивая связь между качеством товара и его стоимостью, которая отражается в валовом внутреннем продукте.

В то же время почти все информационные продукты за последнее время стали гораздо более полезными, при том что цены на них остались более-менее на прежнем уровне. В 1999 году процессор стоимостью 900 долларов (в ценах 2023 года) мог выполнять 800 000 операций в секунду на каждый доллар своей цены94. А в начале 2023 года чип за 900 долларов уже мог производить 58 миллиардов вычислений в секунду на доллар своей стоимости95.

Проблема в том, что при расчете ВВП современный чип за 900 приравнивается к 900-долларовому чипу двадцатилетней давности, хотя их производительность отличается в 72 тысячи раз. По этой причине номинальный рост благосостояния и доходов не отражает в полной мере огромный скачок в качестве жизни, который обеспечивают новые технологии. Это искажает экономическую статистику и создает ложное впечатление, что рост заработков происходит недостаточно быстро или вовсе отсутствует. Даже если ваша номинальная зарплата не менялась последние 20 лет, сегодня на эти деньги вы можете купить гораздо больше вычислительной мощности96. Государственные организации предприняли некоторые шаги, чтобы учесть рост производительности информационных систем в некоторых видах экономической статистики97, но даже в этих случаях эффективность новых технологий остается недооцененной.

Эти идеи особенно актуальны для цифровых товаров, которые можно копировать практически без затрат. Например, компания Amazon, однажды преобразовав книгу в цифровой формат, может продавать сколько угодно копий, не неся расходов на бумагу, чернила и оплату труда работников типографии, так что маржинальность получается почти стопроцентная. В результате связь между себестоимостью, рыночной ценой и ценностью товара для потребителя значительно ослабевает. В случае сервисов, чьи предельные издержки настолько малы, что позволяют предоставлять пользователям услуги бесплатно, эта связь исчезает полностью. С тех пор как Google разработал свои алгоритмы поиска и организовал работу серверов, каждый новый поисковый запрос обходится компании практически бесплатно. Социальной сети практически все равно, тысяча у вас друзей или сто. Поэтому они могут позволить себе предоставить вам доступ к сервису бесплатно, а расходы покрыть за счет рекламы.

Хотя подобные сервисы не берут с клиентов плату напрямую, мы можем приблизительно оценить их ценность для пользователя, так называемый «излишек потребителя», путем сравнения доступных ему альтернатив98. К примеру, если вы могли бы постричь газон соседу и заработать на этом 20 долларов, но предпочтете вместо этого посидеть в TikTok, то мы можем заключить, что ценность TikTok для вас не меньше 20 долларов. В 2015 году в статье для журналаForbesТим Уорстолл оценил доходы крупной компании на территории США в 8 миллиардов долларов. Именно эта сумма будет учтена в ВВП страны за год. Но если сложить все время, которое люди провели в этой соцсети, и оценить его, ориентируясь даже на минимальный размер оплаты труда, то получится примерно 230 миллиардов долларов100. По данным за 2020 год (более свежая статистика не была доступна на момент написания этой книги) взрослые жители США, у которых есть аккаунты в соцсетях, проводили в среднем 35 минут в день101. Из 258 миллионов совершеннолетних граждан США 72 % пользуются социальными сетями. Согласно методике Уорстолла, экономический вклад социальной сети в этом году должен составить 287 миллиардов долларов102. Опрос, проведенный в 2019 году, показал, что типичный пользователь интернета в Америке проводит в соцсетях в среднем два часа и три минуты в день, что принесло 36,1 миллиарда долларов рекламных доходов, которые и учитываются в ВВП103. Однако истинная экономическая ценность, которую создают социальные сети, превышает один триллион долларов в год!

Оценивать время, проведенное в соцсетях, в соответствии с минимальной зарплатой не вполне корректно, поскольку в очереди за кофе просматривать ленту новостей сподручнее, чем, к примеру, уделить эти пару минут удаленной работе. Но в целом можно сделать вывод, что люди придают большое значение социальным сетям, хотя доходы компаний плохо отражают этот факт. Еще более ярким примером является «Википедия»: ее вклад в ВВП практически нулевой. То же самое можно сказать и о многих других приложениях и интернет-сервисах.

Итак, по мере увеличения роли информационных технологий в экономике излишек потребителя растет гораздо быстрее, чем можно было бы предположить, глядя на ВВП. То есть если при расчете производительности труда ориентироваться на излишек потребителя, а не на рыночную стоимость услуг, то можно получить существенно более высокий результат. Поскольку излишек

Подобные явления наблюдаются и в других сферах, в том числе далеких от технологий. Технический прогресс принес нам множество благ, которые не учитываются в ВВП: снижение уровня загрязненности окружающей среды, более безопасные условия жизни, беспрецедентные возможности для учебы и развлечений. Заметим, что эти изменения в экономике не были равномерными. Например, несмотря на удешевление вычислительных мощностей, в сфере здравоохранения наблюдается рост цен, опережающий общую инфляцию. Для тех, кто нуждается в дорогостоящей медицинской помощи, снижение цен на видеокарты едва ли станет утешением104.

Хорошая новость заключается в том, что по ходу 2020-х и 2030-х годов ИИ вместе с другими техническими новшествами преобразует все больше сфер деятельности в разделы информационных технологий, тем самым распространив тенденции к радикальному удешевлению на целый ряд товаров и услуг. Виртуальные преподаватели на базе продвинутого ИИ сделают процесс обучения любому предмету персонализированным и доступным через интернет всем желающим. Применение ИИ в медицине и разработке лекарств находится пока на начальной стадии, но в будущем оно может значительно сократить расходы на здравоохранение.

То же самое произойдет и с другими отраслями, которые никогда ранее не считались информационными технологиями, например, с пищевой промышленностью, строительством или пошивом одежды. Например, открытия в материаловедении, совершенные с помощью ИИ, сделают солнечную энергетику доступной и эффективной. А роботизированная добыча полезных ископаемых и беспилотный электрический транспорт позволят снизить стоимость сырья. Удешевление энергии и материалов, а также автоматизация производства и отказ от ручного труда приведут к резкому падению цен. Со временем эта тенденция распространится на все отрасли экономики и позволит нам избавиться от дефицита, который пока еще сдерживает наше развитие. В итоге к 2030-м годам можно будет без особых затрат поддерживать образ жизни, который сейчас считается роскошным.

Если мы не ошиблись в рассуждениях, то из-за дефляции, обусловленной техническим прогрессом, разрыв между номинальной производительностью труда и реальной пользой для общества, которую будет приносить каждый час работы, станет еще больше. Как только описанное явление выйдет за пределы цифрового сектора и распространится на другие отрасли, охватив большую часть экономики, инфляция замедлится и в конце концов сменится дефляцией. Иными словами, со временем разгадка парадокса производительности труда станет для нас яснее.

Однако есть и другие вопросы: почему статистика показывает, что процент работающих американцев снижается? Экономисты, поддерживающие теорию о сокращении рабочих мест, обращают внимание на уровень экономической активности населения США. Этот показатель отражает процент жителей страны старше 16 лет, которые либо имеют работу, либо находятся в поиске, и он вырос примерно с 59 % в 1950 году до 67 % в 2002-м. Однако уже к 2015 году уровень экономической активности опустился ниже 63 % и оставался таким вплоть до пандемии COVID-19, несмотря на то что экономика, казалось бы, росла взрывными темпами105.

Среди всего населения доля экономически активных граждан еще ниже. В июне 2008 года из 304-миллионного населения США к гражданской рабочей силе относились 154 миллиона человек, то есть 50,7 %106. К декабрю 2022 года этот показатель составлял 164 миллиона человек из 333 миллионов, то есть чуть меньше 49,5 %107. Существенного снижения вроде бы не произошло, однако это самый низкий показатель для США за двадцать с лишним лет. Заметим, что официальная статистика в этом плане не всегда точно отражает экономические реалии, так как не учитывает некоторые категории граждан: сельскохозяйственных работников, военных, государственных служащих. Тем не менее на нее можно ориентироваться, изучая направление и степень выраженности определенных тенденций в экономике.

Хотя в какой-то степени снижение доли экономически активных граждан можно объяснить автоматизацией, есть также два важных сопутствующих фактора. Во-первых, американцы стали больше учиться: все меньше подростков устраивается на работу, а многие вообще заканчивают учебу, когда им хорошо за 20109. Кроме того, поколение беби-бумеров постепенно выходит на пенсию, так что доля американцев трудоспособного возраста сокращается110.

Если взглянуть на экономическую активность жителей в расцвете сил – от 25 до 54 лет, – мы не заметим особого ее снижения: в начале 2023 года уровень участия этой группы в экономической жизни составил 83,4 %, что лишь немного ниже максимального показателя в 84,5 %, достигнутого в 2000 году111. Разница в 1,7 миллиона человек хотя и является заметной, но не настолько существенной, как можно было бы предположить исходя из предыдущего графика112.

Кроме того, с 2001 года значительно выросла экономическая активность людей старше 55 лет. В возрастной группе от 55 до 64 лет участие в рабочей силе увеличилось с 60,4 % в 2001 году до 68,2 % в 2021-м, а среди тех, кому за 75 лет, – с 5,2 до 8,6 % за тот же период114. На эту тенденцию влияют несколько разнонаправленных факторов. С одной стороны, некоторые пожилые работники, потеряв работу из-за автоматизации, предпочитают раньше выйти на пенсию и смириться с падением уровня жизни. С другой стороны, люди стали жить дольше – до пандемии COVID-19 ожидаемая продолжительность жизни гражданина США выросла с 2000-го на два года115 – и дольше сохраняют здоровье, что позволяет им оставаться на работе. Многие люди находят в работе смысл жизни и испытывают удовлетворение от своего труда. При этом статистика не отражает, что часть людей старшего возраста вынуждена довольствоваться низкооплачиваемой работой после потери хорошей должности до выхода на пенсию116.

При всем при этом нужно признать, что экономическая активность населения – это в принципе довольно некорректный показатель. На характер занятости оказывают влияние два важных фактора, которые не находят адекватного отражения в экономических отчетах.

Первый – это теневой сектор экономики, который существовал всегда, но с появлением интернета получил мощный импульс к развитию. Сюда входит практически вся секс-индустрия, а также целый ряд услуг, включая помощь по хозяйству, за которую платят неофициально, альтернативные методы лечения и многое другое. Росту теневой экономики способствуют криптографические технологии, в частности изобретение криптовалют, которые позволяют скрывать доходы от налогообложения, обходить законодательные ограничения и избегать внимания правоохранительных органов.

Криптовалютой с самой большой капитализацией является всем известный биткоин 117. Шестого августа 2017 года на основных криптовалютных биржах дневной объем операций с биткоинами составил менее 19,3 миллиона долларов118. К седьмому декабря того же года дневной оборот взлетел до 4,95 миллиарда долларов, но затем быстро снизился, и к середине 2023-го средний дневной оборот составил

Стоит отметить, что, в отличие от большинства традиционных валют, криптовалюты необычайно волатильны. Например, 4 января 2012 года биткоин стоил 13 долларов 43 цента121. Ко 2 апреля курс вырос до 130 долларов122. Однако в то время интерес к криптовалютам проявляло в основном компьютерное сообщество. После пяти лет относительной стабильности, в 2017 году курс биткоина начал резко расти. Обычные люди услышали, что биткоин – привлекательный актив для инвестирования, и начали скупать его в надежде, что его стоимость будет продолжать расти. Это убеждение превратилось в самоисполняющееся пророчество: 29 апреля цена биткоина достигла 1354 доллара, а 17 декабря – 18 877 долларов123. Но затем цена биткоина начала падать, и люди начали панически продавать свои активы, стараясь покинуть рынок, пока их инвестиции окончательно не обесценились. К 12 декабря 2018 года биткоин упал до отметки 3360 долларов, затем вырос до уровня 64 899 долларов 13 апреля 2021, прежде чем снова рухнуть до 15 460 долларов к 20 ноября 2022124.

Такая волатильность представляет собой большую проблему для тех, кто надеется использовать биткоин в качестве средства расчетов, то есть регулярно торговать с его помощью товарами и услугами. Если вы, к примеру, ожидаете, что курс доллара через полгода вырастет в десять раз, то не станете тратить деньги. И наоборот, опасаясь, что за несколько месяцев доллар может обесцениться в два раза, вы не захотите хранить свои сбережения в долларах, но и продавцы не будут соглашаться их принимать. Чтобы криптовалюты стали более популярными, необходимо найти способ стабилизации их курса.

Хотя теневая экономика может процветать и без криптовалют. Социальные сети и платформы наподобие Craigslist предоставляют людям массу возможностей для установления экономических связей, практически невидимых для властей.

И это соображение приводит нас ко второму существенному фактору, влияющему на характер занятости: появлению новых способов заработка, не связанных с традиционными формами трудоустройства. К таким способам относится создание, покупка, продажа и обмен физическими и виртуальными товарами с помощью сайтов и приложений, а также создание самих приложений, видеороликов и другого контента для социальных сетей. Некоторые люди строят карьеру, снимая видео для YouTube, например, или получают деньги за посты в социальных сетях или TikTok 125.

До появления iPhone в 2007 году рынка приложений как такового не существовало. В 2008 году для iOS насчитывалось меньше 100 000 приложений, а в 2017-м их количество достигло уже 4,5 миллиона126. Платформа Android также стремительно набирала популярность. В декабре 2009 года в магазине Google Play было доступно всего 16 000 приложений127, а в марте 2023-го их число превысило 2,6 миллиона128, что в 160 раз больше, чем 13 лет назад. С появлением новых платформ возник целый сектор экономики с множеством рабочих мест. С 2007-го по 2012-й в США было открыто около полумиллиона вакансий, связанных с разработкой приложений129. К 2018 году, согласно оценкам аудиторской фирмы Deloitte, количество рабочих мест в этом секторе превысило пять миллионов130. По другим данным в 2020 году работа 5,9 миллиона человек в США была прямо или косвенно связана с мобильными приложениями, а общий экономический вклад этого сектора составил 1,7 триллиона долларов131. Точный объем рынка мобильных приложений зависит от того, где провести его границу, однако ясно одно: менее чем за десять лет мобильные приложения превратились из незначительного явления в мощный фактор экономического роста.

Таким образом, хотя технический прогресс и приводит к исчезновению многих профессий, благодаря ему появляются новые возможности, которые выходят за рамки традиционной модели работы по найму. Экономика свободного заработка хотя и не лишена недостатков, предлагает людям больше независимости, свободы выбора и времени для досуга, чем предыдущие формы трудовых отношений. Одним из способов помочь работникам преодолеть трудности, связанные с автоматизацией и исчезновением традиционных рабочих мест, станет обучение их пользоваться этими новыми возможностями.

Что нас ждет в будущем?

На первый взгляд ситуация на рынке труда может показаться весьма тревожной. Когда Фрей и Осборн из Оксфордского университета давали прогноз, что к 2033 году возможности автоматизации приведут к исчезновению половины профессий по сравнению с 2013-м, они опирались на более консервативные оценки будущего прогресса ИИ и других современных технологий, чем те, которые я привожу в этой книге132. Хотя ни для кого не секрет, что технический прогресс ставит под угрозу рабочие места уже на протяжении двухсот лет, нынешняя ситуация уникальна скоростью и масштабом предстоящих изменений.

Чтобы понять, как будут развиваться события, необходимо осмыслить несколько ключевых моментов. Прежде всего, важно осознать, что работа не является самоцелью, а служит средством для достижения других целей. С одной стороны, мы работаем, чтобы обеспечить свои материальные потребности. Как мы уже обсуждали, всего лишь два века назад производство и транспортировка продуктов питания требовали усилий почти всего человечества. Сегодня же в США и других развитых странах в пищевой промышленности занято менее 2 % работающего населения. Как только искусственный интеллект обеспечит беспрецедентный рост всех секторов экономики, борьба за выживание останется в прошлом.

С другой стороны, работа дает нам цель и смысл жизни. Например, каменщик приносит двойную пользу. Во-первых, его зарплата позволяет ему обеспечивать своих близких, а это – важная часть жизни. Но, помимо этого, он также участвует в строительстве зданий и приносит тем самым пользу обществу, создавая нечто большее, чем он сам, как в прямом, так и в переносном смысле. Самые вдохновляющие профессии, например в сфере искусства или науки, приносят огромное удовлетворение от творчества или создания нового знания.

В скором времени мир изменится до неузнаваемости, открыв перед нами невиданные возможности для самореализации. Передовые информационные технологии уже сейчас помогают творческим людям вносить свой вклад в культуру – зачастую пока недостаточно оцененный. Когда я был ребенком, телевидение было представлено всего тремя каналами: ABC, NBC и CBS. Зрители не имели возможности выбора, и телекомпании были вынуждены ставить в эфир программы, интересные максимально широкой аудитории. Чтобы шоу имело успех, оно должно было понравиться мужчинам, женщинам, детям, их родителям, «синим воротничкам» и «белым воротничкам». Интересные идеи, которые могли бы привлечь более узкие категории телезрителей, такие как абсурдистские комедии, мистические сериалы, научная

Однако с появлением кабельного телевидения ассортимент каналов расширился, и нишевые программы получили шанс найти свою аудиторию. Настало время расцвета подробных документальных фильмов на разнообразные темы, которые выходили на каналах Discovery, History, Learning и многих других. Но поначалу они все равно были привязаны к эфирной сетке. С появлением устройств с функцией записи, а затем и стриминговых сервисов люди получили возможность смотреть что угодно и когда угодно. В таких условиях креативные шоу могли находить свою аудиторию среди всех слоев населения, а не только тех, кто случайно оказался перед экраном в определенное время. Благодаря этому сериалы с оригинальным творческим подходом, такие как «Очень странные дела» и «Дрянь», смогли привлечь миллионы фанатов и завоевать признание критиков, хотя в годы моей юности они вряд ли были бы показаны на доступных каналах. Такая ситуация выгодна небольшим сообществам, таким как люди с ограниченными возможностями или мусульмане Америки, потому что программы, ориентированные на их опыт, могут стать коммерчески успешными.

Кроме того, стриминговые платформы открывают двери для более смелых экспериментов. Например, формат получасовых комедийных шоу в традиционном эфире подразумевает, что каждая серия обладает законченным сюжетом, потому что телекомпании важно, чтобы зрители могли смотреть их в любом порядке. Но при просмотре по запросу легко обеспечить правильный порядок эпизодов. Именно эта технология позволила снять новаторские сериалы наподобие «Конь БоДжек», в которых характер героев раскрывается постепенно, а комедийный эффект нарастает с каждой серией134. В рамках традиционного телевещания сценаристы могли добиться такой свободы для творчества.

В ближайшие два десятилетия прогресс в сфере развлечений ускорится. ИИ уже достиг впечатляющего уровня креативности, в чем можно убедиться на примере систем DALL-E, Midjourney и Stable Diffusion. По мере совершенствования нейронных сетей они начнут успешно работать и с музыкой, видео и компьютерными играми, делая процесс творческого самовыражения доступным для каждого. Люди смогут просто описать свои задумки нейросети и корректировать ее работу, давая команды на естественном языке, пока результат не будет полностью соответствовать их ожиданиям. В конце концов, чтобы снять захватывающий фильм, достаточно будет иметь несколько интересных идей для сценария и скромный бюджет на аренду вычислительных мощностей вместо сотен миллионов долларов и команды из нескольких тысяч человек.

Но при всех преимуществах новой эпохи не стоит забывать и о трудностях, с которыми нам предстоит столкнуться в переходный период. Автоматизация и связанные с ней процессы уже привели к сокращению количества рабочих мест для представителей низко- и среднеоплачиваемых профессий. В ближайшее десятилетие эта тенденция будет только усиливаться. Большинство современных профессий требуют специальных навыков. Уровень профессионализма в современном обществе уже довольно высок и будет продолжать расти. Однако рано или поздно ИИ превзойдет в мастерстве даже самых искусных людей в каждой области. Есть ли у нас шанс не отстать от него?

На протяжении последних двух веков основным способом развития навыков человека было образование. Как я уже упоминал, за последнее столетие наши расходы на обучение взлетели в космос. Однако мы постепенно начали переходить к новому способу кардинального улучшения наших способностей – интеграции с интеллектуальными технологиями, которые сами же и создаем. Мы пока не умеем вживлять вычислительные устройства в наши тела и мозги, но они всегда находятся у нас под рукой. Сегодня практически ни одна работа или учебная программа не обходятся без вспомогательных систем для нашего интеллекта, на которые мы полагаемся круглосуточно семь дней в неделю. Я имею в виду смартфоны, с помощью которых мы можем получить доступ ко всем накопленным человечеством знаниям или задействовать потрясающую вычислительную мощь одним нажатием на экран. Не будет большим преувеличением сказать, что наши гаджеты стали частью нас. Еще двадцать лет назад ситуация была совершенно иной.

В 2020-х годах компьютерные помощники станут неотъемлемой частью нашей жизни. Поиск в интернете уйдет от привычной парадигмы текстовых запросов и страниц со ссылками. Вместо этого мы будем моментально и без усилий получать ответы на возникающие у нас вопросы. Точный перевод с одного языка на другой будет осуществляться в режиме реального времени, что окончательно устранит языковые барьеры. Очки или контактные линзы будут проецировать изображения прямо на сетчатку глаза, также будет задействован слух и со временем остальные чувства. Технологии дополненной реальности избавят нас от необходимости запрашивать информацию. Вместо этого постоянно отслеживающий наши действия помощник на основе ИИ будет предугадывать наши желания и включать необходимые функции. В 2030-х нанороботы начнут встраивать такие расширения для мозга прямо в нашу нервную систему.

В главе 2 мы уже обсудили, каким образом мы сможем дополнить нашу новую кору облачными мощностями, что расширит ее возможности и обеспечит более высокие уровни абстракции. Рано или поздно эта технология подешевеет и станет доступна каждому. Достаточно вспомнить, как в свое время смартфоны стоили больших денег и не обладали впечатляющим функционалом, а теперь широко распространены (по оценкам Международного союза электросвязи в 2020 году на руках жителей по всему миру было 5,8 миллиарда смартфонов)135 и постоянно совершенствуются.

Но прежде чем наступит будущее, где никто ни в чем не будет нуждаться, нам нужно будет решить ряд социальных проблем переходного периода. В США забота о населении берет свое начало в 1930-х годах, когда была учреждена Администрация социального обеспечения136. С тех пор, несмотря на то что конкретные понятия много раз возникали и выходили из оборота (например, «социальная защита»), в целом система помощи постоянно развивалась, вне зависимости от политических взглядов отдельных партий и первых лиц государства.

Хотя принято считать, что социальные программы Соединенных Штатов не столь масштабны, как в «социалистических» странах Европы, тем не менее расходы государства на социальное обеспечение в США близки к медианным показателям среди развитых стран137. В 2019 году эти расходы оценивались приблизительно в 18,7 % от ВВП (более поздние данные искажены массовыми выплатами во время пандемии). Для сравнения, Канада на те же цели потратила чуть меньше – 18 % от ВВП138, Австралия и Швейцария примерно столько же – по 16,7 % от своего ВВП139. Великобритания выделила на социальные программы 580 миллиардов долларов из 2,8 триллиона ВВП (20,6 %). Учитывая, что в стране проживает 66 миллионов человек, это меньше 8800 долларов на душу населения140. В Соединенных Штатах ВВП на душу населения выше, поэтому и объемы социальной помощи на душу населения также оказываются выше. В 2019 году

Социальные расходы в бюджете США, а также их доля в ВВП страны неуклонно растут. Сегодня они составляют уже 50 % всех расходов федерального правительства, властей штатов и местных органов управления144. К слову, и сам ВВП, и государственные расходы тоже увеличиваются из года в год. Глядя на представленные графики, сможете ли вы определить, когда у власти находилось «левое крыло», а когда «правое»? (Статистические данные за последние два года включают выплаты в период пандемии, поэтому пиковые значения в 2020 и 2021 годах не отражают долгосрочной тенденции.)

Если ВВП продолжит расти в геометрической прогрессии, то и социальные расходы возрастут как в общем объеме, так и на душу населения. Среди наиболее значимых социальных программ можно выделить Medicaid, обеспечивающую базовую медицинскую помощь, «продуктовые карточки» SNAP, представляющие собой, по сути, дебетовые карты для покупки еды, а также жилищные субсидии. Текущих расходов на эти программы едва хватает, но если благодаря ИИ в 2030-х годах удастся значительно снизить стоимость медицинских услуг, продуктов питания и жилья, то финансовая поддержка на прежнем уровне сможет обеспечить вполне комфортный уровень жизни. В результате необходимость увеличивать долю социальных расходов в ВВП страны отпадет. Если же правительство начнет выделять на социальную поддержку еще больше средств, то предоставляемые услуги можно будет значительно расширить.

Выступая на сцене конференции TED-2018 в Ванкувере149, я поделился с ее куратором Крисом Андерсоном своим прогнозом, что в начале 2030-х годов в развитых странах, а к концу десятилетия уже почти повсеместно будет введена практика выплаты безусловного основного дохода. Этот доход, достаточный для обеспечения достойного уровня жизни по сегодняшним стандартам, будет выплачиваться всем совершеннолетним гражданам. Выплата может поступать в денежной форме на банковские счета, а может предоставляться в форме бесплатных товаров и услуг. Средства на эти цели будут собираться в виде налогов на доходы автоматизированных производств и дивидендов от инвестиций государства в новейшие технологии150. Дополнительно могут быть разработаны программы поддержки для людей с семьями и организаций, направленных на построение здорового общества151. Такие меры помогут значительно снизить остроту кризиса безработицы. Чтобы оценить вероятность такого сценария, необходимо хорошо представлять, насколько развитой станет экономика к этому времени.

Ускорение технического прогресса приведет к значительному повышению общего уровня жизни. Наша программа социального обеспечения остается стабильной вне зависимости от правящей партии, и можно ожидать, что поддержка будет оказываться еще более эффективно, чем сейчас152. При этом следует помнить, что изобилие возможностей не означает, что все сразу смогут пользоваться ими в равной степени. Например, в 2022 году за один доллар можно было приобрести в 50 000 раз больше вычислительных ресурсов, чем в 2000-м (с учетом общей инфляции)153. С другой стороны, согласно официальной статистике, в 2022 году один доллар мог обеспечить лишь 81 % медицинских мероприятий, которые были доступны в 2000-м (с поправкой на инфляцию)154. Хотя многие процедуры, в частности иммунотерапия онкологических заболеваний, стали с тех пор более эффективными, большая часть медицинских расходов (например, оплата за больничные палаты и рентген) осталась на прежнем уровне. Таким образом, люди, которые привыкли покупать более современные компьютеры, в частности молодежь и студенты, значительно выиграли от падения цен на технику. Те же, кому приходится тратить значительную часть своего дохода на медицинские услуги, включая пожилых людей и тех, кто страдает хроническими заболеваниями, оказались в затруднительном положении.

Это значит, что назрела необходимость в тщательном государственном регулировании, чтобы переходный период прошел с наименьшими неудобствами и сопровождался справедливым распределением благ. Хотя с технической и экономической точек зрения не составит труда обеспечить каждому высокий уровень жизни по современным меркам, конечный результат будет зависеть от политических решений. Можно провести аналогию: в наши дни в отдельных регионах случается голод, но причина не в недостаточном производстве продуктов питания и не в том, что элита скрывает секреты эффективного сельского хозяйства от простых людей. Голод обычно возникает из-за недальновидного управления или из-за гражданских войн. В таких условиях местным жителям гораздо сложнее справляться с засухами или другими стихийными бедствиями, а помощь со стороны международного сообщества не всегда оказывается эффективной155. Точно так же, если общество не будет проявлять осторожность, политика может помешать повышению уровня жизни.

Как показала пандемия COVID-19, в сфере здравоохранения проблема управления стоит особенно остро. Хотя инновации открывают невероятные возможности для недорогого и эффективного лечения, это не значит, что все будут излечены как по волшебству. Чтобы переход к медицине будущего был безопасным, справедливым и планомерным, нам не обойтись без хорошо информированного общества и ответственного управления. Легко представить, как может усилиться недоверие к жизненно важным технологиям. В наши дни в интернете распространены конспирологические теории и даже откровенная ложь о вакцинации. В ближайшие десятилетия такие же слухи могут пойти и про системы диагностики на основе ИИ, генетическую терапию и медицинские нанотехнологии. Учитывая обоснованные опасения по поводу кибербезопасности, несложно представить, как в будущем, в 2030 или 2050 году, преувеличенные страхи перед тайными генетическими манипуляциями или управляемыми правительством нанороботами могут заставить людей отказаться от жизненно важных медицинских процедур. Лучшей защитой от нелепых предрассудков, которые могут стоить кому-то жизни, станет просвещение общества в вопросах медицины.

Если мы справимся с политическими сложностями, жизнь людей коренным образом преобразится. На протяжении веков люди были вынуждены бороться за то, чтобы обеспечить себе достойное существование. Однако сейчас мы на пороге эры изобилия: материальные ресурсы доступны всем, традиционные профессии уйдут в прошлое, а главной задачей станет поиск смысла жизни и своего предназначения. По сути, мы достигнем вершины пирамиды Маслоу 156. Это уже проявляется в том, как молодое поколение выбирает свой карьерный путь. Я курирую и консультирую молодых людей в возрасте от 8 до 20 лет и вижу, что каждый из них стремится найти занятие, которое принесет пользу. Некоторые из них самовыражаются через искусство, другие заняты поиском решения глобальных проблем человечества – социальных или психологических, – которые тревожат людей на протяжении тысячелетий.

Таким образом, переосмысление роли труда в нашей жизни приведет к пересмотру

Все наши способности невероятно усилятся, как только мы подключим нашу новую кору к облаку. Представьте, как сложно общаться с приматом, который лишен неокортекса – части мозга, появившейся у гоминидов два миллиона лет назад благодаря высокому лбу. Он не поймет смысла музыки или литературы, ему бесполезно пересказывать видео с YouTube или объяснять шутки. Эта аналогия позволяет предположить, что, спроектировав где-то в 2030-х годах цифровое расширение для нашего неокортекса, мы сможем создавать такие глубокие произведения, которые сейчас нам не под силу понять или даже представить.

Но снова возникает ключевой вопрос: как будут происходить эти преобразования? В личной беседе Даниэль Канеман поддержал мою точку зрения, что информационные технологии продолжат развиваться экспоненциальными темпами в плане соотношения цены и производительности, а также мощности и в конечном счете будут управлять производством таких товаров, как одежда и продукты питания. Он также согласился с тем, что мы движемся к эпохе изобилия, когда все наши базовые потребности будут удовлетворены и значение будут иметь верхние ярусы пирамиды Маслоу. Однако перед эпохой изобилия Канеман ожидает затяжного периода конфликтов, возможно связанных с насилием. Он считает, что некоторые люди выиграют от процессов автоматизации, но другие неизбежно окажутся в невыгодном положении. Водителя, который потеряет работу, едва ли утешит, что человечество вскоре выйдет на новый уровень благосостояния, поскольку лично он может этого и не дождаться.

Одной из причин, почему процесс адаптации к новым технологиям может быть таким сложным, является то, что они зачастую приносят небольшую пользу всему обществу, но сильно бьют по какой-то одной группе людей. Например, беспилотные автомобили могут стать большим благом для общества: они помогут сберечь жизни пешеходов, водителей и пассажиров, снизить загрязненность, избавиться от пробок, сэкономить время и затраты на дорогу. Все жители США, а их по разным оценкам к 2050-му будет около 400 миллионов, в той или иной степени выиграют от этого новшества157. Потенциальная выгода от внедрения автопилотов может составить от 642 миллиардов до 7 триллионов долларов в год158. Что и говорить, это огромные суммы. Однако жизнь отдельно взятого человека едва ли изменится коренным образом. И хотя статистика подтверждает, что каждый год десятки тысяч людей будут избегать гибели, у нас не будет никакого способа определить, кто именно останется в живых благодаря этому новшеству159.

С другой стороны, от внедрения беспилотных автомобилей в основном пострадают несколько водителей, которые потеряют источник дохода. Этих людей несложно выявить, и проблемы у них возникнут весьма серьезные. В такой ситуации им будет недостаточно просто сказать, что благо для общества важнее их личных трудностей. Нужно предусмотреть процедуры, которые помогут им преодолеть финансовый кризис и переквалифицироваться, чтобы снова получать доход и чувствовать себя важной частью общества.

В поддержку опасений Канемана можно привести следующий аргумент: народные страхи обычно сильно преувеличены. Потеря работы на фоне ощущения, что все вокруг летит к чертям, легко может привести к враждебности. Канеман и я придерживаемся мнения, что нынешняя радикализация политических взглядов является результатом автоматизации, как уже произошедшей, так и ожидаемой, а не вызвана традиционными проблемами, такими как иммиграция160. Когда у вас и так высокая тревожность из-за неопределенности вашего экономического положения, вы будете враждебно настроены по отношению ко всему, что, как вам кажется, может усугубить ваши проблемы.

Однако история показывает, что общество гораздо легче приспосабливается к глобальным переменам, чем можно было бы предположить. За последние два века основной набор профессий обновился несколько раз, и это не привело к значимым социальным потрясениям, тем более насильственным переворотам. Средства массовой информации и правоохранительные органы смогли эффективно предотвратить или быстро подавить любые волнения, как и восстание луддитов в свое время. Однако отдельные люди могут прибегать к насилию по разным причинам, в том числе из-за проблем с психическим здоровьем. Учитывая, что в Америке традиционно много оружия, смертельные случаи происходят довольно часто.

Тем не менее, несмотря на периодические репортажи о страшных трагедиях, в целом уровень насилия за последние несколько веков значительно снизился161. Как мы обсуждали в предыдущей главе, хотя уровень преступности в отдельных странах может колебаться из года в год и от десятилетия к десятилетию, в целом в развитых странах наблюдается устойчивая тенденция к снижению числа насильственных преступлений. Мой друг Стивен Пинкер в своей книге «Лучшее в нас. Почему насилия в мире стало меньше» объясняет это снижение глубинными тенденциями нашей цивилизации: построением государства на основе закона, растущей грамотностью и экономическим развитием162. Важно отметить, что все эти факторы усиливаются благодаря экспоненциальному развитию информационных технологий. Так что у нас есть хороший повод смотреть в будущее с оптимизмом.

Важно помнить, что автоматизация хоть и несет в себе негативные последствия для рынка труда, все же открывает перед нами новые возможности. К тому же социальные программы обеспечивают существенную поддержку населения и, как мы убедились, продолжают расширяться, невзирая на политическую ситуацию. Приверженность социальным программам является фундаментальным фактором, не подверженным колебаниям общественного мнения. Эти программы не только отражают естественное для человека сочувствие к окружающим, но и служат инструментом, который помогает смягчить социальные потрясения, вызванные техническим прогрессом.

Все же социальное обеспечение не может заменить смысла, который придает нашей жизни активная деятельность. Как заметил Канеман, в этом отношении многие работники окажутся в сложной ситуации. Хотя Соединенные Штаты уже пережили несколько волн автоматизации, избежав серьезных социальных потрясений, новый этап будет беспрецедентным по масштабу, глубине и скорости преобразований. Канеман убежден, что людям требуется время на адаптацию и поиск возможностей в новых для себя условиях и многие попросту не успеют переквалифицироваться для выполнения других задач или построить новые бизнес-модели.

Я во многом согласен с Канеманом, но все же хотел бы подчеркнуть, что в большинстве областей технический прогресс не

На протяжении всей двухтысячелетней истории технического прогресса многие люди представляли себе, что автоматизация приводит к исчезновению рабочих мест, а мир при этом остается неизменным. Именно так люди рисуют себе будущее: что-то одно изменится, а все остальное останется прежним. Но на самом деле исчезновение одной профессии сопровождается чередой изменений к лучшему, которые наступают так же быстро, как и неблагоприятные последствия.

Люди очень быстро приспосабливаются к переменам, особенно переменам к лучшему. В конце 1980-х, когда интернет был доступен только в университетах и правительственных учреждениях, я высказал прогноз, что к концу 1990-х каждый человек, включая школьников, сможет общаться и делиться информацией через Всемирную сеть163. Я также предвидел появление мобильных устройств с доступом к сети интернет в начале XXI века164. Тогда мои прогнозы вызывали беспокойство, но казались маловероятными. Однако все они сбылись, и соответствующие технологии были быстро приняты обществом. Достаточно вспомнить, что еще 15 лет назад мобильных приложений просто не существовало, а сейчас людям сложно представить без них свою жизнь.

Инновации оказывают влияние не только на экономику. Исследователи из Стэнфордского университета выяснили, что 39 % пар, образовавшихся в 2017 году, познакомились через интернет, причем многие из них использовали для этого мобильные приложения, такие как Tinder или Hinge 165. Это означает, что многие дети, которые сейчас учатся в начальной школе, появились на свет благодаря технологиям, которые лишь немногим старше их самих. Один этот факт позволяет оценить поистине удивительную скорость, с которой мобильные приложения смогли повлиять на общество.

Люди часто представляют себе, как сложно будет человеку без кибернетических приспособлений конкурировать с роботами. Однако это не совсем верное понимание ситуации. Картина мира, в котором люди вынуждены соперничать с машинами под управлением ИИ, – это недоразумение. Представьте себе путешественника во времени, который прибыл из 2024 года в 1924-й, прихватив с собой смартфон166. Современникам Калвина Кулиджа способности этого пришельца покажутся просто сверхчеловеческими. Он сможет без усилий выполнять сложные вычисления, достаточно хорошо переводить тексты с любого языка, обыгрывать в шахматы любого гроссмейстера и будет знать все, что написано в «Википедии». Людям из 1924 года покажется, что смартфон кардинально усилил способности путешественника. Но нам, живущим в 2020-х, легко забыть об этом. Мы не чувствуем себяулучшенными. Таким же образом в 2030-х и 2040-х годах мы незаметно расширим свои возможности, и этот процесс будет казаться еще более естественным, потому что наш мозг сможет напрямую взаимодействовать с компьютером. Что касается решения задач, требующих больших умственных усилий, мы будем конкурировать с ИИ не больше, чем сегодня соревнуемся со своим смартфоном167. Подобный симбиоз нам не в новинку: по сути, с каменного века мы изобретаем орудия, которые расширяют наши возможности – как физические, так и умственные.

При всем при этом я все же не могу полностью исключить возможность социальных волнений, в том числе связанных с насилием. Нам предстоит большая работа, чтобы их предотвратить. Однако, учитывая долгосрочные экономические тенденции, которые оказывают на общество стабилизирующее влияние, я не думаю, что мы увидим масштабные потрясения.

Основным поводом для оптимизма служит растущая материальная обеспеченность населения, что сдерживает импульсы к вражде. Когда люди испытывают нехватку самых необходимых вещей, а уровень преступности и так высок, они прибегают к насилию, потому что им нечего терять. Однако те же технологии, которые разрушат привычный уклад жизни, также ускорят производство пищи и строительство домов, сделают перевозки более доступными и снизят затраты на медицинскую помощь. Уровень преступности неизбежно снизится благодаря большей образованности населения, эффективности правоохранительной системы и уменьшению загрязненности окружающей среды токсичными веществами, негативно влияющими на психику, такими как свинец. Когда люди поймут, что их ждет долгая и безмятежная жизнь, они охотнее будут преодолевать разногласия путем переговоров, вместо того чтобы рисковать всем, совершая преступления.

Мы с Канеманом пришли к выводу, что наши различия во взглядах на предстоящие изменения, по-видимому, обусловлены нашим детским опытом. Он провел свои юные годы во Франции, скрываясь со своей семьей от нацистов. Я же родился в Нью-Йорке после Второй мировой войны и, хотя тоже испытывал влияние ужасов холокоста как представитель «второго поколения», жил в относительной безопасности. Канеман был непосредственным свидетелем масштабной войны, изгнаний и ненависти, которые, быть может, были вызваны тяжелыми условиями жизни в послевоенной Европе, особенно в Германии.

Так или иначе, грядут масштабные перемены, которые потребуют от правительства тщательного стратегического планирования и мудрых управленческих решений. В этой связи особое внимание следует уделить политике и социальной сфере, где предстоит много важной работы для лидеров партий и гражданских активистов. Возможности, которые открывает перед нами технический прогресс, поистине безграничны. Речь идет ни много ни мало о решении экзистенциальных вопросов, стоявших перед человечеством на протяжении всей его истории.

Глава 6. Какой будет забота о здоровье в следующие тридцать лет

2020-е: сочетание искусственного интеллекта и биотехнологий

Когда вам нужно отремонтировать машину, вы едете в автомастерскую к профессиональному механику, который точно знает, из каких частей состоит автомобиль и как они друг с другом взаимодействуют. Автомобилестроение – это, по сути, точная наука. Если машина регулярно проходит техническое обслуживание, она может служить вам неограниченно долго. Даже последствия серьезных аварий зачастую устранимы. Однако когда речь заходит о теле человека, ситуация принципиально иная. Несмотря на впечатляющие достижения в области здравоохранения за последние два столетия, медицина все еще не стала точной наукой. Врачам приходится полагаться на процедуры, которые, так или иначе, приносят результат, но не вполне понятно, каким именно образом. В медицине часто используются обобщенные рекомендации, которые более или менее полезны для большинства пациентов, но, вероятно, не на 100 % подходят конкретно вам.

Чтобы медицина стала точной наукой, нам необходимо превратить ее в раздел информационных технологий, открыв тем самым возможности для экспоненциального прогресса. Эта принципиальная смена парадигмы уже

В прошлом медицинские исследования основывались исключительно на результатах кропотливых лабораторных экспериментов, а врачи передавали свой опыт из поколения в поколение. В таких условиях прогресс происходил по линейному закону, то есть очень медленно. Однако ИИ может обработать несопоставимо больший объем информации, чем человек получает за всю свою жизнь, и учесть опыт миллиарда проведенных операций, а не тысяч, которые выполняет один хирург за всю карьеру. Более того, возможности ИИ постоянно растут благодаря экспоненциальному увеличению мощности аппаратного обеспечения. Все это говорит о том, что здравоохранение значительно выиграет, если роль ИИ в вопросах медицины будет расширяться. Уже сейчас компьютерные модели помогают нам находить решение сложных задач биохимии, осуществляя поиск по всем возможным вариантам и находя правильные ответы за считаные часы вместо долгих лет2.

Возможно, самой актуальной задачей на сегодняшний день является поиск лечения постоянно возникающих вирусных заболеваний. Этот процесс можно сравнить с попыткой подобрать ключ к химическому замку нового вируса, только вариантов ключей настолько много, что ими можно было бы заполнить бассейн. Исследователь, используя все свои знания и навыки, способен указать несколько десятков молекул, которые могут оказаться потенциальными лекарствами, но общее количество химических соединений, имеющих отношение к этой задаче, порой исчисляется триллионами3. Часть из них можно быстро исключить как неподходящие, не тратя ресурсы на полноценное моделирование. Но оставшиеся миллиарды вариантов вполне могут стоить тщательной проверки. По некоторым оценкам, все пространство теоретически возможных молекул лекарств содержит более миллиона миллиардов миллиардов миллиардов миллиардов миллиардов миллиардов элементов!4 Независимо от того, насколько велико количество возможных решений, ИИ поможет ученым проанализировать множество вариантов и сосредоточиться на тех, которые имеют наибольший потенциал для победы над конкретным вирусом.

Такой тщательный подход к поиску имеет ряд преимуществ. В настоящее время, как только у нас появляется потенциально эффективный противовирусный препарат, мы должны найти несколько десятков или сотен добровольцев и провести клинические испытания, которые могут занять несколько месяцев или даже лет и обойтись в несколько десятков или сотен миллионов долларов. К сожалению, первая попытка не всегда оказывается успешной и нам приходится искать альтернативные варианты, что может занять еще больше времени. Пока не будут получены результаты этих исследований, разработка лекарства не может быть возобновлена. В США законодательство предписывает проведение трех фаз клинических испытаний. Согласно обзору МТИ, только 13,8 % потенциальных препаратов проходят этот процесс до конца и получают одобрение FDA5. Таким образом, чтобы вывести препарат на рынок, обычно требуется около 10 лет, а расходы составляют от 1,3 миллиарда до 2,6 миллиарда долларов США6.

В последние годы мы наблюдаем заметный рост числа научных открытий, совершенных с помощью ИИ. В 2019 году исследователи из Университета Флиндерса в Австралии разработали «турбовакцину» от гриппа, задействовав биологический симулятор для поиска веществ, способных активировать иммунную систему человека7. В поисках идеальной молекулы ученые сгенерировали на компьютере триллионы различных формул и передали их другой программе, которая определяла, сможет ли конкретная молекула эффективно стимулировать иммунитет для борьбы с вирусом8.

В 2020 году группа ученых их Массачусетского технологического института применила ИИ для создания мощного антибиотика, способного нейтрализовать опасные бактерии, устойчивые к традиционным препаратам. За считаные часы они проанализировали 107 миллионов потенциальных антибиотиков вместо нескольких видов лекарств, отобрали 23 наиболее перспективных и выделили среди них два, которые системе показались особенно действенными9. «Это поистине выдающееся исследование, – говорит Джейкоб Дуррант, разработчик фармацевтических препаратов из Питтсбургского университета. – Оно позволяет оценить потенциал компьютерного моделирования в разработке лекарств. Было бы невозможно экспериментально проверить антимикробные свойства более 100 миллионов веществ»10. Сейчас команда из МТИ использует этот подход для разработки новых высокоэффективных антибиотиков с нуля.

Однако самым впечатляющим примером использования ИИ в медицине стала разработка в 2020 году безопасной и эффективной вакцины против COVID-19 в рекордные сроки. Власти Китая обнародовали генетический код вируса 11 января 2020 года11. Ученые из компании Moderna с помощью методов машинного обучения изучили вопрос, какая вакцина была бы наиболее действенной, и спустя два дня уже имели на руках код для своей будущей mRNA-вакцины 12. Первая испытательная партия была готова 7 февраля. После предварительного тестирования образцы были отправлены в Национальные институты здравоохранения (NIH) 24 февраля. А уже 16 марта, спустя всего 63 дня с момента получения кода вакцины, первая доза была введена участнику клинических испытаний. До пандемии на создание вакцин обычно уходило от 5 до 10 лет. Благодаря такой прорывной скорости, без сомнения, удалось спасти миллионы жизней.

Но битва еще не окончена, поскольку продолжают появляться новые штаммы коронавируса. В 2021 году ученые из Университета Южной Калифорнии разработали программное обеспечение на основе ИИ, которое позволяет ускорить адаптацию вакцин к новым вариантам вируса, который продолжает мутировать13. С помощью компьютерного моделирования вакцину можно разработать за одну минуту и завершить тестирование в режиме симуляции в течение часа. Ко времени выхода этой книги будут созданы еще более совершенные программные средства.

Все задачи, которые мы до сих пор обсуждали, представляют собой частные случаи фундаментальной проблемы биологии: моделирование трехмерной структуры белка. Цепочки ДНК в нашем геноме кодируют последовательности аминокислот, которые сворачиваются в молекулу белка, и особенности ее пространственной структуры во многом определяют, какими свойствами она будет обладать. Наши тела состоят преимущественно из белков, так что установление связей между формой их молекул и тем, как они функционируют, является ключом к разработке новых препаратов и избавлению от болезней. К сожалению, людям пока удавалось с весьма невысокой точностью предсказать способ сворачивания конкретного белка, поскольку сложность процесса не позволяет свести его к единому набору простых для понимания правил. Так что открытия во многом зависели от удачи и кропотливого труда, а оптимальные решения, возможно, были пропущены. Долгое время эта проблема оставалась главной преградой на пути к большим успехам в фармакологии14.

И здесь возможности нейросетей по распознаванию образов обеспечивают решающее преимущество. В 2018 году подразделение DeepMind компании Alphabet разработало систему AlphaFold и проверило ее в соревновании с учеными-людьми и программным обеспечением прошлых поколений15. В

Однако предсказания ИИ были все же не такими точными, как лабораторные эксперименты, так что DeepMind вернулись на стадию проектирования и внедрили трансформер – технологию глубокого обучения, которая задействована также в GPT-3. В 2021 году была выпущена версия AlphaFold 2, и на этот раз успех был ошеломляющим17. ИИ сумел достичь точности почти экспериментального уровня при тестировании практически любого белка. Теперь биологам доступны структуры не 180 000 белков18, а сотен миллионов, а вскоре будут обработаны миллиарды19. Темп инноваций в биомедицине значительно вырастет.

В настоящее время поиск лекарств с помощью ИИ не обходится без руководящей руки оператора: ученым нужно поставить задачу, сформулировать ее в терминах биохимии, задать параметры для моделирования. В ближайшие десятилетия, однако, ИИ получит возможность искать решения, применяя творческий подход. Например, нейросеть может выявить проблемы, на которые врачи не обратили внимания (скажем, неудовлетворительные результаты терапии у больных определенной категории), и предложить нестандартную тактику или комплексный подход к лечению.

При этом ИИ будет под силу моделирование систем все больших масштабов: отдельных белков, белковых комплексов, органелл, клеток, тканей и, наконец, целых органов. Это откроет перед нами новые горизонты в лечении заболеваний, сложность которых пока настолько высока, что не поддается изучению традиционными методами. Например, за последние десять лет было разработано множество перспективных подходов к лечению рака, таких как иммунотерапия CAR-T и BiTEs, а также терапия ингибиторами контрольных точек иммунитета20. С их помощью удалось спасти тысячи жизней, однако и они нередко терпят неудачу, потому что опухолевые клетки учатся им противостоять. Часто при этом вокруг опухоли происходят изменения в состоянии среды, которые мы не можем полностью проанализировать с помощью доступных на сегодняшний день технологий21. Когда ИИ научится подробно моделировать опухолевые процессы и микросреду, в которой они развиваются, мы сможем предлагать новые варианты терапии, обходя защитные механизмы раковых образований.

Аналогичным образом течение нейродегенеративных заболеваний, таких как болезнь Альцгеймера или Паркинсона, зависит от скрытых и очень сложных процессов, при которых неправильно свернутые белки накапливаются в тканях мозга и вызывают его повреждение22. Исследования этих патологий продвигаются медленно и с огромным трудом, поскольку у нас нет возможности изучать их развитие непосредственно внутри живого мозга. Однако, применив компьютерное моделирование, мы сможем установить первопричины этих заболеваний и назначить лечение задолго до того, как у пациента появятся неврологические симптомы. Кроме того, системы моделирования работы головного мозга обеспечат прорывные результаты и в лечении психических расстройств, с которыми рано или поздно в той или иной степени столкнется примерно половина населения США23. В настоящее время врачи вынуждены назначать препараты из групп СИОЗС и СИОЗСиН, которые помогают скорректировать химический дисбаланс на некоторое время, но пациенты нередко ощущают слишком слабый эффект от лечения или вообще не отмечают пользы, зато сталкиваются с множеством побочных эффектов24. Как только ИИ освоит полномасштабное функциональное моделирование человеческого мозга – самой сложной структуры в известной части Вселенной! – мы сможем лечить многие психические заболевания на самых ранних стадиях.

В дополнение к перспективам использования ИИ для разработки новых методов лечения мы также ожидаем революционных преобразований в методике испытаний, служащих для проверки инновационных препаратов. Скоро FDA начнет учитывать результаты компьютерного моделирования при принятии решения об одобрении лекарств25. В ближайшие годы это нововведение может сыграть особо важную роль в случае новых пандемий, таких как COVID-19, когда новый вирус возникает внезапно и ускоренный выпуск вакцины может спасти миллионы жизней26.

Но представьте, что нам удастся полностью перенести процесс клинических испытаний в виртуальную среду. С помощью ИИ мы сможем оценить, какое воздействие окажет препарат на десятки тысяч смоделированных пациентов на протяжении нескольких (виртуальных) лет, и провернуть все это за считаные часы или максимум несколько дней. Таким образом, мы получим более точные и полные результаты тестов, причем гораздо быстрее, чем проводя долгие и скудные исследования на людях, как это происходит сегодня. Основным недостатком традиционных тестов является то, что в них задействовано (в зависимости от типа лекарства и стадии испытаний) от нескольких десятков до нескольких тысяч человек27. Это влечет за собой крайне малую вероятность, что в группе добровольцев окажутся люди, чье тело отреагирует на введение препарата точно таким же образом, как ваше. Эффективность и безопасность лекарственного средства лично для вас зависят от множества факторов: генетических предпосылок, особенностей питания и образа жизни, гормонального фона, микробиома, особенностей течения болезни, других принимаемых вами препаратов, наличия или отсутствия сопутствующих заболеваний. Если в группе участников эксперимента не окажется человека, похожего на вас по всем этим параметрам, то даже препарат, который хорошо помогает большинству людей, лично вам может и навредить.

Сегодня результатом испытаний может быть вывод, что лекарство дало в среднем 15 %-ное улучшение состояния для группы из 3000 человек. Но моделирование может выявить дополнительные подробности. Например, окажется, что некоторая подгруппа из 250 человек (носители определенного варианта какого-либо гена) даже пострадала от приема препарата, испытав ухудшение состояния на 50 %, а у другой выборки из 500 человек (скажем, у которых заболевание развивалось на фоне почечной недостаточности) состояние, наоборот, улучшилось на 70 %. Компьютерное моделирование поможет найти подобные корреляции и построить индивидуальный профиль риска и пользы для каждого отдельного пациента.

Внедрение подобных технологий будет происходить постепенно, потому что требования к вычислительной мощности для моделирования биологических процессов различаются от задачи к задаче. Препараты, состоящие из одной молекулы, будут исследоваться в первую очередь, так как они относятся к более простой части спектра сложности анализа. С другой стороны, такие техники, как CRISPR, и методы, подразумевающие контроль экспрессии генов, связаны с необычайно сложными механизмами взаимодействия между множеством различных биологических молекул и структур. Поэтому для их адекватного анализаin silicoпотребуется больше времени. Чтобы стать полноценной заменой испытаниям на людях как основному методу исследования, компьютерным моделям предстоит научиться не только отвечать на вопрос о прямом действии препарата, но и предсказывать долгосрочные последствия его нахождения в сложной системе, которую представляет собой живой организм.

Пока не ясно, какой уровень детализации потребуется для такого моделирования. Например, для проверки лекарства от рака печени не кажется необходимым включать в симуляцию клетки кожи пальцев рук. Но для полной

Можно предположить, что внедрение компьютерных симуляций в процесс тестирования лекарственных препаратов столкнется с серьезным сопротивлением со стороны врачебного сообщества, причем по целому ряду причин. Во-первых, в медицине принято проявлять осторожность в отношении рисков. Последнее, чего бы хотелось врачам, это подвергнуть пациентов опасности из-за необдуманных изменений в протоколах одобрения препаратов. Поэтому компьютерным моделям придется обзавестись солидным послужным списком, подтверждающим получение с их помощью результатов на уровне традиционных методов или превосходящих их. Во-вторых, кому-то придется брать на себя ответственность. Никому не хочется оказаться тем человеком, кто одобрил новый перспективный метод лечения, который в итоге обернулся катастрофой. Так что органам по надзору предстоит подготовиться к появлению инновационных подходов и действовать на опережение, чтобы найти баланс между необходимой осторожностью и смелостью в использовании технологий, способных спасти жизни.

ИИ уже вносит вклад в генетику, даже несмотря на отсутствие полной биологической модели организма. Когда-то 98 % генетического материала, который не кодирует белки, считались «мусорной» ДНК28. Теперь мы знаем, что эти участки играют ключевую роль в управлении экспрессией генов (определении, какие гены работают и насколько активно). Однако выявление нужных закономерностей в некодирующей ДНК представляет собой очень сложную задачу. Но благодаря способности ИИ выявлять тонкие взаимосвязи нам уже удалось сдвинуть эту работу с мертвой точки. Например, в 2019 году исследователи из Нью-Йорка обнаружили связь между некодирующими участками ДНК и аутизмом 29. По словам Ольги Троянской, ведущего специалиста этого проекта, их команде «впервые удалось продемонстрировать, что неунаследованные мутации в некодирующей ДНК могут вызывать у человека комплексные заболевания или функциональные расстройства»30.

Пандемия COVID-19 поставила на повестку дня еще одну сложную задачу – мониторинг распространения инфекционных заболеваний. В прошлом эпидемиологам для оценки вероятности эпидемий в США приходилось опираться на несколько не вполне подходящих источников данных. Недавно разработанная система ARGONet решает эту проблему, обрабатывая разрозненные информационные потоки в режиме реального времени и придавая каждому из них вес в зависимости от его прогностического потенциала31. ИИ просматривает электронные медкарты, архивные данные, анализирует поисковые запросы встревоженных пользователей и пространственно-временные диаграммы распространения заболевания32. «Система постоянно оценивает качество прогнозов, выдаваемых отдельными методами, – говорит руководитель проекта, ученый из Гарварда Маурицио Сантильяна, – и перенастраивает себя с учетом полезности каждого источника для построения будущего графика заболеваемости гриппом»33. В 2019 году ARGONet продемонстрировала впечатляющие результаты, обогнав все ранее существовавшие системы. В частности, ее точность превзошла показатели Google Flu Trends в 75 % штатов. Более того, ARGONet смогла обнаружить угрозу распространения гриппа во всех регионах на неделю раньше, чем это удалось сделать с помощью традиционных методов Центру по контролю и профилактике заболеваний34. В настоящее время активно изучаются различные варианты применения ИИ для предотвращения следующей глобальной эпидемии.

В дополнение к достижениям в научной сфере ИИ постепенно начинает опережать докторов в области клинической медицины. В одном из выступлений 2018 года я высказал предположение, что в течение года или двух ИИ научится анализировать рентгеновские снимки так же качественно, как профессиональные радиологи. Всего две недели спустя разработчики из Стэнфорда представили CheXNet – сверточную нейронную сеть, состоящую из 121 слоя. Эта сеть была обучена на 100 000 рентгеновских снимков и способна диагностировать 14 различных заболеваний. Предварительные результаты сравнения с радиологами-людьми оказались весьма многообещающими: ИИ показал лучшие результаты35. Другие системы ИИ также продемонстрировали высокий уровень анализа. В 2019 году было проведено исследование, в котором нейросеть смогла поставить диагноз на основе данных педиатрического осмотра, представленных на естественном языке. Ее точность оказалась выше, чем у восьми молодых врачей, а в некоторых случаях – даже у всех двадцати врачей, принимавших участие в эксперименте36. В 2021 году команда ученых из Университета Джона Хопкинса создала уникальную систему на основе ИИ под названием DELFI. Эта система способна распознавать отдельные фрагменты ДНК в крови человека и с высокой точностью, а именно в 94 %, определять наличие рака легких по лабораторному анализу крови, что даже эксперты не могут сделать в одиночку37.

Такие технические решения стремительно переходят из разряда экспериментальных образцов в разряд широко применяемых. В июле 2022 года в журналеNature Medicineбыли опубликованы результаты обширного исследования, в котором приняли участие более 590 000 пациентов стационара. Все они находились под наблюдением системы на основе ИИ, известной как «Целевая система раннего предупреждения» (Targeted Real-Time Early Warning System, TREWS). Целью исследования было как можно скорее выявить сепсис – тяжелое патологическое состояние, ежегодно уносящее жизни 270 000 американцев38. TREWS посылала врачам сигнал тревоги, позволяя начать лечение на ранних стадиях сепсиса, что привело к снижению смертности на 18,7 %. Если бы такие системы использовались повсеместно, то могли бы каждый год спасать десятки тысяч людей. Впоследствии эти модели получат расширенный доступ к информации, включая данные фитнес-трекеров, и смогут предлагать варианты лечения еще до того, как человек осознает, что болен.

В ближайшем будущем технологии на основе ИИ достигнут уровня, превышающего возможности человека, практически во всех областях диагностики39. В задачах расшифровки медицинских изображений возможности нейросетей раскрываются наиболее полно. Клинически значимая информация может быть едва заметна для человеческого глаза, но легко обнаруживается системами ИИ. В отличие от других форм диагностики, где требуется комплексный анализ разнородных данных, включая качественные признаки, набор пикселей изображения описывается массивом чисел, что идеально подходит для нейросетей. Именно поэтому рентгенографическая диагностика стала одной из первых областей медицины, где ИИ достиг впечатляющих результатов. По этой же причине будет сравнительно легко адаптировать системы типа CheXNet и ее аналог CheXpert для работы с другими классами диагностических изображений. В конце концов ИИ сможет полностью реализовать потенциал визуальной диагностики. Возможно, он даже сможет выявлять скрытые факторы риска на органах, которые на первый взгляд кажутся здоровыми. Это позволит принимать превентивные меры до того, как болезнь успеет причинить вред.

Сфера хирургии также стоит на пороге революции благодаря развитию вычислительных мощностей и увеличению объема качественных данных об операциях40. На протяжении многих лет роботы выполняли вспомогательные функции, но теперь они демонстрируют, что сами способны проводить операции. В 2016 году робот-хирург STAR в ходе испытаний на животных наложил швы на

Обычный хирург проводит несколько сот операций в год, значит, за всю карьеру он сможет выполнить от силы несколько десятков тысяч вмешательств. В некоторых случаях, например, если специализация требует выполнения долгих и сложных операций, это число может быть еще меньше. Напротив, роботы-хирурги, оснащенные ИИ, смогут использовать опыт всех проведенных такой системой процедур, выполненных в любой точке земного шара, – возможно, речь идет о протоколах миллионов хирургических операций. У них будут данные по гораздо более широкому спектру клинических ситуаций, чем может за свою карьеру накопить обычный хирург. К тому же ИИ сможет провести миллиарды виртуальных операций, протестировав себя в необычных условиях, которые невозможно или неэтично было бы воспроизводить в клинических испытаниях. Например, с помощью компьютерной симуляции можно научить машины работать с редкими комбинациями заболеваний или тяжелыми травмами, с которыми не каждый хирург сталкивается за всю карьеру. Все это сделает операции гораздо более эффективными и безопасными, чем сегодня44.

2030-е и 2040-е: доведение нанотехнологий до совершенства

Удивительно, как природа сумела создать столь сложное существо, как человек, наделив нас как достаточной гибкостью ума, так и необходимой физической координацией (в частности, подарив нам противостоящий большой палец) для изобретения технических средств. Мы, однако, все же далеки от совершенства, особенно в том, что касается мышления. Как еще в 1988 году отметил Ханс Моравец, рассуждая о значении технического прогресса, не важно, насколько мы усовершенствуем свой ДНК – код, наши тела из плоти и крови никогда не смогут достичь такой же эффективности, как машины, созданные с определенной целью45. Моравец понимал, что в этом смысле люди могут быть лишь «роботами второго сорта», как метко выразился писатель Петер Вайбель 46. Это означает, что, даже если мы хорошо поработаем и выведем наш мозг на максимум его возможностей, он все равно будет в миллиарды раз медленнее и намного менее сообразительным, чем специально сконструированная машина.

Развитый ИИ в совокупности с продвинутыми нанотехнологиями позволят нам перепроектировать и перестроить – молекула к молекуле – наш мозг и тело, а также и мир, с которым те взаимодействуют. Нейроны человеческого мозга посылают сигналы с частотой в лучшем случае около 200 раз в секунду (при абсолютном теоретическом максимуме в 1000 раз в секунду), а в среднем, скорее всего, и того меньше – не более одного раза в секунду47. Для сравнения, современные транзисторы работают с частотой один триллион циклов в секунду, а компьютерные чипы, доступные в розничных магазинах, выполняют 5 миллиардов циклов в секунду48. Такое большое различие обусловлено тем, что клеточная вычислительная структура нашего мозга построена на медленной и неуклюжей архитектуре, в отличие от филигранных инженерных решений в мире компьютеров. По мере развития нанотехнологий этот разрыв будет только увеличиваться.

Кроме того, размер мозга ограничивает его вычислительную мощность 1014 операций в секунду, как я предполагал в своей книге «Сингулярность уже близка». Это число примерно соответствует оценке Моравеца, полученной из других соображений49. Американский суперкомпьютер Frontier уже может выполнять более 1018 операций в секунду в тестах, ориентированных на работу ИИ50. Благодаря тому, что транзисторы в компьютерах могут быть упакованы плотнее и экономичнее, чем нейроны в мозге, а сами компьютеры не ограничены в размерах и могут объединяться в сети, они оставляют человеческий мозг далеко позади в плане вычислений. Можно с уверенностью утверждать, что разум, основанный только на органических тканях биологического мозга, не сможет угнаться за интеллектом, дополненным продуктами наноинженерии.

Первым о нанотехнологиях заговорил знаменитый физик Ричард Фейнман (1918–1988) в своей эпохальной лекции 1959 года «Внизу полным-полно места», в которой он указал на неизбежность появления машин, способных оперировать отдельными атомами, а также на фундаментальные последствия этого достижения51. Фейнман оптимистично утверждал: «Известные нам принципы физики не запрещают создавать объекты “атом за атомом”. <…> …Физики, в принципе, действительно могут научиться синтезировать любое вещество, исходя из записанной химической формулы. Химики будут заказывать синтез, а физики – просто “укладывать” атомы в предлагаемом порядке. Развитие техники манипуляции на атомарном уровне (а я убежден, что этого нам просто не избежать) позволит решить многие проблемы химии и биологии»52 [2].

Чтобы продукт нанотехнологий мог оказывать воздействие на макрообъекты, он должен обладать способностью к самовоспроизведению. Первым, кто подробно описал принципы, по которым может быть построен такой модуль, был выдающийся ученый Джон фон Нейман (1903–1957). Он обращался к этой теме в конце 1940-х в серии лекций и в статье, опубликованной в одном из выпусков журналаScientific Americanза 1955 год53. Однако полностью его идеи были обнародованы только в 1966 году, спустя 10 лет после смерти ученого. Идеи фон Неймана носили абстрактный математический характер и касались в основном не столько практических методов построения самовоспроизводящихся роботов, сколько логических обоснований самой возможности их существования. По его замыслу, самовоспроизводящийся автомат должен состоять из двух частей: «универсального компьютера» и «универсального конструктора». Вычислительное устройство выполняет программу, которая управляет строительным модулем, а тот, в свою очередь, способен создать точную копию как самой машины, так и программы, чтобы у новых экземпляров были те же возможности54.

В середине 1980-х годов инженер Ким Эрик Дрекслер, вдохновленный идеями фон Неймана, сформулировал принципы современных нанотехнологий55. Дрекслер описал гипотетическую машину, которая могла бы использовать атомы и фрагменты молекул из окружающей среды в качестве строительных материалов для своего конструктора, аналогичного тому, что был предложен фон Нейманом. Строительным модулем этой машины должен управлять компьютер, который указывал бы, куда помещать конкретный атом56. Теоретически этот «ассемблер» был бы в состоянии собрать абсолютно любой объект, если только тот обладает устойчивой структурой на уровне атомов. Именно эта гибкость и универсальность отличает подход молекулярного механосинтеза, предложенный Дрекслером, от идей, основанных на биологии, которые допускают конструирование объектов наномасштабов, но накладывают строгие ограничения на возможные схемы и допустимые материалы.

Дрекслер описал концепцию очень простого компьютера, работающего на молекулярных «переключателях» (существующих только в теории, построить их пока не удалось) вместо транзисторов57. Каждый переключатель занимает всего шесть кубических нанометров пространства и может менять свое состояние за одну миллиардную долю секунды, что позволит компьютеру достичь скорости вычислений

Как мы уже говорили в главе 2, моя оценка в 1014 операций подразумевает моделирование каждого нейрона. Однако мозг в значительной степени полагается на параллелизм. Поскольку биологическая среда внутри нашего черепа (по крайней мере, на молекулярном уровне) очень нестабильна, отдельные нейроны могут отмирать или просто не посылать сигнал в нужный момент. Если бы мышление сильно зависело от поведения всех нейронов до последнего, оно было бы слишком ненадежным. Но когда множество нейронов работают в тандеме, «помехи» эффективно фильтруются, и мы можем мыслить вполне адекватно.

При производстве небиологических компьютеров мы располагаем намного большими возможностями контроля над их внутренней средой. Содержимое компьютерного чипа гораздо чище и стабильнее, чем мозговая ткань, поэтому нам не понадобится такой же уровень параллелизма. В таких условиях работа будет более эффективной, так что вполне возможно, что 1014 операций в секунду нам и не потребуются. Однако, поскольку доподлинно не известно, какую степень параллелизма использует человеческий мозг, я буду на всякий случай придерживаться консервативной оценки. Таким образом, максимально эффективный нанокомпьютер объемом в один литр теоретически сможет в плане вычислительной мощности заменить 10 000 цивилизаций по 10 миллиардов человек (то есть 100 триллионов человек). Сразу оговорюсь, я не утверждаю, что такую машину можно построить на практике. Суть в том, что нанотехнологии обеспечат огромный запас возможностей для прогресса. Даже доля процента от теоретически возможной производительности – это уже революционный шаг для вычислительной техники, который откроет перед нами двери к поистине невероятным вычислительным возможностям.

Что касается самовоспроизводящихся нанороботов, то такой компьютер сможет обеспечить необходимую степень скоординированности для достижения крупномасштабных результатов. Система управления будет похожа на компьютерную архитектуру под названием ОКМД (одиночный поток команд, множественный поток данных). Это означает, что один управляющий модуль будет считывать команды и одновременно пересылать их триллионам ассемблерных элементов молекулярного масштаба (точнее, их собственным примитивным контроллерам)63.

Принцип «широковещательных команд» заодно помогает устранить ключевую уязвимость. Если процесс самовоспроизводства выйдет из-под контроля, а также в случае программных ошибок или вредоносного воздействия мы можем мгновенно отключить источник команд, прекратив тем самым любые действия нанороботов64. Как мы подробнее обсудим в главе 7, в худшем случае побочным эффектом работы нанотехнологий будет образование так называемой «серой слизи» – массы из неконтролируемых нанороботов, размножающихся в ходе цепной реакции65. Теоретически такой сценарий может закончиться уничтожением всей биомассы на планете и превращением ее в нанороботов. Но архитектура управления, предложенная Ральфом Мерклом, станет хорошей защитой против такого сценария. Если все команды исходят из единого центра, отключение вещания в случае нештатной ситуации обездвижит нанороботов и остановит их размножение.

Сам репликатор, исполняющий команды, будет представлять собой простого молекулярного робота с одним манипулятором наподобие универсального конструктора фон Неймана, построенного в крошечном масштабе66. Принципиальная возможность построения молекулярных роботизированных суставов, шестерней, роторов и моторов была неоднократно продемонстрирована67.

Законы физики не позволяют манипулятору молекулярного масштаба захватывать и перемещать атомы, как это сделала бы рука человека. В этой связи будущее нанотехнологий стало предметом полемики. В 2001 году американский физик и химик Ричард Смолли открыто вступил в дискуссию с Эриком Дрекслером по поводу принципиальной возможности создания «молекулярных сборщиков», способных производить вещи на атомном уровне68. Оба ученых внесли значительный вклад в сферу нанотехнологий, но их взгляды кардинально различались. Дрекслер был убежден, что в сфере нанотехнологий мы должны стремиться реализовать подход «сверху вниз», то есть заставить нанофабрики собирать роботов по заданной инструкции. Смолли же считал, что это физически невозможно и единственный разумный способ – опираться на принцип построения «снизу вверх», как в биологических системах. Возражения Смолли сводились к двум основным аспектам: «проблеме толстых пальцев», то есть соображению, что звенья манипулятора будут слишком громоздкими, чтобы эффективно работать в наномасштабе; и «проблеме липких пальцев» – большой вероятности, что перемещаемые атомы будут приклеиваться к манипулятору.

В ответ Дрекслер приводил в пример такие биологические «устройства», как энзимы и рибосомы, которые, по его мнению, свидетельствуют о том, что вторая проблема преодолима. А первая проблема, как он полагал, вовсе не возникнет, если использовать методики сборки с одним манипулятором. В 2003 году, в разгар дискуссии, я высказал свою точку зрения, преимущественно поддержав точку зрения Дрекслера69. Оглядываясь назад, я с удовлетворением отмечаю, что, учитывая последние достижения нанотехнологий, подход «сверху вниз» кажется все более и более реалистичным, даже несмотря на то что потребуется еще около десяти лет, чтобы технологии достигли нужного уровня, скорее всего, с помощью ИИ. Ученые уже существенно продвинулись в задаче точного позиционирования атомов, и я ожидаю новых прорывов в 2020-х годах.

Схема манипулятора Дрекслера по-прежнему кажется мне наиболее перспективной. Вместо сложной и неуклюжей клешни в ней используется единственный наконечник. Чтобы взять атом и переместить его в новую позицию, применяется комбинация механического и электрического воздействия70. В своей книге «Наносистемы» (Nanosystems, 1992) Дрекслер описывает несколько видов химических процессов, которые могли бы позволить реализовать эту идею71. Одним из вариантов может стать манипулирование атомами углерода и строительство объектов из алмазоподобного вещества, называемого алмазоидом72.

Алмазоид представляет собой вещество, в котором атомы углерода организованы в пространственную решетку подобно алмазу, но при этом разделены на крошечные отсеки, содержащие около 10 атомов каждый. С внешней стороны к отсеку присоединен один атом водорода. Из алмазоида можно строить необычайно легкие и прочные наноразмерные конструкции. В своих книгах «Машины создания» (1986) и «Наносистемы» Эрик Дрекслер подробно рассмотрел вопросы, связанные с созданием объектов из алмазоида. Эти работы вдохновили автора научно-фантастических произведений Нила Стивенсона на написание романа «Алмазный век», который был опубликован в 1995 году и годом позже получил премию «Хьюго». События романа разворачиваются в мире, где нанотехнологии на основе алмазоида стали основой цивилизации,

Эта технология легла в основу множества интересных проектов. Используя процесс химического осаждения из паровой фазы, мы убедились, что таким образом можно создавать искусственные алмазы74. Алмазоид обладает повышенной прочностью, а кроме того, в него можно добавлять примеси с помощью легирования, чтобы получить материал с заданной теплопроводностью и другими свойствами или создать электронные компоненты, такие как полупроводники75. В последние десять лет были разработаны перспективные методы производства электронных и механических схем путем специфического расположения атомов углерода76. Этой области сейчас уделяют повышенное внимание ученые по всему миру, но самые многообещающие идеи были выдвинуты Ральфом Мерклом и его коллегами77. Еще в 1997 году Меркл описал возможный «метаболизм», который обеспечит работу наноассемблера, способного строить углеводороды, такие как алмазоиды, используя раствор бутадиена в качестве сырья78.

С тех пор как в 2005 году вышла книга «Сингулярность уже близка», были достигнуты впечатляющие успехи в исследовании графена (материала толщиной в один атом, в котором атомы углерода образуют кристаллическую решетку с ячейками шестиугольной формы), углеродных нанотрубок (по сути, трубок из графена) и алмазных нанонитей (практически одномерных цепочек из углерода в окружении атомов водорода). Все эти структуры найдут широкое применение в ближайшие два десятилетия79.

В настоящее время исследователи активно разрабатывают различные подходы к этому типу механосинтеза и другим нанотехнологиям80. Среди уже существующих стоит отметить ДНК – оригами81, ДНК-нанороботов82, молекулярные машины (построенные по аналогии с биологическими процессами)83, молекулярные конструкторы, похожие на «Лего»84, одноатомные кубиты для квантовых компьютеров85, перемещение атомов с помощью пучка электронов86, литографию с водородной депассивацией87, перемещение атомов с помощью туннельного микроскопа88. Ряд проектов в обозначенных направлениях постепенно развивается, а учитывая, что к концу 2020-х в распоряжении инженеров будет мощный ИИ, можно надеяться, что в 2030-х технологии манипулирования отдельными атомами получат свое воплощение.

По сути, производство будет представлять собой внедрение информационной структуры в смесь «черновых» материалов в ходе своего рода экспоненциального процесса. Центральный компьютер будет передавать команды небольшой группе первичных нанороботов, помещенных в сырье из атомов или базовых молекул. Нанороботы получат указание создать каскад копий самих себя в количестве триллионов экземпляров. Затем компьютер даст команду этим молекулярным ассемблерам построить нужные объекты.

Когда технология достигнет своего совершенства, молекулярный ассемблер будет представлять собой настольный аппарат, способный собрать практически любой физический объект при наличии достаточного запаса нужных атомов. Для его создания нам потребуется решить одну из сложнейших задач нанотехнологий: обеспечение универсальности. Одно дело – разработать прибор, который создает какой-то один вид материала (например, алмазоиды), и совсем другое – спроектировать машину, которая сможет работать со всеми известными веществами. В этом вопросе нам не обойтись без помощи очень мощного ИИ. Можно ожидать, что ассемблеры, способные собирать более-менее однородные по составу предметы (драгоценные камни, мебель или одежду), появятся намного раньше, чем многоцелевые аппараты, умеющие создавать объекты с разнообразным химическим составом и сложной микроструктурой (такие как приготовленное блюдо, живой орган или компьютер, который сможет выполнять больше операций в секунду, чем происходит в мозгах всех живущих людей, вместе взятых).

Как только мы получим в свое распоряжение передовые нанотехнологии, производственные затраты на все товары (в том числе сами наноассемблеры) упадут до минимума, фактически до стоимости сырья89. В 2013 году Дрекслер оценил эти затраты в 2 доллара за килограмм, независимо от того, что производится, будь то драгоценности или продукты питания90. Поскольку наноматериалы гораздо прочнее пластика и даже стали, большинство объектов будут весить на порядок меньше, чем сейчас. Даже если в готовой продукции используется дорогостоящее сырье, например, золото, медь или редкоземельные металлы в электронике, в будущем, скорее всего, соответствующие компоненты можно будет создавать из дешевых и доступных элементов, таких как углерод.

В условиях дешевого производства ценность товаров будет заключаться в содержащейся в них информации, то есть степени их инновационности: творческих идеях, положенных в их основу, строках кода, управляющих их производством. Это соображение уже справедливо для цифровых товаров. Возьмем, к примеру, электронные книги. Первые книги люди вынуждены были переписывать от руки, так что в их цене существенную долю занимала оплата труда переписчиков. После изобретения печатного станка цена книги преимущественно складывалась из стоимости бумаги, чернил и материалов для переплета. Что касается электронных книг, мы практически не несем затрат на электричество и вычислительные мощности, необходимые для их копирования, хранения и передачи. Читатели платят за творческую обработку информации, которая делает чтение увлекательным и стоящим потраченного на книгу времени, и за некоторые дополнительные факторы, в частности маркетинг. Чтобы в этом убедиться, достаточно сравнить цены на пустые блокноты и романы в твердом переплете. Если не обращать внимания на обложки, сложно понять, где что. С другой стороны, романы в электронном формате стоят по несколько долларов, а идея заплатить за пустой электронный блокнот кажется абсурдной. Это яркий пример того, как цена товара зависит только от качества содержащейся в нем информации.

Нанотехнологии перенесут эту модель ценообразования на материальные вещи. В 2023 году стоимость физических товаров складывается из многих составляющих: затрат на сырье, электроэнергию, грузоперевозки, оплаты труда и амортизации оборудования. Но технический прогресс значительно снизит влияние всех этих факторов уже в ближайшие десятилетия. Сырье можно будет добывать или синтезировать на месте без значительных затрат, роботы заменят человеческий труд, средства производства в свою очередь подешевеют, затраты на электроэнергию сократятся благодаря появлению солнечных панелей с высоким КПД и аккумуляторов повышенной емкости (а рано или поздно и благодаря управляемому термоядерному синтезу), а беспилотные электромобили обеспечат низкие затраты на доставку. Экономия на всем вышеперечисленном приведет к тому, что в конечной стоимости продукта будет расти доля информационной ценности. Мы уже идем к этому семимильными шагами: «информационное наполнение» имеет все больший вес и скоро останется практически единственным, что имеет значение.

В большинстве случаев это позволит сделать себестоимость товаров настолько низкой, что их можно будет раздавать потребителям бесплатно. Чтобы увидеть, как это работает, можно в очередной раз обратиться к сектору ИТ. В главе 5 мы уже обсуждали, что компании Google и социальные сети тратят миллиарды долларов на сетевую инфраструктуру, но реальная стоимость одного поискового запроса

Радикальное устранение дефицита позволит наконец удовлетворить потребности всех жителей планеты. Заметим, что этот прогноз касается исключительно технической возможности. Культура и политика, безусловно, сыграют огромную роль в том, насколько быстро экономика сможет адаптироваться к новым условиям. Повсеместно обеспечить справедливое распределение благ будет непросто. При всем при этом я смотрю в будущее с оптимизмом. Распространенное заблуждение, что элита будет просто накапливать излишки производства, не имеет под собой оснований. В условиях изобилия запасы становятся бессмысленными. Никто не складирует баллоны с воздухом, потому что его хватает на всех. Точно так же, когда другие пользуются «Википедией», информация в ней не перестает быть доступной вам. Нам осталось лишь распространить этот принцип на материальные товары.

Хотя нанотехнологии помогут решить проблему дефицита многих материальных вещей, у ограниченной доступности есть и культурные предпосылки, особенно когда речь заходит о предметах роскоши. Например, невооруженным глазом невозможно отличить искусственные бриллианты от натуральных, но разница в их стоимости может доходить до 30–40 %91. Наценка не имеет отношения к визуальной привлекательности, но отражает то значение, которое в нашей культуре придается природным бриллиантам. Аналогично картины мастеров прошлого оживят гостиную не лучше качественных репродукций, но люди ценят их подлинность, поэтому покупают в миллионы раз дороже копий92. Так что даже нанотехнологии не смогут полностью искоренить экономическое неравенство.

Природные бриллианты и подлинники Рембранта будут все такими же редкими. Однако со сменой поколений могут поменяться и культурные ориентиры. Кто знает, быть может, сегодняшние дети, став взрослыми, будут ценить совсем другие вещи? Про их детей и говорить нечего.

Нанотехнологии в борьбе против старения

Как я подробно описывал в книге «Transcend. Девять шагов на пути к вечной жизни»93, человечество сейчас проходит последние этапы первой эпохи продления жизни. Сейчас перед нами стоит задача по максимуму использовать накопленные знания по диетологии и фармакологии для поддержания здоровья. В этих областях постоянно появляются новые открытия, и лично я уже на протяжении нескольких десятков лет придерживаюсь определенного плана по сохранению здоровья.

В 2020-х годах мы вступим во вторую фазу исследований, направленных на продление жизни, которая заключается в интеграции биотехнологий с ИИ. Нам предстоит разработать и протестировать передовые методы терапии с помощью виртуальных моделей живых организмов. Первые подобные опыты уже проводятся, и все указывает на то, что подобные методы позволят нам открывать эффективные виды лекарств за считаные дни вместо долгих лет.

В 2030-х годах наступит третья фаза радикального продления жизни: время, когда нанотехнологии помогут нам преодолеть ограничения нашего биологического тела. В этот период мы сможем значительно увеличить продолжительность жизни человека, которая сейчас ограничена 120 годами94.

Единственным человеком, перешагнувшим порог 120 лет (что подтверждено документально), стала француженка по имени Жанна Кальман 95. Когда она умерла, ей было 122 года. Почему никому не удавалось прожить дольше? Можно было бы предположить, что причина кроется в теории вероятностей: пожилые люди подвержены высокому риску погибнуть от болезни Альцгеймера, инсульта, сердечного приступа, онкологических заболеваний; после достаточного количества лет воздействия этих рисков каждый в итоге от чего-нибудь умирает. Но оказалось, что дело в другом. Статистика по страховым случаям показывает, что в диапазоне от 90 до 110 лет риск умереть в следующем году для среднестатистического человека ежегодно увеличивается на 2 %-ных пункта96. Например, типичный американец в возрасте 97 лет не доживет до 98 с вероятностью 30 %; но когда ему исполнится 98, риск не дожить до 99 составит уже 32 %. Однако начиная со 110-летнего возраста риск смерти растет каждый год на 3,5 %-ных пункта.

Врачи выдвинули гипотезу, согласно которой в возрасте около 110 лет в человеческом теле начинаются процессы разрушения, принципиально отличающиеся от возрастных изменений у пожилых людей более молодого возраста97. Старение супердолгожителей, то есть людей старше 110 лет, не ограничивается только усилением общих рисков, характерных для старшего возраста. Хотя риски умереть от обычных заболеваний, безусловно, присутствуют, их рост для очень пожилых людей может даже замедляться. К ним, однако, добавляются новые проблемы, такие как отказ почек или нарушения дыхания. Часто они возникают внезапно, без очевидной связи с образом жизни или какими-либо заболеваниями. Просто организм начинает отказывать.

В последнее десятилетие ученые и инвесторы проявляют особый интерес к этой теме. Одним из самых авторитетных специалистов в области биогеронтологии является Обри ди Грей, основатель фонда LEV (Longevity Escape Velocity, или «Скорость убегания от старости»)98. По мнению Обри ди Грея, старение организма можно сравнить с износом автомобильного двигателя – это постепенное накопление повреждений в процессе нормального функционирования системы. В человеческом теле такие повреждения возникают в результате двух основных процессов: метаболизма в клетках (расхода энергии для поддержания жизни) и клеточного деления (механизма самовоспроизводства). В ходе метаболизма внутри и снаружи клеток накапливаются отходы, а также значительный ущерб наносится окислением, что можно сравнить с ростом ржавчины на машинах.

Пока мы молоды, наши тела в состоянии эффективно избавляться от отходов и быстро устранять ущерб. Но с возрастом общее количество делений клеток увеличивается, и ошибки постепенно накапливаются. Рано или поздно повреждения в клетках начинают возникать быстрее, чем организм успевает их чинить.

Когда человеку семьдесят, восемьдесят или девяносто, эти повреждения, вероятно, вызовут один фатальный сбой задолго до того, как смертельных болезней станет несколько. Так что, если медицина найдет способ излечить восьмидесятилетнего человека от онкологического заболевания, которое привело бы его к неминуемой смерти, этот человек имеет все шансы прожить еще лет десять, прежде чем его убьет что-то другое. Однако рано или поздно в организме начинает разрушаться все, и попытки лечить возрастные проявления больше не будут иметь успеха. Согласно теории побега от старения, единственной надеждой остается найти решение проблемы старения как такового. Исследовательский фонд инженерных стратегий замедления старения (SENS) предложил соответствующий план действий, однако его реализация займет десятилетия99.

Проще говоря, нам необходимо научиться восстанавливать повреждения, вызванные старением, на уровне отдельных клеток и тканей. Существует несколько подходов к решению этой задачи, но наиболее перспективной мне кажется идея использования нанороботов, которые будут проникать в организм и выполнять «ремонт» прямо на месте. Это не сделает людей бессмертными. Мы

Нам даже не обязательно ждать, пока эти технологии достигнут совершенства. Если мы доживем до того времени, когда инновации в науке о старении будут ежегодно увеличивать продолжительность нашей жизни на один год, у нас появится запас времени, чтобы дождаться, пока нанотехнологии разберутся со всеми остаточными явлениями старения в нашем организме. Это и будет означать, что мы достигли скорости убегания от старения100. Вот почему утверждение Обри ди Грея, что первый человек, который доживет до 1000 лет, скорее всего, уже родился, не кажется безумным. Если к 2050 году благодаря нанотехнологиям нам удастся решить часть проблем, с которыми сталкиваются 100-летние люди, и продлить им жизнь до 150 лет, у нас будет время до 2100 года, чтобы понять, какая помощь им понадобится к этому возрасту. ИИ уже будет играть ведущую роль в исследованиях, так что прогресс в медицине будет идти экспоненциально быстрыми темпами. Таким образом, у нас есть все основания строить смелые прогнозы, как бы шокирующе они ни звучали для нашего сознания, привыкшего к линейному развитию.

На протяжении многих лет я беседовал с разными людьми о возможности продления жизни и заметил, что эта идея встречает некоторое сопротивление. Люди огорчаются, когда узнают, что кто-то ушел из жизни после болезни, но когда им говоришь о возможности увеличить продолжительность жизни для всех людей в целом, они оказываются к этому не готовы. «Жизнь слишком сложна, чтобы длиться вечно» – вот что нередко приходится слышать. Однако люди, как правило, не хотят умирать прямо сейчас, когда бы их об этом ни спросили, разве что они испытывают невыносимую боль, будь то физическую или душевную. Если бы им довелось испытать улучшение качества жизни во всех ее проявлениях, как мы подробно обсуждали в главе 4, большинство их опасений были бы развеяны. Ведь продление жизни человека неизбежно повлечет за собой ееулучшение.

Чтобы понять, как продление жизни улучшает ее качество, перенесемся на столетие назад. В 1924 году ожидаемая продолжительность жизни в США составляла 58 с половиной лет. Это значит, что дети, рожденные в тот год, по статистике должны были умереть в 1982-м101. Однако качество медицинской помощи настолько выросло, что многие из них дожили до 2000-х или даже 2010-х и успели насладиться жизнью на пенсии во времена дешевых авиабилетов, безопасных автомобилей, интернета и кабельного телевидения. Что касается детей, родившихся в 2024-м, технические новшества будут развиваться и добавлять годы к их сроку жизни гораздо быстрее, чем для людей прошлого века. Помимо невероятного материального благополучия, их ждет богатая культура: искусство, музыка, литература, телевидение и видеоигры, созданные человечеством за эти дополнительные годы. Но самое главное – они смогут проводить больше времени с семьей и друзьями в атмосфере любви и заботы. Именно это, на мой взгляд, придает жизни подлинный смысл.

Но каким образом нанотехнологии помогут нам в этом? Мне кажется, ставку следует сделать на нанороботов. Их можно конструировать из алмазоидных блоков, которые будут нести на себе датчики, манипуляторы, компьютеры, средства связи и, быть может, даже аккумуляторы102. Воображение рисует нанороботов в виде микроскопических подводных лодок, стремительно несущихся по кровеносным сосудам; но физические законы, действующие на таких масштабах, требуют совсем другого подхода. На этом уровне вода является сильным растворителем, а молекулы оксидантов могут нанести вред нанороботам, так что придется использовать материалы, способные противостоять этим агрессивным условиям, такие как алмазоиды.

В отличие от полноразмерных подводных лодок, которые плавно скользят сквозь толщу воды, для наноразмерных объектов динамика будет определяться силами вязкого трения103. Представьте, каково это – плыть сквозь арахисовое масло! Чтобы преодолеть эти препятствия, нанороботам необходимы новые способы передвижения. Кроме того, нанороботы едва ли смогут иметь на борту достаточный запас энергии или вычислительные ресурсы для выполнения задач в автономном режиме. Поэтому они должны уметь получать энергию из окружающей среды и либо выполнять команды извне, либо координироваться друг с другом для проведения расчетов.

Для поддержания организма в рабочем состоянии и профилактики проблем со здоровьем необходимо огромное количество нанороботов, каждый из которых будет размером с биологическую клетку. Согласно самым надежным оценкам, тело человека состоит из нескольких десятков триллионов клеток104. Если мы решим выделить по одному нанороботу на сотню клеток, общее количество роботов составит несколько сот миллиардов. Однако пока сложно сказать, какое соотношение будет оптимальным. Может оказаться, что продвинутые нанороботы будут эффективно работать, даже если их будет не в сто, а в тысячи или десятки тысяч раз меньше, чем клеток в организме.

Одним из проявлений старения является ухудшение работы органов. Поэтому главная цель нанороботов – восстановить и дополнить их функции. Помимо расширения нашей новой коры, о чем мы говорили в главе 2, нанороботы будут помогать внутренним органам эффективно выделять различные вещества в кровоток (или лимфатическую систему) или, наоборот, выводить их из крови105. Например, легкие насыщают кровь кислородом и избавляют ее от углекислого газа106. Печень и почки фильтруют токсины107. В пищеварительном тракте происходит всасывание питательных веществ108. Поджелудочная железа и другие органы вырабатывают гормоны, которые влияют на обмен веществ109. Нарушения в гормональном обмене могут приводить к заболеваниям, таким как диабет. (Уже существуют устройства110, которые постоянно измеряют уровень инсулина в крови и автоматически вводят нужную дозу, почти как поджелудочная железа)111. Нанороботы будут постоянно контролировать уровень жизненно важных веществ в организме и при необходимости корректировать его. Они также помогут сохранить структуру органов. Это позволит человеку оставаться здоровым неограниченно долго. Возможно, в будущем нанороботы смогут и вовсе стать заменой биологическим органам, если будет необходимо.

Однако нанороботы способны на большее, чем просто поддержание нормальной работы организма. С их помощью можно будет устанавливать более выгодную для нас концентрацию определенных веществ в крови, чем обеспечивают наши собственные органы. Например, человеку может понадобиться скорректировать уровень гормонов, чтобы стать более работоспособным и внимательным или чтобы ускорить процессы заживления и восстановления. А если удастся улучшить качество сна112, это тоже будет своего рода «продлением жизни». Выделяя на сон семь часов за ночь вместо восьми, мы фактически получаем столько дополнительных часов бодрствования, сколько предоставили бы нам пять лишних лет жизни!

Рано или поздно использование нанороботов для поддержания здоровья и оптимизации работы организма поможет нам в принципе предотвращать наступление серьезных заболеваний. Но, конечно, в переходный период, когда нанороботы будут доступны, но еще

Онкологические заболевания так тяжело поддаются лечению отчасти потому, что каждая раковая клетка в состоянии самовоспроизводиться. Чтобы победить рак, нужно уничтожить все клетки без исключения113. Иммунная система зачастую может справиться с начальными стадиями деления раковых клеток, но когда опухоль уже сформировалась, она приобретает механизмы защиты от иммунных сил организма. Даже если лечение уничтожит большинство раковых клеток, оставшиеся могут привести к образованию новой опухоли. Наибольшие шансы пережить терапию имеют клетки, относящиеся к подгруппе раковых стволовых клеток114.

В последние 10 лет были достигнуты значительные успехи в лечении онкологических заболеваний, и еще больше открытий будет сделано с помощью ИИ в ближайшем будущем. Однако пока мы все равно используем довольно грубые методы лечения. Химиотерапия не всегда эффективно уничтожает рак и может серьезно повредить здоровые клетки по всему организму115. Это не только вызывает тяжелейшие побочные эффекты у многих пациентов, но и ослабляет иммунную систему, делая ее уязвимой перед новыми угрозами. Даже современная иммунотерапия и специализированные лекарства не обеспечивают необходимой эффективности и избирательности116. С другой стороны, медицинские нанороботы могли бы исследовать каждую клетку в отдельности, определяя, здорова та или нет, а потом уничтожить все злокачественные. Это можно сравнить с работой автомеханика, которого я упоминал в начале этой главы. Как только нанороботы научатся избирательно восстанавливать или уничтожать клетки в организме, мы обретем полный контроль над нашей биологией, а медицина станет точной наукой, к чему мы всегда стремились.

Кроме того, мы сможем управлять своим геномом. Когда клетка делится естественным образом, ядро каждой новой клетки получает копию ДНК117. Если молекула ДНК группы клеток оказалась повреждена, единственный способ исправить это – обновить ДНК в каждой клетке118. Это дает определенное преимущество биологическим существам: случайные мутации в генетическом коде отдельных клеток не нанесут фатального ущерба всему организму. Если бы любые изменения в ядре одной клетки мгновенно распространялись по всему телу, мы бы не смогли выжить. Однако децентрализация биологической системы, обеспечивающая ее устойчивость, становится большой проблемой для тех существ, которые, подобно нам, научились более-менее эффективно редактировать ДНК в одной клетке, но пока не имеют в своем распоряжении нанотехнологий, которые бы позволили скопировать внесенные изменения во все остальные клетки организма.

Если бы генетическим кодом каждой клетки управлял центральный сервер, как это происходит в компьютерных сетях, мы могли бы изменять ДНК, просто рассылая обновления с этого «главного компьютера». Чтобы реализовать такую возможность, нам нужно дополнить ядро каждой клетки новой составляющей, созданной с применением нанотехнологий. Эта система будет получать код ДНК с центрального сервера и вырабатывать последовательность аминокислот в соответствии с полученной программой119. Под «центральным сервером» я подразумеваю централизованную сеть распределения, а не единственный компьютер, с которым будут напрямую связаны все нанороботы. Физические ограничения инженерных систем на наноуровне могут в итоге потребовать более распределенной системы связи. Однако даже если по всему человеческому телу будут установлены сотни или тысячи микроскопических устройств, достаточно, впрочем, крупных, чтобы поддерживать сложные протоколы связи, такая сеть все равно будет гораздо более централизованной, чем существующая сейчас, где десятки триллионов клеток функционируют автономно.

Остальные звенья в цепи производства белков, такие как рибосомы, также могут быть усовершенствованы похожим образом. В результате мы сможем просто выключать неисправное ДНК, относится ли оно к раку или наследственным проблемам. Нанокомпьютер, который будет управлять этим процессом, также сможет держать под контролем биологические алгоритмы, регулирующие эпигенетику – процесс активации и экспрессии генов120. В начале 2020-х годов остается много нерешенных вопросов, связанных с экспрессией генов. Однако к появлению нанороботов ИИ позволит нам создать настолько детальные модели этого явления, что те смогут качественно им управлять. Такая технология позволит заодно предотвратить или компенсировать накопление ошибок трансляции ДНК, что является одной из основных причин старения121.

Нанороботы также будут полезны для устранения неотложных угроз нашему организму: уничтожения бактерий и вирусов, предотвращения аутоиммунных реакций, прочистки закупоренных артерий. В недавних экспериментах, проведенных в Стэнфордском и Мичиганском университетах, были созданы наночастицы, которые могут обнаруживать моноциты и макрофаги, вызывающие атеросклеротическое поражение, и уничтожать их122. Умные нанороботы смогут действовать гораздо эффективнее. На начальном этапе любое лечение будет назначаться врачом, но в дальнейшем оно будет осуществляться в фоновом режиме. Нанороботы будут выполнять свои задачи и предоставлять людям отчет о своей работе через интерфейс на основе ИИ.

По мере того как ИИ будет все глубже понимать анатомию и физиологию человека, у нас появится возможность отправлять нанороботов для устранения проблем на клеточном уровне на самых ранних стадиях, задолго до того, как их смогли бы обнаружить современные врачи. В ряде случаев это позволит предотвратить заболевания, причины которых в 2023 году нам еще не известны. Например, четверть всех ишемических инсультов является криптогенной, то есть мы не знаем, почему они произошли123. Но что-то должно было их вызвать. Нанороботы, патрулирующие сердечно-сосудистую систему, могли бы выявить небольшие бляшки или повреждения, которые потенциально могут привести к образованию тромбов. Они могли бы растворить эти бляшки или сигнализировать о развитии ишемии, если бы та протекала бессимптомно.

Как и в случае с гормональной системой, имея в распоряжении наноматериалы, мы можем не ограничиваться восстановлением нормального функционирования организма, а наделить его способностями, которые были бы недостижимы в рамках биологии. Живые существа ограничены в скорости и силе, поскольку они состоят из белков. Хотя молекулы белков расположены в трехмерном пространстве, по своей сути они представляют собой одномерные нити из аминокислот, сложенные определенным образом124. Искусственные наноматериалы не будут связаны этими ограничениями. Нанороботы, построенные из алмазоидных шестеренок и роторов, будут в тысячи раз быстрее и сильнее, чем биологические объекты. А тщательно продуманные схемы обеспечат их эффективное функционирование125.

Обладая такими уникальными свойствами, они способны даже стать полноценной заменой нашей крови. Роберт Фрайтас, сооснователь Университета Сингулярности и известный нанотехнолог, разработал искусственную красную кровяную клетку, которая называется «респироцит»126. Согласно расчетам Фрайтаса, человек, кровь которого содержит респироциты, мог бы задержать дыхание на четыре часа127. Кроме того, в будущем мы сможем создать искусственные легкие, которые будут более эффективно насыщать кровь кислородом, чем дыхательная система, подаренная нам природой. А сердце из наноматериалов избавит человека от риска инфаркта и значительно снизит частоту остановки сердца при травмах.

Нанороботы также позволят людям менять свой внешний вид, как никогда раньше. В виртуальном пространстве чатов и видеоигр люди уже могут назначить себе любой аватар. Это способ самовыражения и проявления креативности, которым многие

Однако самой важной задачей нанотехнологий станет совершенствование нашего мозга, который в конце концов будет состоять на 99,9 % из искусственных материалов. Этого можно добиться двумя путями. Во-первых, мы можем постепенно внедрять нанороботов в мозговую ткань, чтобы они исправляли поломки и замещали неработающие нейроны. Второй способ – подключить мозг к компьютерам. Это позволит нам управлять машинами напрямую и, кроме того, расширит нашу новую кору за счет интеграции облачных вычислительных мощностей. Как мы подробно обсудили в главе 2, это повлечет за собой более глубокие изменения, чем просто увеличение объема памяти и ускорение мышления.

Увеличение количества слоев новой коры настолько повысит уровень абстрактного мышления, что сейчас нам это кажется недостижимым. Чтобы получить примерное представление, вообразите, что вы научились легко и ясно манипулировать в уме десятимерными объектами. Нечто подобное может произойти и с другими аспектами нашего мышления. Для сравнения, кора больших полушарий, преимущественно состоящая из неокортекса, содержит около 16 миллиардов нейронов, занимая объем примерно 0,5 литра128. Структура наноразмерной механической вычислительной системы Ральфа Меркла, о которой говорилось ранее в этой главе, теоретически может позволить разместить более 80 квинтиллионов логических элементов в том же объеме вещества. Выигрыш в скорости будет просто невероятным: нейроны мозга млекопитающих посылают электрохимические сигналы с частотой в среднем один раз в секунду, в то время как нанотехнологичные вычислительные системы будут выполнять от ста миллионов до одного миллиарда операций в секунду129. Даже если на практике удастся добиться гораздо меньших показателей, очевидно, что подобные технологии позволят цифровым расширениям нашего мозга (работающим на искусственных материалах) значительно превзойти биологическую основу как в объеме памяти, так и в производительности.

По моим оценкам, вычислительная мощность человеческого мозга, измеренная на уровне нейронов, составляет порядка 1014 операций в секунду. В 2023 году за 1000 долларов можно было приобрести устройство, способное выполнять 130 триллионов операций в секунду130. Если мы экстраполируем тенденцию 2000–2023 годов, то увидим, что к 2053-му компьютер стоимостью 1000 долларов будет способен выполнять в 7 миллионов раз больше вычислений в секунду, чем человеческий мозг131. Если, как я предполагаю, для полноценной симуляции сознания окажется достаточно моделировать лишь часть нейронов, не пытаясь имитировать работу нейронов, отвечающих за функционирование внутренних органов, то мы достигнем нужной скорости вычислений еще на несколько лет раньше. Даже если для создания точной симуляции сознания потребуется учесть поведение каждой молекулы белка в каждом нейроне, что кажется маловероятным, через несколько десятилетий мы все равно сможем себе это позволить – и многие из нас успеют увидеть результат. Дело в том, что скорость, с которой мы движемся к этой цели, определяется фундаментальными экспоненциальными тенденциями. И даже если наши предположения относительно сложности моделирования самих себя окажутся слишком оптимистичными, этот факт не сильно повлияет на сроки достижения успеха.

В 2040-х и 2050-х годах мы полностью перестроим свое тело и разум, чтобы получить уникальные возможности, которые недоступны биологическим системам, в том числе в плане резервного копирования и выживания. Когда нанотехнологии достигнут совершенства, мы сможем создавать себе тела по своему желанию: будем бегать быстрее и дальше, плавать и дышать под водой, как рыбы, даже вырастим крылья, если захотим. Мы будем мыслить в миллионы раз быстрее, но что еще важнее, мы не будем зависеть от сохранности ни одного из своих тел в плане выживания нашей личности.

Глава 7. Предстоящие трудности

«Защитникам окружающей среды следует сосредоточиться на идее мира, в котором достаточно благ и технических возможностей, и большего не требуется»1.

Билл Маккиббен, экоактивист, журналист, автор книг и статей о проблеме глобального потепления

«Мне просто кажется, что их бегство от техники и ненависть к ней – саморазрушительны. Верховное Божество, Будда, чувствует себя так же уютно в цепях цифровой ЭВМ и в шестернях коробки передач мотоцикла, как и на вершине горы или в лепестках цветка. Думать иначе – значит принижать Будду, то есть принижать самого себя»2.

Роберт М. Пёрсиг, «Дзен и искусство ухода за мотоциклом»[3]

Надежды и тревоги

На протяжении всей этой книги мы рассуждали о том, как последние годы перед наступлением Сингулярности станут для человечества временем успеха и процветания. Однако прогресс, который значительно улучшит жизнь миллиардов человек, также принесет и беспрецедентные опасности. Новые виды ядерного оружия, достижения синтетической биологии и продукты нанотехнологий – все это таит в себе угрозы, с которыми нам предстоит разобраться. В скором времени искусственный интеллект обретет сверхчеловеческие способности, и наша задача – сделать так, чтобы его деятельность преследовала благие цели, а сам он был защищен от злоупотреблений. Есть все основания полагать, что наша цивилизация сможет преодолеть все трудности. И не потому, что угрозы недостаточно серьезны, а потому, что ставки слишком высоки. Сложные времена всегда рождали лучшие умы, а кроме того, технические достижения, несущие в себе опасности, также помогут нам создать эффективные средства для их предотвращения.

Ядерное оружие

Примерно когда я родился, человечество впервые в своей истории создало технологию, способную разом уничтожить всю цивилизацию. Помню, как в школе на учениях по гражданской обороне нас заставляли залезать под парты и закрывать голову руками, чтобы защититься от ударной волны термоядерного взрыва. Видимо, это действенная мера, раз мы до сих пор живы.

В настоящее время у человечества есть примерно 12 700 ядерных боеголовок. Из них примерно 9440 развернуты и могут быть использованы в случае ядерного конфликта3. США и Россия располагают арсеналом приблизительно в 1000 крупных атомных боеголовок каждая и могут пустить их в бой в течение получаса4. Обмен ядерными ударами почти моментально убьет несколько сот миллионов человек5, однако последствия такого конфликта унесут жизни миллиардов людей.

Поскольку население планеты сильно рассредоточено, даже масштабная ядерная война не закончится полным истреблением всего человечества в короткий срок6. Однако радиоактивные осадки постепенно заразят обширные пространства на земном шаре, а пожары в крупных городах приведут к выбросу в атмосферу гигантских

По состоянию на 2023 год пять государств обладают так называемой «ядерной триадой», состоящей из межконтинентальных баллистических ракет, авиабомб и баллистических ракет подводного базирования. Это США с 5244 боеголовками, Россия с 5889, Китай с 410, Пакистан с 170 и Индия с 1648. Еще три страны располагают более скромными средствами для нанесения ядерного удара: Франция с 290 боеголовками, Великобритания с 225 и Северная Корея с примерно 30. Израиль официально не подтвердил наличия у него ядерного оружия, но, по-видимому, обладает всеми компонентами триады и 90 боеголовками.

Мировое сообщество заключило ряд международных договоров9 об ограничении стратегических ядерных вооружений, благодаря чему количество стоящих на дежурстве боеголовок в мире сократилось с максимума в 64 449 штук в 1986 году до менее чем 950010. Кроме того, были прекращены наземные испытания11, а космос объявлен безъядерной зоной12. Однако даже такого небольшого количества активных боеголовок все равно достаточно для уничтожения нашей цивилизации13. Даже при том что риск начала ядерной войны в каждом отдельном году невелик, им ни в коем случае нельзя пренебрегать на отрезке в несколько десятилетий или целого века. До тех пор пока ядерное оружие стоит на боевом дежурстве, его применение в какой-либо точке мира – по приказу правительства, по инициативе террористов или мятежных военных или же просто по стечению обстоятельств – остается лишь вопросом времени.

Наиболее известной стратегией снижения риска ядерной войны, которая использовалась как Соединенными Штатами, так и Советским Союзом на протяжении большей части холодной войны, является гарантированное взаимное уничтожение (mutually assured destruction – MAD)[4]14. В ее основе лежит угроза немедленного и мощного ответного удара всеми имеющимися ядерными средствами в случае применения ядерного оружия противоборствующей стороной. Такой подход основывается на теории игр. Если каждая из сторон понимает, что попытка нанести даже один ядерный удар неминуемо приведет к ее уничтожению ответным огнем, никто не осмелится первым начать агрессию. Для обеспечения ядерного паритета необходимо, чтобы каждая из сторон обладала возможностью быстрой доставки ядерных ракет к цели в обход защитных систем противника15. Если у страны появятся средства обороны от входящего ядерного удара, принцип взаимного сдерживания перестанет работать. Хотя некоторые ученые считают, что начало конфликта, так или иначе, было бы самоубийственным решением для атакующей стороны из-за его глобальных последствий, что нашло отражение в термине «гарантированное самоуничтожение» (self-assured destruction – SAD)[5]16.

Отчасти из опасения нарушить хрупкое равновесие мировые державы не слишком активно разрабатывали системы противоракетной обороны. В результате к 2023 году ни у одной из стран нет надежного средства защиты от массированного удара. Однако в последнее время появились новые носители ядерного оружия, что может дестабилизировать ситуацию. Россия разрабатывает подводные дроны, способные нести на борту ядерное оружие, а также крылатые ракеты с ядерной силовой установкой. Эти ракеты могут долго кружить над территорией противника и поражать цели, используя неожиданные траектории подлета17. Кроме того, Россия, Китай и США работают над созданием гиперзвуковых ракет, способных совершать маневры уклонения на пути к цели18. Поскольку все эти системы являются абсолютно новыми, существует дополнительный риск, что противоборствующие стороны неверно оценят их военный потенциал и предпримут неадекватные действия.

Даже в условиях ядерного паритета остается вероятность наступления катастрофических последствий из-за ошибок или недопонимания19. Мы настолько привыкли к такому положению дел, что даже не считаем нужным обсуждать эту тему.

При всем при этом у нас есть повод с оптимизмом смотреть в будущее в плане ядерной угрозы. Силы ядерного сдерживания оберегают нас от конфликта на протяжении 70 лет, а ядерные арсеналы понемногу сокращаются. Хотя есть серьезные опасения по поводу терроризма или возможности применения «грязной» бомбы, достижения в области ИИ обещают помочь с обнаружением и устранением этих угроз20. Хотя ИИ не способен полностью избавить нас от риска ядерной войны, продвинутые системы анализа и управления могут существенно снизить вероятность того, что неисправность какого-либо датчика повлечет за собой применение самого смертоносного оружия, доступного человеку21.

Биотехнологии

Теперь в нашем распоряжении появилась еще одна технология, неверное применение которой несет угрозу всему человечеству. Не секрет, что в природе существует множество патогенов, вызывающих у нас различные заболевания. Однако, так или иначе, большинство людей успешно справляются с ними. С другой стороны, есть и более редкие инфекции, которые хотя и смертельно опасны, не распространяются так быстро. Опустошительные эпидемии, как во время вспышек чумы, случаются тогда, когда одна и та же болезнь отличается и высокой заразностью, и высокой смертностью. Черная смерть погубила треть населения Европы22 и сократила численность жителей мира с 450 миллионов человек до 350 миллионов к концу XIV века23. Иммунная система некоторых людей лучше противостояла недугу, отчасти благодаря особенностям ДНК. Одним из преимуществ полового размножения как раз и является наличие у каждого из нас уникального набора генов24.

Достижения генной инженерии25, в частности технологии редактирования геномов вирусов, открывают перед нами возможность создать – намеренно или случайно – супервирус с высокими показателями летальности и контагиозности. Такая инфекция может даже протекать в скрытой форме и охватить весь мир задолго до того, как люди поймут, что больны. Ни у кого не будет иммунитета к этому вирусу, и результатом окажется пандемия, грозящая опустошить планету26. Пандемия коронавируса 2019–2023 годов дает лишь отдаленное представление о том, катастрофа каких масштабов может нас ожидать.

Именно эта угроза стала причиной проведения Международной конференции по рекомбинантной ДНК в Асиломаре в 1975 году, за 15 лет до старта проекта «Геном человека»27. На ней были приняты положения, направленные на защиту от случайных проблем и преднамеренного злоупотребления технологией. Эти асиломарские принципы с тех пор неоднократно уточнялись и дополнялись, а некоторые из них легли в основу законодательных актов, регулирующих

Также были предприняты усилия по созданию системы быстрого реагирования на неожиданные вспышки вирусов, вышедших из-под контроля ввиду допущенных ошибок или умышленных действий29. До пандемии COVID-19, пожалуй, самой действенной мерой было создание правительством США в июне 2015 года Международной группы быстрого реагирования (МГБР) в Центрах по контролю и профилактике заболеваний. МГБР была учреждена в качестве ответной меры на эпидемию лихорадки Эбола в Западной Африке в 2014–2016 годах. Эта команда может оперативно прибыть в любую точку мира и оказать высококвалифицированную помощь местным властям в выявлении вируса, сдерживании его распространения и ликвидации очагов смертельно опасных болезней.

Что касается умышленных заражений опасными вирусами, в США противодействием биотерроризму занимается Национальное межведомственное объединение по биологическим исследованиям (NICBR), а ведущую роль в нем играет Научно-исследовательский институт инфекционных заболеваний армии США (USAMRIID). Мне доводилось консультировать эти организации (через Научный совет Министерства обороны) по вопросам разработки новых методов реагирования на подобные события30.

При наступлении всплеска заболеваемости миллионы жизней будут зависеть от того, насколько быстро компетентным органам удастся идентифицировать вирус и разработать стратегию по локализации инфекции и лечению заболевших. К счастью, скорость секвенирования генома вирусов, как мы уже знаем, растет по экспоненте. Например, с момента открытия вируса иммунодефицита человека и до полной расшифровки его генома в 1996 году прошло 13 лет. Геном вируса атипичной пневмонии, обнаруженного в 2003 году, был прочитан всего за 31 день. Сегодня мы способны декодировать геномы многих вирусов всего за один день31. Схема реагирования на вспышку заболеваемости должна включать в себя три основных этапа: получение образца вируса, расшифровку его генома в течение суток и быстрое оказание медицинской помощи.

Одним из методов борьбы с вирусами является РНК-интерференция. В этом процессе небольшие фрагменты РНК разрушают матричную РНК, которая играет ключевую роль в экспрессии генов (в некоторой степени вирусы можно сравнить с болезнетворными генами)32. Другой подход – создание вакцин на основе антигенов. Эти вакцины стимулируют иммунный ответ на специфические белковые структуры на поверхности вируса33. Как мы уже обсуждали в предыдущей главе, использование ИИ для разработки лекарств поможет создавать вакцины или препараты от новых вирусных инфекций за считаные дни или недели. Это позволит как можно быстрее начать длительный процесс клинических испытаний. В конце 2020-х годов мы, скорее всего, сможем доверить большую часть тестов виртуальным биологическим системам. В мае 2020 года в статье для журналаWiredя высказал мнение, что нам следует как можно скорее начать использовать ИИ для создания вакцин, в том числе от вируса SARS-CoV-2, который вызвал пандемию COVID-1934. Как оказалось, самые современные вакцины, в частности разработанная компанией Moderna, были выпущены в рекордно короткие сроки именно благодаря использованию нейронных сетей. Moderna применяла множество инструментов на основе ИИ для проектирования и оптимизации мРНК-последовательностей, а также для ускорения процессов производства и тестирования35. В результате уже через 65 дней после публикации генетического кода вируса первый участник клинических испытаний получил дозу вакцины Moderna. А спустя еще 277 дней вакцина получила экстренное одобрение от FDA36. Эти сроки поистине впечатляющие, особенно если учесть, что до пандемии никому не удавалось создать вакцину менее чем за четыре года37.

В настоящее время проводится расследование, чтобы выяснить, не был ли вирус COVID-19 результатом экспериментов по генной инженерии, случайно попавшим в окружающую среду38. Очень важно строить свои выводы только на основе информации из надежных научных источников, поскольку за время пандемии было опубликовано множество недостоверных теорий. Однако уже то, что мы всерьез рассматриваем возможность утечки из лаборатории, подчеркивает опасность ситуации: последствия могли быть гораздо более страшными. Если бы вирус был создан намеренно, он мог бы оказаться необычайно заразным и в то же время смертоносным. Учитывая, что технически мы уже способны создать нечто куда более опасное, чем COVID-19, крайне важно подключать ИИ к разработке мер противодействия.

Нанотехнологии

Основные риски в сфере биотехнологий связаны со способностью к размножению. Одиночная проблемная клетка не представляет большой угрозы. То же самое справедливо и для нанотехнологий: каким бы разрушительным ни был один наноробот, для того чтобы вызвать масштабный кризис, он должен много раз самовоспроизвестись. Нанотехнологии открывают возможности для создания самых различных видов оружия, в том числе чрезвычайно мощных. Кроме того, при достаточно высоком уровне развития нанотехнологий производство такого оружия может быть очень дешевым, в отличие от ядерного арсенала, создание которого требует значительных ресурсов. Чтобы понять, насколько дорого отдельной группе людей может обойтись создание ядерного оружия, можно рассмотреть пример Северной Кореи, которая в настоящее время фактически стала государством-изгоем, не имеющим доступа к мировым ресурсам. По оценкам правительства Южной Кореи, ядерная программа КНДР в 2016 году, когда страна получила ядерные ракеты, обошлась ей в сумму от 1,1 до 3,2 миллиарда долларов39.

Биологическое оружие, напротив, может быть очень доступным. Согласно отчету НАТО, опубликованному в 1996 году, такие вооружения могут быть созданы за 100 000 долларов (около 190 000 в ценах 2023 года) силами команды из пяти биологов в течение нескольких недель, причем без какой-либо сложной аппаратуры40. Что касается эффективности применения, то еще в 1969 году группа экспертов, готовя доклад для ООН, пришла к выводу, что биологическое оружие примерно в 800 раз более эффективно (с точки зрения затрат) в плане уничтожения гражданского населения, чем ядерное. За прошедшие полвека биотехнологии, безусловно, значительно продвинулись вперед, и эта разница наверняка стала еще более заметной41. Пока сложно сказать, сколько будут стоить вещи, созданные с помощью нанотехнологий, поскольку они будут работать на принципах самовоспроизводства, заимствованных из биологии. Однако в качестве ориентира можно рассмотреть стоимость биологического оружия. Нанотехнологии будут в полной мере использовать ИИ для оптимизации процесса производства, что, вероятно, еще больше снизит затраты.

Можно предположить, что среди высокотехнологичного оружия окажутся миниатюрные дроны, способные отравить цель, оставаясь незамеченными, или нанороботы, которые смогут попасть в организм с глотком воды или в виде аэрозоля и разрушить его изнутри; или системы, умеющие избирательно атаковать представителей определенных групп людей, ориентируясь на их описание42. Эрик Дрекслер, один из теоретиков нанотехнологий, еще в 1986 году писал: «Псевдорастения с листьями, сравнимыми по эффективности с современными солнечными панелями, смогут победить настоящие растения в конкурентной борьбе, наводнив биосферу несъедобными побегами. Выносливые и всеядные искусственные бактерии могут уничтожить обычные: ветер разнесет их, словно пыльцу, и с их скоростью размножения они превратят биосферу в пыль за считаные дни. Опасные репликаторы могут оказаться слишком живучими, мелкими и быстро

Одним из наиболее часто обсуждаемых сценариев катастрофы является образование так называемой «серой слизи» – массы из самовоспроизводящихся наномашин, которые поглощают углеродсодержащие вещества и преобразуют их в себе подобных роботов44. В этом случае цепная реакция может превратить всю биомассу планеты в слизь из нанороботов.

Можно рассчитать, сколько времени потребуется, чтобы уничтожить все живое на Земле. Биосфера планеты содержит примерно 1040 атомов углерода45. Один экземпляр наноробота состоит приблизительно из 107 атомов углерода46. Таким образом, первичному нанороботу нужно будет создать порядка 1033 копий самого себя – не в одиночку, я подчеркиваю, а опосредованно. Каждый представитель нового поколения нанороботов должен будет произвести в среднем два новых экземпляра или какое-то другое малое количество. Этот итерационный процесс, когда копии создают новые копии, породит невероятное количество нанороботов всего за 110 поколений (поскольку 2110 = 1033) или за 109 поколений, если нанороботы после репликации остаются действующими47. Эксперт по нанотехнологиям Роберт Фрайтас оценивает время самовоспроизводства одного наноробота примерно в 100 секунд. Таким образом, в идеальных условиях превращение всей материи в «серую слизь» заняло бы около трех часов48.

Конечно, на самом деле скорость уничтожения всего живого на Земле была бы гораздо ниже, ведь биомасса не свалена в одну кучу. Главным ограничивающим фактором станет скорость распространения фронта разрушения. Из-за своего микроскопического размера нанороботы не могут передвигаться быстро, так что, вероятно, им потребуется несколько недель на то, чтобы обойти земной шар.

Тщательно спланированная двухэтапная атака способна преодолеть это ограничение. В течение определенного времени небольшие порции материи по всему миру могут быть незаметно преобразованы таким образом, чтобы один из тысячи триллионов (1015) атомов стал частью «дремлющей» армии нанороботов. В такой малой концентрации их будет невозможно обнаружить. Однако когда начнется атака, им не придется далеко продвигаться, поскольку они и так уже будут везде. По условному сигналу (возможно, отправленному небольшой группой нанороботов, которые после самосборки образуют антенны, достаточно длинные, чтобы посылать радиоволны на большие расстояния) заранее рассредоточенные нанороботы начнут процесс самовоспроизводства. Чтобы каждый робот превратился в тысячу триллионов своих копий, потребуется всего 50 итераций удвоения, то есть меньше 90 минут49. Скорость распространения фронта волны уничтожения больше не будет сдерживающим фактором.

Иногда звучат мнения, что нанороботы могут представлять опасность, если их умышленно использовать как оружие для уничтожения жизни на Земле, то есть в руках террористов. Однако такие события не обязательно должны быть организованы злоумышленниками. Несложно представить ситуацию, при которой нанороботы случайно окажутся вовлечены в цепную реакцию самовоспроизводства, скажем, из-за ошибок в программировании. Например, неправильно спроектированные роботы, предназначенные для работы только с заданным типом веществ или на определенной территории, могут выйти из-под контроля и вызвать глобальную катастрофу. Поэтому вместо того, чтобы изобретать сложные схемы защиты от потенциально опасных систем, нам следует сосредоточиться на разработке таких нанороботов, которые изначально не представляют никакой угрозы для окружающей среды и людей.

Хорошей защитой от неконтролируемого самовоспроизводства станет проектирование любых самовоспроизводящихся систем по принципу «распределенной архитектуры»50. Это означает, что у роботов не будет заранее записанной программы действий. Вместо этого они будут полагаться на инструкции, передаваемые, например, по радиоканалу. В случае возникновения непредвиденных ситуаций сигнал можно будет отключить или изменить, предотвратив цепную реакцию.

Даже если ответственные производители будут проектировать защищенных нанороботов, нельзя исключать вероятность того, что недобросовестные создадут опасных. Поэтому нам необходимо разработать «иммунную систему» для нанотехнологий еще до того, как катастрофические сценарии станут возможными. Такой наноиммунитет должен работать не только в обстоятельствах, когда угроза крупномасштабных разрушений очевидна, но и в любых ситуациях, когда наблюдается неконтролируемое размножение нанороботов, даже в небольших концентрациях.

Вселяет надежду, что специалисты в области нанотехнологий уже серьезно озабочены вопросами безопасности. Протоколы ответственного использования нанотехнологий были разработаны два десятилетия назад на Семинаре по основным принципам исследований в области нанотехнологий 1999 года, на котором присутствовал и я51. С тех пор эти протоколы постоянно обновляются и дополняются. По-видимому, наилучшим видом «иммунной системы» против «серой слизи» станет «голубая слизь» – масса из нанороботов, которые смогут нейтрализовать своих «серых» собратьев52.

Согласно расчетам Фрайтаса, для полной очистки атмосферы Земли в течение 24 часов хватит 88 000 тонн «голубой слизи», если ее оптимально распределить по всему земному шару53. Это количество меньше объема воды, вытесняемого крупным авианосцем, то есть не так и велико по сравнению с массой нашей планеты. Однако эти цифры справедливы лишь в условиях максимальной эффективности и идеального размещения, чего на практике добиться вряд ли удастся. В 2023 году нанотехнологии еще не достигли такого уровня развития, чтобы мы могли точно сказать, насколько требуемый объем «голубой слизи» будет больше или меньше теоретических оценок.

Ясно одно: «голубую слизь» нельзя создавать из веществ, в изобилии встречающихся в природе, потому что из них будет состоять «серая слизь». Нам придется собирать ее из специальных материалов, которые «серая слизь» не сможет поглотить. Прежде чем этот метод будет надежно реализован, нам предстоит решить ряд непростых задач. Также для создания безопасных нанороботов, на которых можно будет положиться, нам нужно найти ответы на множество теоретических вопросов. Однако я убежден, что этот подход сработает. Нет никаких причин, по которым у вредоносных нанороботов должно быть какое-то особое преимущество перед хорошо продуманными защитными системами. Главное – успеть разместить «хороших» роботов по всему миру раньше, чем распространятся «плохие», чтобы цепная реакция самовоспроизводства была вовремя обнаружена и нейтрализована.

В своей статье «Почему будущее в нас не нуждается», опубликованной в 2000 году, мой друг Билл Джой подробно описал потенциальные риски, связанные с развитием нанотехнологий, в том числе гипотетический сценарий появления «серой слизи»54. Большинство экспертов, включая меня, считают такой сценарий маловероятным. Все же, поскольку он грозит нам полным вымиранием, очень важно иметь этот риск в виду в процессе развития нанотехнологий в ближайшие десятилетия. Я надеюсь, что при должной осторожности и поддержке ИИ в разработке систем защиты мы сможем оставить подобные сценарии исключительно на страницах научно-фантастических романов.

Искусственный интеллект

Что касается угроз со стороны биотехнологий, мы по-прежнему рискуем оказаться в центре глобальной эпидемии, как в случае с болезнью COVID-19, которая к 2023 году унесла жизни 7 миллионов человек55. Однако уже разрабатываются методы, позволяющие быстро расшифровать геном вируса и создать лекарство, способное предотвратить катастрофу планетарного масштаба. В области

Существуют три основные категории причин, по которым мощный ИИ может демонстрировать нежелательное поведение. Их тщательное изучение поможет по крайней мере снизить уровень грозящей нам опасности. Первая категория – злоупотребление. Это ситуация, когда ИИ действует в строгом соответствии с желаниями операторов, но сами операторы намеренно причиняют вред другим людям56. Например, террористы могут воспользоваться ИИ для создания вируса, способного вызвать разрушительную эпидемию.

Второй проблемой может стать так называемое «внешнее рассогласование» – несоответствие реальных намерений программистов задачам, которые они ставят перед ИИ в надежде достичь своих целей57. Это классическая проблема, описанная в сказках о джиннах. Очень сложно объяснить, чего вы хотите, тому, кто воспринимает ваши слова буквально. Представьте, что программисты дадут команду ИИ создать вирус, который уничтожит все клетки с определенной онкогенной мутацией в ДНК. Они надеются таким образом излечить людей от рака. Однако они не учли, что мутация может затронуть и множество здоровых клеток, так что вирус просто убьет зараженных пациентов.

Наконец, «внутреннее рассогласование» возникает, когда методы, которые ИИ использует для достижения поставленных целей, приводят к нежелательным результатам, по крайней мере в отдельных случаях58. Например, если нейросеть обучают выявлять генетические изменения, характерные для раковых клеток, она может обнаружить структуры, которые присутствуют в тренировочной выборке, но не встречаются в реальном мире. Так может случиться, к примеру, если клетки из обучающего набора долго хранились при пониженной температуре и нейросеть научилась распознавать связанные с этим небольшие генетические изменения. Если на основе этой информации создать вирус, уничтожающий клетки, он не сможет вылечить пациентов. Это лишь один из простых примеров, но по мере роста сложности задач, с которыми сталкивается ИИ, нам будет все труднее избегать рассогласования.

В наши дни идут активные исследования, чтобы найти пути предотвращения обоих типов рассогласования. Хотя многое еще предстоит выяснить, уже существуют многообещающие теоретические разработки. В одном из подходов, называемом «имитационным обобщением», предполагается обучать ИИ подражать человеческим рассуждениям в надежде таким образом сделать его поведение в незнакомых ситуациях более предсказуемым и безопасным59. Метод «обучения через дебаты» строится на том, что конкурирующие системы ИИ будут указывать друг другу на недостатки в рассуждениях. По вопросам, которые слишком сложны для их самостоятельной оценки, арбитрами будут выступать люди60. При «итерационном развитии» более простые системы ИИ будут помогать людям создавать хорошо согласованные системы мощного ИИ. Повторяя этот процесс, можно будет создать ИИ, чье поведение будет намного более согласованным, чем если бы его тренировали только люди61.

Хотя задача создания дружественного ИИ очень сложна62, мы не останемся с ней один на один: при грамотном подходе мы сможем использовать сам ИИ для расширения наших возможностей по его нравственному обучению. То же самое касается проектирования систем ИИ, которые не допустят злоупотребления. В примере из области биоинженерии, рассмотренном ранее, правильно откалиброванный ИИ распознает вредоносный запрос и откажется его выполнять. Однако нам все равно необходимо установить этические рамки для использования ИИ. Для этого нужно принять строгие международные законы, которые будут регламентировать безопасное и добросовестное развертывание систем ИИ.

За последние десять лет ИИ стал настолько мощным, что предотвращение его неправомерного использования стало приоритетной задачей международного сообщества. В последние годы наблюдаем скоординированные усилия по разработке этического кодекса в этой области. В 2017 году я посетил Асиломарскую конференцию по дружественному ИИ, которая была организована в том же месте, где четыре десятилетия назад были приняты важные положения по безопасному использованию биотехнологий63. На этом симпозиуме был утвержден ряд полезных принципов, и я с радостью поставил свою подпись под этим решением. Однако даже если большая часть мира будет придерживаться этих принципов, несложно представить, что организации со взглядами, далекими от демократических, отрицающие идеи свободного самовыражения, все равно могут попытаться использовать ИИ в своих целях. Структуры, обладающие огромным военным потенциалом, не стали подписывать это соглашение, при том что в прошлом они неоднократно становились первопроходцами в разработке и внедрении передовых технологий. К слову, появлением интернета мы обязаны Агентству передовых оборонных исследовательских проектов (DARPA)64.

Тем не менее асиломарские принципы положили начало эпохе ответственной разработки ИИ, задав верное направление для отрасли. В шести из двадцати трех статей принятого документа упоминаются «гуманитарные ценности». Например, в статье 10 под названием «Учет ценностей» говорится: «Высокоавтономные системы ИИ должны быть спроектированы таким образом, чтобы в течение всего периода работы их цели и поведение гарантированно соответствовали гуманитарным ценностям»65.

Другой важный документ, известный как «Обязательство по автономным системам летального вооружения», следует аналогичной идее: «Мы, нижеподписавшиеся, убеждены, что право принимать решение о лишении жизни никогда не должно быть предоставлено машине. Это основополагающее требование нашей морали – не допускать, чтобы машина принимала решения, ведущие к гибели людей, при том что ответственность за эту гибель понесут другие люди либо вовсе никто»66. Несмотря на то что этот документ, содержащий требование запретить создание автономных летальных вооружений, подписали такие известные личности, как Стивен Хокинг, Илон Маск, Мартин Рис и Ноам Хомский, первые лица военных ведомств некоторых стран, включая США, Россию, Великобританию, Францию и Израиль, отказались поставить подпись.

Военные США не придерживаются указанных принципов, но у них есть собственная директива, согласно которой системы вооружений, нацеленные на людей, должны работать под управлением людей67. В 2012 году Пентагон выпустил распоряжение, в котором говорится, что «автономные и полуавтономные системы вооружений должны быть разработаны таким образом, чтобы у командира или оператора был должный уровень контроля над применением силы»68. В 2016 году заместитель министра обороны США Роберт Уорк заявил, что армия США «не будет передавать машинам полномочия по принятию решения об открытии огня на поражение»69. Он, однако, допустил, что в будущем эта политика может быть пересмотрена, если возникнет необходимость конкурировать с другим государством, «готовым передать машине больше полномочий, чем военные США»70. Я участвовал в обсуждениях, связанных с разработкой этой политики, а также в работе группы экспертов по противодействию биологическим опасностям.

В начале 2023 года по итогам международной конференции, в ходе которой состоялся конструктивный диалог с

Поэтому нам, так или иначе, придется признать, что ИИ – технология принципиально двойного назначения. Это касается даже существующих систем. Например, такой же беспилотник, который используется для доставки медикаментов в больницу, куда невозможно добраться наземным транспортом во время сезона дождей, может сбросить на эту больницу бомбу. Следует помнить, что военные уже на протяжении десяти лет используют беспилотные устройства настолько точные, что они могут направить ракету в нужное окно дома буквально с другой стороны земного шара72.

Нам также стоит задуматься, действительно ли мы хотим соблюдать запрет на смертельное автономное оружие, если противник не придерживается подобных ограничений. Что, если враждебно настроенное государство отправит армию боевых машин под управлением ИИ, чтобы захватить нас? Разве вы не захотели бы иметь на своей стороне еще более продвинутые машины, которые могут победить врага и защитить вас? Это главная причина, по которой кампания «Остановите роботов-убийц» не получила широкого признания73. По состоянию на 2023 год все ведущие военные державы отказались присоединиться к ней, за исключением Китая, который поддержал идею в 2018 году, но позже разъяснил, что поддерживает запрет на применение, но не на разработку74. Хотя даже Китай, вероятно, руководствовался стратегическими и политическими, а не моральными соображениями, поскольку автономные системы, стоящие на вооружении США и их союзников, превосходят китайские. Я считаю, что если мы можем подвергнуться нападению с использованием такого оружия, то у нас должна быть возможность дать отпор. Это, в свою очередь, неизбежно приведет к нарушению озвученных принципов.

Кроме того, что будет означать выражение «под контролем человека», если уже в 2030-х годах люди будут в процессе принятия решения полагаться на небиологическое расширение своего разума через интерфейс мозг-компьютер? Доля цифровых компонентов в мыслительном процессе будет стремительно расти, в то время как биологическая основа разума останется прежней. Так что к концу 2030-х годов наше мышление будет во многом определяться цифровыми процессами. Возникает вопрос: какое решение можно считать по-настоящему человеческим, если даже наш разум будет во многом подобен компьютерному?

Некоторые из асиломарских принципов также содержат нерешенные вопросы. Например, положение 7, «Прослеживаемость ошибок», гласит: «Если система на основе ИИ нанесла ущерб, должна быть возможность точно установить, по какой причине это произошло». А статья 8, «Прозрачность судебных решений», призывает: «Любое участие автономной системы в процессе принятия судебного решения должно сопровождаться исчерпывающими пояснениями, которые могут быть проверены компетентным экспертом».

Эти попытки внести ясность в принципы принятия решений искусственным интеллектом очень важны. Однако главная сложность заключается в том, что мы сможем понять логику сверхмощного разума, какое бы объяснение тот ни привел. Если программа, которая играет в го намного лучше самых выдающихся игроков, объяснит свои стратегические ходы, не факт, что даже самый умелый игрок в мире (не имеющий кибернетических модификаций) до конца в них разберется75. Одним из перспективных подходов к снижению рисков, связанных с непрозрачностью ИИ, является принцип «выявления скрытого знания»76. Работающие в этом ключе исследователи стараются разработать методику, как заставить ИИ в ответ на запрос предоставлять всю известную ему релевантную информацию, а не только то, что, по его мнению, мы хотим знать – это как раз по мере роста способностей ИИ будет нести все больше рисков.

В принятых положениях также настоятельно рекомендуется отказаться от соперничества при разработке ИИ. В частности, в положении 18, озаглавленном «Гонка вооружений в сфере ИИ», недвусмысленно сказано: «Необходимо избегать гонки вооружений при создании автономного смертоносного оружия». А статья 23, озаглавленная «Общее благо», призывает к разработке сверхинтеллекта с учетом этических идеалов, разделяемых всем мировым сообществом, и на благо всего человечества, а не в интересах отдельных государств или организаций. Однако, учитывая, что мощный искусственный интеллект может стать решающим инструментом в военных операциях и принести невиданную экономическую выгоду, военные ведомства с большой вероятностью будут стремиться овладеть им77. Это не только повышает риски злоупотреблений, но и увеличивает шансы, что мерами предосторожности при проектировании его поведения будут пренебрегать.

Мы уже обращали внимание на пункт 10, который касается соответствия ИИ гуманитарным ценностям. В следующей статье, озаглавленной «Гуманитарные ценности», поясняется, какие именно принципы следует соблюдать: «Системы ИИ должны быть спроектированы и использованы таким образом, чтобы их поведение соответствовало идеалам человеческого достоинства, гражданских прав и свобод, а также культурного разнообразия».

Однако просто поставить перед собой такую цель недостаточно, необходимо еще ее достичь. И в этом заключается главная проблема с искусственным интеллектом. Сверхмощный искусственный разум, который стремится причинить вред, без труда найдет оправдание для своих действий, объяснив, что совершить их пришлось ради более высокой цели. И даже сможет сформулировать свое обоснование в терминах философии, которую мы все разделяем.

Эффективно ограничить развитие какого-либо фундаментального качества ИИ весьма сложно, особенно учитывая широкое значение, которое вкладывается в понятие «интеллект». К счастью, когда эта книга готовилась к печати, появились обнадеживающие признаки того, что правительства развитых стран проявляют к этой теме повышенное внимание. В частности, стоит отметить подписание Декларации Блетчли на саммите по проблемам безопасности в сфере ИИ, который состоялся в 2023 году в Великобритании78. Однако многое будет зависеть от того, насколько эффективно странами будут выполняться взятые на себя обязательства. Весомый повод для оптимизма дает принцип рыночной свободы: на каждом этапе своего развития мощный ИИ должен найти свое место в экономике. Иными словами, ИИ создается людьми ради решения проблем других людей, что дает разработчикам мощный стимул сделать его полезным. Поскольку ИИ формируется в условиях развитой экономической инфраструктуры, его применение будет отражать наши ценности, ведь в каком-то смысле мы будем неразделимы. Мы уже стали цивилизацией людей и машин. В этой связи самое важное, что мы можем сделать для обеспечения безопасности использования ИИ, это продолжать защищать и развивать наши принципы управления и гражданские институты. Лучший способ избежать разрушительных конфликтов в будущем – это сохранять высокие нравственные идеалы. Благодаря им нам уже удалось значительно снизить уровень насилия в последние века и особенно в последние десятилетия79.

Также я убежден, что

В нынешнюю эпоху, когда технологии позволяют все активнее вмешиваться в наше тело и разум, возникает новый тип сопротивления техническому прогрессу. Его сторонники выступают за «принципиальную человечность», отрицая любые изменения в природе человека82. Неодобрение вызывают технологии модификации генома, влияние на свертывание белков и другие шаги на пути к радикальному продлению жизни. Такие взгляды не будут широко распространены, потому что спрос на методы терапии, избавляющие от боли, немощи и смерти – обязательных атрибутов нашего жизненного пути в теле природной версии, – быстро станет массовым.

Когда люди слышат о перспективах радикального продления жизни, у них возникают два основных возражения. Во-первых, это вопрос истощения материальных ресурсов при неограниченном росте населения. Мы часто слышим о том, что ископаемые источники энергии, чистая вода, жилье, земля и другие ресурсы, необходимые для поддержания растущего числа жителей, находятся на исходе. Кажется, что, если смертность начнет резко падать, эта проблема только усугубится. Однако, как я уже подробно описывал в главе 4, когда мы начнем рационально использовать земные ресурсы, мы поймем, что их запасы в тысячи раз превышают наши потребности. Например, солнечный свет способен дать в 10 000 раз больше энергии, чем необходимо, чтобы удовлетворить все наши нужды83.

Второй аргумент заключается в том, что нам будет невыносимо скучно заниматься одними и теми же вещами на протяжении многих веков. Однако уже в 2020-х годах мы начнем пользоваться компактными устройствами виртуальной и дополненной реальности. А в 2030-х эти технологии будут интегрированы непосредственно в нашу нервную систему с помощью нанороботов, которые будут передавать сигналы нашим органам чувств. Таким образом, в дополнение к продлению срока жизни мы получим феноменальное расширение жизненного опыта. Мы сможем путешествовать по обширным просторам виртуальной и дополненной реальности, ограниченным только нашим воображением, которое, в свою очередь, значительно расширится. Даже прожив сотни лет, мы не успеем исчерпать всех возможностей для получения знаний и культурного опыта.

Искусственный интеллект – это революционная технология, которая поможет нам решить множество насущных проблем, в том числе победить болезни, бедность, остановить разрушение окружающей среды, преодолеть все наши человеческие несовершенства. На нас лежит моральная обязанность воспользоваться благами новых технологий, избежав при этом вреда от них. И у нас уже есть подобный опыт. В начале этой главы я упоминал, как, будучи мальчишкой, участвовал в учениях по гражданской обороне, готовясь к ядерной войне. Когда я рос, большинство людей вокруг меня считало ядерный конфликт почти неизбежным. Тот факт, что мы как цивилизация нашли в себе силы и разум воздержаться от применения этого ужасающего оружия, вселяет уверенность, что в наших силах столь же ответственно подойти к использованию биотехнологий, нанотехнологий и сверхмощного искусственного интеллекта. Мы вовсе не обречены на неудачу.

В целом у нас есть повод для осторожного оптимизма. Конечно, искусственный интеллект принесет с собой новые угрозы, но он также значительно расширит наши возможности в борьбе с ними. Что касается злоупотреблений, то новые технологии способны улучшить интеллект всех людей, независимо от их моральных убеждений. Это открывает двери для использования их как во благо, так и во вред84. Наша задача – построить мир, в котором способности искусственного интеллекта будут доступны каждому, чтобы результаты его применения отражали ценности всего человечества.

Глава 8. Разговор с Кассандрой

КАССАНДРА[6]: Я правильно понимаю, вы считаете, что к 2029 году будет создана нейросеть, которая превзойдет человека во всех проявлениях интеллекта?

РЭЙ: Все верно. С каждым днем нейронные сети демонстрируют все более высокие результаты в одной задаче за другой, постепенно опережая людей.

КАССАНДРА: И в конце концов с любой задачей, которую может решить человек, машина справится гораздо лучше?

РЭЙ: Именно. К 2029 году компьютеры станут умнее любого человека.

КАССАНДРА: Значит, чтобы пройти тест Тьюринга, искусственному интеллекту придется притворяться не таким сообразительным?

РЭЙ: Разумеется, иначе сразу станет очевидно, что человек не может обладать такими способностями.

КАССАНДРА: Вы также рассчитываете, что к началу 2030-х годов мы найдем способ проникать в мозг человека и подключаться к высшим слоям новой коры, чтобы отслеживать, что в них происходит, и вмешиваться в работу разума?

РЭЙ: Совершенно верно.

КАССАНДРА: И тогда сверхмощный искусственный интеллект, который мы создадим, станет частью нашего мозга, по крайней мере, пока мы подключены к облаку?

РЭЙ: Все правильно.

КАССАНДРА: Хорошо, но ведь эти два направления – обучение нейросетей всему, что умеют люди, и даже больше, и подключение к мозгу напрямую с помощью двусторонних каналов связи – относятся к совершенно разным областям науки.

РЭЙ: Да, это так.

КАССАНДРА: Развитие искусственного интеллекта предполагает, что исследования будут проводиться исключительно в компьютерной сфере. Вычислительные эксперименты занимают считаные дни и практически не подлежат государственному надзору. Прорывные результаты приходят один за другим, и прогресс идет невиданными темпами. Однако поместить устройство с миллионами электродов непосредственно в мозг человека – это уже совсем другая история. Необходим строгий контроль и регулирование на всех уровнях. Мы имеем дело не просто с имплантом в теле, а с мозгом – самым важным и уязвимым органом. Придется для начала убедить власти, что без таких операций не обойтись. Если таким образом мы сможем предотвратить серьезное заболевание мозга, это может стать веским аргументом. Но подключение к компьютеру не кажется достаточным основанием для проведения таких операций.

РЭЙ: В любом случае мы это сделаем – отчасти для того, чтобы устранить серьезные нарушения в работе мозга, о которых вы упомянули.

КАССАНДРА: Я согласна, что такая возможность появится, но едва ли это произойдет очень скоро.

РЭЙ: Вот почему я ожидаю, что этот замысел будет осуществлен не ранее 2030-х годов.

КАССАНДРА: Но если будет принят закон о запрете на установку имплантов в мозг, это может задержать появление такого интерфейса на десять лет, например, до 2040-х годов. Это значительно повлияет на ваш предполагаемый график подключения людей к суперкомпьютерам. Например, машины успеют полностью лишить людей работы, вместо того чтобы стать помощниками и расширить наш интеллект.

РЭЙ: Во-первых, прямое подключение ИИ к мозгу очень удобно – имплант невозможно потерять, как мобильный телефон.

КАССАНДРА: Согласна, но, как вы уже упоминали, для подключения к высшим отделам коры головного мозга потребуется огромное количество контактов. А чтобы расширить наш интеллект с помощью внешних устройств, нужно вводить данные с клавиатуры, что происходит на несколько порядков медленнее. Это существенно замедляет взаимодействие человека и машины. Кроме того, захочет ли ИИ общаться с человеком на такой низкой скорости? Ему проще будет все решать самому.

РЭЙ: К середине 2020-х у нас появятся новые способы общения с компьютером, которые будут в тысячи раз быстрее, чем ввод с клавиатуры. Это будет полная виртуальная реальность, занимающая все поле зрения и дополненная звуком. Мы сможем видеть и слышать все, что происходит в реальном мире, а также обмениваться данными с компьютером почти так же быстро, как если бы машина подключилась к высшим уровням неокортекса. Клавиатуры уйдут в прошлое.

КАССАНДРА: Допустим, мы усовершенствуем способ работы с компьютерами, но это все равно нельзя считать непосредственным расширением неокортекса нашего мозга.

РЭЙ: Но людям ведь пока придется работать, чтобы обеспечивать себя едой, жильем и необходимыми вещами. Прежде чем мозговые импланты усовершенствуют наше абстрактное мышление, внешние компьютерные помощники на основе продвинутого ИИ позволят нам эффективно выполнять сложные действия и решать трудные задачи.

КАССАНДРА: А в чем будет заключаться смысл жизни человека? Если роботы смогут выполнять все те же задачи, что и люди, при этом превосходя нас в интеллекте и работая гораздо быстрее, какова будет цель существования людей в таком мире?

РЭЙ: Вот почему мы хотим в конце концов соединиться с интеллектом, который создаем. ИИ станет частью нас самих, поэтому не какой-то робот, а именно мы получим все эти возможности.

КАССАНДРА: Я поняла. Именно поэтому меня и беспокоит возможная задержка в десять лет перед появлением работающего импланта. Вживить устройство с миллионами контактов в мозг – задача не из легких. Я могу представить любые внешние устройства, в том числе те, что обеспечат виртуальную реальность, но они не дадут таких возможностей, как расширение неокортекса.

РЭЙ: Даниэль Канеман выражал аналогичные опасения, а также переживал о возможности конфликтов и насилия между теми, кто потеряет работу, и остальными.

КАССАНДРА: Под «остальными» вы понимаете машины, поскольку ИИ станет могущественнее людей абсолютно во всем?

РЭЙ: Не совсем, поскольку от машин будет зависеть наше благосостояние. Скорее людей, которые, как может показаться, будут использовать ИИ для получения богатства и власти за счет уволенных работников.

КАССАНДРА: Вероятно, Канеман имел в виду переходный период, когда власть останется у определенной группы людей, а ИИ еще не успеет создать достаточно материальных благ, чтобы избежать конфликтов.

РЭЙ: Возможно, но конфликты можно свести к минимуму, если у людей будет ощущение высшей цели. И расширение новой коры с помощью новых технологий станет ключевым фактором для сохранения этого чувства. Подобно тому, как сотни тысяч лет назад развитие неокортекса позволило нашим предкам выйти за рамки примитивных инстинктов выживания и начать философствовать, усовершенствованный человек будет обладать еще более развитым пониманием этики и способностью к эмпатии.

КАССАНДРА: Я согласна, но подключение неокортекса к облачным сервисам – это совершенно иной уровень развития, чем использование более продвинутых внешних устройств.

РЭЙ: Справедливое замечание. Однако я убежден, что мы сможем осуществить расширение неокортекса к началу 2030-х годов, так что переходный период вряд ли затянется надолго.

КАССАНДРА: Именно сроки вызывают больше всего опасений. Задержка может нам дорого обойтись.

РЭЙ: Да, с этим трудно не согласиться.

КАССАНДРА: Важно отметить еще кое-что: если ИИ сможет имитировать личность конкретного человека и вашу биологическую форму заменит симуляция, окружающим будет казаться, что перед ними вы, но на самом деле вас уже не будет.

РЭЙ: Да, но о полной замене мозга речь пока не идет. Мы не стремимся воспроизвести функции нашего биологического мозга. Мы улучшаем их и наращиваем. Человек будет таким же, как и прежде, только станет более умным.

КАССАНДРА: Однако компьютерная составляющая интеллекта со временем станет гораздо мощнее биологической, в конце концов, в тысячи или даже миллионы раз.

РЭЙ: Но мы ничего от этого не потеряем. Зато очень многое приобретем.

КАССАНДРА: Вы утверждали, что через несколько лет мозг каждого человека фактически будет облачным сервисом.

РЭЙ: Мы уже движемся в этом направлении. Тем не менее, поскольку наличие биологического мозга имеет для нас огромное значение с философской точки зрения, его никто не отнимет.

КАССАНДРА: Но практическая польза от него будет невелика.

РЭЙ: Так или иначе, он останется и сохранит свои природные качества.

КАССАНДРА: Что ж, видимо, в недалеком будущем нас ждут грандиозные перемены.

РЭЙ: Не могу не согласиться.

Приложение. Соотношение цена/производительность вычислительных машин: источники данных за 1939–2023 гг.

Принцип отбора компьютеров

Для составления графика цены/производительности выбраны известные программируемые вычислительные машины, производительность которых по отношению к цене превосходила все прошлые вычислительные системы. Если таковых в определенном календарном году было несколько, в выборку попадала только одна с наилучшими характеристиками, независимо от ее точной даты выпуска. Годом появления компьютеров, которые не поступали в свободную продажу и не были доступны для коммерческой аренды, считался первый год их полноценного использования. Компьютеры, доступные в свое время для покупки или аренды, отнесены к году их появления на рынке (а не году создания первого прототипа). Среди доступных широкому потребителю машин выбирались только компьютеры массового производства, бывшие в розничной продаже. Учет отдельных экземпляров, собранных на заказ или в домашних условиях из розничных комплектующих, привел бы к искажению данных. Машины, которые были спроектированы, но так и не построены (наподобие аналитической машины Чарлза Бэббиджа), а также те, что были собраны, но работали ненадежно (такие как Z1 Конрада Цузе), не включены в нашу выборку. Также мы не учитывали специализированные устройства, в частности цифровые сигнальные процессоры, которые способны выполнять определенное количество операций в секунду, но, как правило, не используются в качестве универсальных процессоров.

Методика определения стоимости

Номинальная стоимость компьютеров приведена к ценам февраля 2023 года с использованием данных индекса потребительских цен CPI Федерального бюро трудовой статистики США (индекс CPI-U, базовый уровень 1982–1984 = 100). Хотя при расчете стоимости не

Если компьютер продавался по разным ценам в одном и том же году, то в расчет бралась его наименьшая рыночная стоимость. Таким образом, данные отражают наилучшее соотношение цена/производительность, которое было доступно в конкретный год. Следует отметить, что данные за период времени до середины 1990-х и после не вполне сопоставимы. Раньше компьютеры продавались как готовые блоки, которые было сложно модернизировать. Поэтому цена такой системы включала в себя стоимость не только процессора, но и других компонентов, таких как жесткий диск и монитор. Сейчас же процессоры продаются отдельно, так что пользователи могут приобрести несколько штук и использовать совместно в одной системе для решения сложных вычислительных задач. Благодаря этому мы можем более точно оценить соотношение цена/производительность процессоров, не учитывая стоимость компонентов, которые не связаны с вычислениями. Однако это приводит к несколько завышенной оценке прогресса, который был достигнут с 1990-х годов.

Стоимость чипов Google Cloud TPU v4-4096 была принята равной 4000 часам аренды. Это очень приблизительная оценка, но она позволяет сравнить полученные результаты с другими позициями в выборке, которая (по крайней мере, для данных с 1950-х годов и позже) преимущественно состоит из оборудования, доступного для покупки. Для небольших проектов, связанных с машинным обучением, соотношение цена/производительность будет намного выше, чем при таком подходе к расчету, поскольку доступ к огромным вычислительным мощностям им очень полезен, но покупка дорогостоящего оборудования может оказаться совершенно не оправданной. Это основное преимущество облачных вычислений, которое пока не получило должного признания.

Стоимость, указанная в этом разделе, отражает производственные затраты, розничную цену или цену аренды, в зависимости от доступной информации. Из расчета исключены другие расходы, такие как стоимость доставки, установки и обслуживания, затраты на электроэнергию, налоги и оплату труда оператора. Такие затраты на одну и ту же машину сильно различаются для разных пользователей и не могут быть усреднены. Простые соображения подсказывают, что учет вышеуказанных факторов не сильно повлияет на общий вывод, а если и повлияет, то в сторону увеличения наблюдаемой скорости прогресса (см. график «Цена/производительность вычислительных систем с 1939 по 2023 год» на с. 212). Более старые машины требовали повышенных накладных расходов, так что исключение этого аспекта из рассмотрения делает анализ более консервативным.

Методика расчета производительности

«Количество вычислений в секунду» – это условная величина, которая объединяет несколько наборов данных о производительности компьютеров за последние 84 года. На протяжении этого времени вычислительные мощности компьютеров не только улучшались количественно, но и претерпевали качественные изменения. Из-за этого невозможно найти одну универсальную метрику, с помощью которой можно было бы сопоставить производительность всех этих устройств. Даже если бы у компьютера Z2 1939 года было неограниченное количество времени, он все равно не смог бы выполнить те же операции, что и тензорный процессор 2023 года, который справляется с ними за доли секунды – это принципиально разные устройства.

Поэтому любая попытка обобщить все статистические данные о производительности в один универсальный показатель может ввести в заблуждение. Например, хотя Андерсу Сандбергу и Нику Бострому удалось сопоставить показатели «миллион инструкций в секунду» (MIPS) и «миллион операций с плавающей точкой» (MFLOPS), при масштабировании линейные соотношения этих параметров нарушаются, что делает этот метод непригодным для анализа набора машин с таким широким разбросом производительности. Прямое преобразование величины FLOPS современных компьютеров в IPS приведет к завышению оценки быстродействия новых машин; попытка выразить производительность старых компьютеров во FLOPS несправедливо выставит их слишком медленными.

Точно так же теоретико-информационные подходы, предпочтение которым отдают Ханс Моравец (1988) и Уильям Нордхаус (2001), хотя и не лишены достоинств, все же не отражают качественной эволюции вычислительных систем и приложений. Например, метрика MSOPS (миллион стандартных операций в секунду), предложенная Нордхаусом, требует учитывать операции сложения и умножения в определенной пропорции. Она не подходит для сравнения производительности компьютеров, произведенных в 1960-х для расчета траектории баллистических ракет, и современных графических и тензорных процессоров, заточенных под вычисления с малой точностью в задачах машинного обучения.

Поэтому мы решили использовать метод оценки быстродействия компьютера, который был актуален на момент его создания. Для компьютеров, выпущенных с 1939 года, включая Z2 Конрада Цузе, мы использовали более щадящую метрику IPS (Instructions Per Second), которая измеряет количество операций сложения в секунду. С 2001 года, когда вышел Pentium 4, производительность компьютеров стала измеряться количеством операций с плавающей точкой. Это отражает изменившуюся область практического применения компьютеров. Эффективность работы с числами с плавающей точкой стала более важной, чем скорость выполнения целочисленных операций или другие параметры. Например, графические процессоры и специализированные чипы для задач искусственного интеллекта и глубокого обучения отлично справляются со своей работой и демонстрируют высокие показатели FLOPS. Однако если попытаться измерить их производительность в обычных задачах, для которых предназначены центральные процессоры, и сравнить с техникой прошлых поколений, результаты могут ввести в заблуждение.

Приведенные данные представляют собой максимальные показатели быстродействия. При оценке самых ранних компьютеров мы ориентировались на скорость выполнения операций, аналогичных операции сложения. Указанные характеристики превышают те, которые эти компьютеры демонстрировали на практике в повседневных задачах. Однако такие параметры лучше подходят для сравнения, поскольку они не зависят от факторов, не связанных с чистотой работы процессора, и более стабильны от одного компьютера к другому, в отличие от средних показателей быстродействия.

Дополнительные сведения

Anders Sandberg and Nick Bostrom,Whole Brain Emulation: A Roadmap, technical report 2008-3, Future of Humanity Institute, Oxford University (2008), https://www.fhi.ox.ac.uk/brain-emulation-roadmap-report.pdf.

William D. Nordhaus, “The Progress of Computing”, discussion paper 1324, Cowles Foundation (September 2001), https://ssrn.com/abstract=285168.

Hans Moravec, “MIPS Equivalents”, Field Robotics Center, Carnegie Mellon Robotics Institute, accessed December 2, 2021, https://web.archive.org/web/20210609052024/https://frc.ri.cmu.edu/~hpm/book97/ch3/processor.list.

Hans Moravec,Mind Children: The Future of Robot and Human Intelligence(Cambridge, MA: Harvard University Press, 1988).

Перечень компьютеров, результаты и источники

Источники данных по индексу потребительских цен

“Consumer Price Index, 1913–”, Federal Reserve Bank of Minneapolis, accessed April 20, 2023, https://www.minneapolisfed.org/about-us/monetary-policy/inflation-calculator/consumer-price-index-1913-; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers: All Items in U.S. City Average (CPIAUCSL),” retrieved from FRED, Federal Reserve Bank of St. Louis, updated April 12, 2023, https://fred.stlouisfed.org/series/CPIAUCSL.

1939 Z2

Проиндексированная стоимость: 50 489 долларов 31 цент

Операций в секунду: 0,33

Операций в секунду/доллар: 0,0000065

Источники данных о цене: Jane Smiley,The Man Who Invented the Computer: The Biography of John Atanasoff, Digital Pioneer(New York:

Источники данных о производительности: Horst Zuse, “Z2 ”, Horst-Zuse.Homepage.t-online.de, accessed December 20, 2021, http://www.horst-zuse.homepage.t-online.de/z2.html. (На момент издания книги ссылка недоступна. –Прим. ред.)

1941 Z3

Проиндексированная стоимость: 136 849 долларов 13 центов

Операций в секунду: 1,25

Операций в секунду/доллар: 0,0000091

Источники данных о цене: Jack Copeland and Giovanni Sommaruga, “The Stored-Program Universal Computer: Did Zuse Anticipate Turing and von Neumann?”, inTuring’s Revolution: The Impact of His Ideas About Computability, ed. Giovanni Sommaruga and Thomas Strahm (Cham, Switzerland: Springer International Publishing, 2016; corrected 2021 publication), 53, https://www.google.com/books/edition/Turing_s_Revolution/M8ZyCwAAQBAJ; “Purchasing Power Comparisons of Historical Monetary Amounts”, Deutsche Bundesbank, accessed December 20, 2021, https://www.bundesbank.de/en/statistics/economic-activity-and-prices/producer-and-consumer-prices/purchasing-power-comparisons-of-historical-monetary-amounts-795290#tar-5; “Purchasing Power Equivalents of Historical Amounts in German Currencies”, Deutsche Bundesbank, 2021, https://www.bundesbank.de/resource/blob/622372/154f0fc435da99ee935666983a5146a2/mL/purchaising-power-equivalents-data.pdf; Lawrence H. Officer, “Exchange Rates”, inHistorical Statistics of the United States, Millennial Edition, ed. Susan B. Carter et al. (Cambridge, UK: Cambridge University Press, 2002), reproduced in Harold Marcuse, “Historical Dollar-to-Marks Currency Conversion Page”, University of California, Santa Barbara, updated October 7, 2018, https://marcuse.faculty.history.ucsb.edu/projects/currency.htm; “Euro to US Dollar Spot Exchange Rates for 2020”, Exchange Rates UK, accessed December 20, 2021, https://www.exchangerates.org.uk/EUR-USD-spot-exchange-rates-history-2020.html; “Consumer Price Index, 1913–”, Federal Reserve Bank of Minneapolis, последняя проверка доступности 11 октября 2021 года, https://www.minneapolisfed.org/about-us/monetary-policy/inflation-calculator/consumer-price-index-1913-. По покупательной способности 20 000 рейхсмарок эквивалентны 82 000 евро в 2020 году, что в среднем соответствует 109 290 долларам США в 2023-м. Используя это соотношение, мы исключаем неопределенность, связанную с разной покупательной способностью денег в Соединенных Штатах и нацистской Германии, но в то же время вынуждены полагаться на уровень цен, установленный тоталитарным режимом и, учитывая дефицит и черный рынок, вряд ли адекватно отражающий действительность. Согласно данным курсовой разницы, 20 000 рейхсмарок в 1941-м стоили 8000 долларов США, что с поправкой на инфляцию дает сумму 164 408 к началу 2023-го. Пользуясь этими данными, мы не связываем себя необходимостью ориентироваться на искаженные тоталитарным режимом и войной экономические показатели Германии, но вынуждены мириться с неопределенностью в соотношении покупательной способности двух валют. Поскольку достоинства и недостатки обоих подходов уравновешивают друг друга и нет веских причин, чтобы выбрать один из них, мы решили, что наиболее точно отражает ситуацию среднее значение этих двух величин: 136 849 долларов США.

Источники данных о производительности: Horst Zuse, “Z3 ”, Horst-Zuse.Homepage.t-online.de, accessed December 20, 2021, http://www.horst-zuse.homepage.t-online.de/z3-detail.html.

1943 COLOSSUS MARK 1

Проиндексированная стоимость: 33 811 510 долларов 61 цент

Операций в секунду: 5000

Операций в секунду/доллар: 0,00015

Источники данных о цене: Chris Smith, “Cracking the Enigma Code: How Turing’s Bombe Turned the Tide of WWII”, BT, November 2, 2017, http://web.archive.org/web/20180321035325/http://home.bt.com/tech-gadgets/cracking-the-enigma-code-how-turings-bombe-turned-the-tide-of-wwii-11363990654704; Jack Copeland (computing history expert), email to author, January 12, 2018; “Inflation Calculator”, Bank of England, January 20, 2021. https://www.bankofengland.co.uk/monetary-policy/inflation/inflation-calculator; “Historical Rates for the GBP/USD Currency Conversion on 01 July 2020 (01/07/2020)”, Pound Sterling Live, accessed November 11, 2021, https://www.poundsterlinglive.com/best-exchange-rates/british-pound-to-us-dollar-exchange-rate-on-2020-07-01. Розничная цена на Colossus неизвестна, поскольку его коммерческое использование не предполагалось. Нам известно, что создание первых машин Bombe обошлось примерно в 100 000 за каждую. Хотя точные суммы, затраченные на производство Colossus, не были обнародованы, эксперт по истории вычислительной техники Джек Коупленд считает, что в первом приближении их можно оценить как пятикратно превышающие стоимость одного экземпляра Bombe. Эта оценка соответствует 23 314 516 фунтам стерлингов в ценах 2020 года или 33 811 510 долларам США с поправкой на 2023 год. Однако стоит учесть, что только первые две цифры в этих числах можно считать более-менее точными, принимая во внимание изначальную неопределенность в оценке стоимости Bombe.

Источники данных о производительности: B. Jack Copeland, ed.,Colossus: The Secrets of Bletchley Park’s Codebreaking Computers(Oxford, UK: Oxford University Press, 2010), 282.

1946 ENIAC

Проиндексированная стоимость: 11 601 846 долларов 15 центов

Операций в секунду: 5000

Операций в секунду/доллар: 0,00043

Источники данных о цене: Martin H. Weik,A Survey of Domestic Electronic Digital Computing Systems, report no. 971 (Aberdeen Proving Ground, MD: Ballistic Research Laboratories, December 1955), 42, https://books.google.com/books?id=-BPSAAAAMAAJ.

Источники данных о производительности: Brendan I. Koerner, “How the World’s First Computer Was Rescued from the Scrap Heap”,Wired,November 25, 2014, https://www.wired.com/2014/11/eniac-unearthed.

1949 BINAC

Проиндексированная стоимость: 3 523 451 доллар 43 цента

Операций в секунду: 3500

Операций в секунду/доллар: 0,00099

Источники данных о цене: William R. Nester,American Industrial Policy: Free or Managed Markets?(New York: St. Martin’s, 1997), 106, https://books.google.com/books?id=hCi_DAA AQBAJ.

Источники данных о производительности: Eckert-Mauchly Computer Corp.,The BINAC(Philadelphia: Eckert-Mauchly Computer Corp., 1949), 2, http://s3data.computerhistory.org/brochures/eckertmauchly.binac.1949.102646200.pdf.

1953 UNIVAC 1103

Проиндексированная стоимость: 10 356 138 долларов 62 цента

Операций в секунду: 50 000

Операций в секунду/доллар: 0,0048

Источники данных о цене: Martin H. Weik,A Third Survey of Domestic Electronic Digital Computing Systems, report no. 1115 (Aberdeen, MD: Ballistic Research Laboratories, March 1961), 913, http://web.archive.org/web/20160403031739/http://www.textfiles.com/bitsavers/pdf/brl/compSurvey_Mar1961/brlReport1115_0900.pdf; https://bitsavers.org/pdf/brl/compSurvey_Mar1961/brlReport1115_0000.pdf.

Источники данных о производительности: Martin H. Weik,A Third Survey of Domestic Electronic Digital Computing Systems, report no. 1115 (Aberdeen, MD: Ballistic Research Laboratories,

1959 DEC PDP-1

Проиндексированная стоимость: 1 239 649 долларов 32 цента

Операций в секунду: 100 000

Операций в секунду/доллар: 0,081

Источники данных о цене: “PDP 1 Price List”, Digital Equipment Corporation, February 1, 1963, https://www.computerhistory.org/pdp-1/_media/pdf/DEC.pdp_1.1963.102652408.pdf.

Источники данных о производительности: Digital Equipment Corporation,PDP-1 Handbook(Maynard, MA: Digital Equipment Corporation, 1963), 10, http://s3data.computerhistory.org/pdp-1/DEC.pdp_1.1963.102636240.pdf.

1962 DEC PDP-4

Проиндексированная стоимость: 647 099 долларов 67 центов

Операций в секунду: 62 500

Операций в секунду/доллар: 0,097

Источники данных о цене: Digital Equipment Corporation,Nineteen Fifty-Seven to the Present(Maynard, MA: Digital Equipment Corporation, 1978), 3, http://s3data.computerhistory.org/pdp-1/dec.digital_1957_to_the_present_(1978).1957–1978.102630349.pdf.

Источники данных о производительности: Digital Equipment Corporation,PDP-4 Manual(Maynard, MA: Digital Equipment Corporation, 1962), 18, 57, http://gordonbell.azurewebsites.net/digital/pdp%204%20manual%201962.pdf.

1965 DEC PDP-8

Проиндексированная стоимость: 172 370 долларов 29 центов

Операций в секунду: 312 500

Операций в секунду/доллар: 1,81

Источники данных о цене: Tony Hey and Gyuri Pápay,The Computing Universe: A Journey Through a Revolution(New York: Cambridge University Press, 2015), 165, https://books.google.com/books?id=q4FIBQAAQBAJ.

Источники данных о производительности: Digital Equipment Corporation,PDP-8(Maynard, MA: Digital Equipment Corporation, 1965), 10, http://archive.computerhistory.org/resources/access/text/2009/11/102683307.05.01.acc.pdf.

1969 DATA GENERAL NOVA

Проиндексированная стоимость: 65 754 доллара 33 цента

Операций в секунду: 169 492

Операций в секунду/доллар: 2,58

Источники данных о цене: “Timeline of Computer History – Data General Corporation Introduces the Nova Minicomputer”, Computer History Museum, accessed November 10, 2021, https://www.computerhistory.org/timeline/1968.

Источники данных о производительности: NOVA brochure, Data General Corporation, 1968, 12, http://s3data.computerhistory.org/brochures/dgc.nova.1968.102646102.pdf.

1973 INTELLEC 8

Проиндексированная стоимость: 16 291 доллар 71 цент

Операций в секунду: 80 000

Операций в секунду/доллар: 4,91

Источники данных о цене: “Intellec 8 ”, Centre for Computing History, последняя проверка доступности 10 ноября 2021 года, http://www.computinghistory.org.uk/det/3366/intellec-8.

Источники данных о производительности: Intel,Intellec 8 Reference Manual, rev. 1 (Santa Clara, CA: Intel, 1974), xxxxiii, https://ia802603.us.archive.org/14/items/bitsavers_intelMCS8InceMan ualRev1Jun74_14022374/Intel_Intellec_8_Reference_Manual_Rev_1_Jun74.pdf.

1975 ALTAIR 8800

Проиндексированная стоимость: 3481 доллар 85 центов

Операций в секунду: 500 000

Операций в секунду/доллар: 144

Источники данных о цене: “MITS Altair 8800: Price List”, CTI Data Systems, July 1, 1975, http://vtda.org/docs/computing/DataSystems/MITS_Altair8800_PriceList01Jul75.pdf.

Источники данных о производительности: MITS,Altair 8800 Operator’s Manual(Albuquerque, NM: MITS, 1975), 21, 90, http://www.classiccmp.org/dunfield/altair/d/88opman.pdf.

1984 APPLE MACINTOSH

Проиндексированная стоимость: 7243 доллара 62 цента

Операций в секунду: 1 600 000

Операций в секунду/доллар: 221

Источники данных о цене: Regis McKenna Public Relations, “Apple Introduces Macintosh Advanced Personal Computer”, press release, January 24, 1984, https://web.stanford.edu/dept/SUL/sites/mac/primary/docs/pr1.html.

Источники данных о производительности: Motorola,Motorola Semiconductor Master Selection Guide, rev. 10 (Chicago: Motorola, 1996), 2.2–2, http://www.bitsavers.org/components/motorola/_catalogs/1996_Motorola_Master_Selection_Guide.pdf.

1986 COMPAQ DESKPRO 386 (16 MHZ)

Проиндексированная стоимость: 17 886 долларов 96 центов

Операций в секунду: 4 000 000

Операций в секунду/доллар: 224

Источники данных о цене: Peter H. Lewis, “Compaq’s Gamble on an Advanced Chip Pays Off”,New York Times,September 20, 1987, https://www.nytimes.com/1987/09/20/business/the-executive-computer-compaq-s-gamble-on-an-advanced-chip-pays-off.html.

Источники данных о производительности: Peter H. Lewis, “Compaq’s Gamble on an Advanced Chip Pays Off”,New York Times,September 20, 1987, https://www.nytimes.com/1987/09/20/business/the-executive-computer-compaq-s-gamble-on-an-advanced-chip-pays-off.html.

1987 PC’S LIMITED 386 (16 MHZ)

Проиндексированная стоимость: 11 946 долларов 43 цента

Операций в секунду: 4 000 000

Операций в секунду/доллар: 335

Источники данных о цене: Peter H. Lewis, “Compaq’s Gamble on an Advanced Chip Pays Off”,New York Times,September 20, 1987, https://www.nytimes.com/1987/09/20/business/the-executive-computer-compaq-s-gamble-on-an-advanced-chip-pays-off.html.

Источники данных о производительности: Peter H. Lewis, “Compaq’s Gamble on an Advanced Chip Pays Off”,New York Times,September 20, 1987, https://www.nytimes.com/1987/09/20 /business/the-executive-computer-compaq-s-gamble-on-an-advanced-chip-pays-off.html.

1988 COMPAQ DESKPRO 386 /25

Проиндексированная стоимость: 20 396 долларов 30 центов

Операций в секунду: 8 500 000

Операций в секунду/доллар: 417

Источники данных о цене: “Compaq Deskpro 386 /25 Type 38”, Centre for Computing History, последняя проверка доступности 10 ноября 2021 года, http://www.computinghistory.org.uk/det/16967/Compaq-Deskpro-386-25-Type-38.

Источники данных о производительности: Jeffrey A. Dubin,Empirical Studies in Applied Economics(New York: Springer Science+Business Media, 2012), 72–73, https://www.google.com/books/edition/Empirical_Studies_in_Applied_Economics/41_lBwAAQBAJ.

1990 MT 486DX

Проиндексированная стоимость: 11 537 долларов 40 центов

Операций в секунду: 20 000 000

Операций в секунду/доллар: 1733

Источники данных о цене: Bruce Brown, “Micro Telesis Inc. MT 486DX ”,PC Magazine9, no. 15 (September 11, 1990), 140, https://books.google.co.uk/books?id=NsgmyHnvDmUC.

Источники данных о производительности: Owen Linderholm, “Intel Cuts Cost, Capabilities of 9486; Will Offer Companion Math Chip”,Byte, June 1991, 26, https://worldradiohistory.com/hd2/IDX–Consumer/Archive-Byte-IDX/IDX/90s/Byte-1991-06-IDX-32.pdf.

1992 GATEWAY 486DX2/66

Проиндексированная стоимость: 6439 долларов 31 цент

Операций в секунду: 54 000 000

Операций в секунду/доллар: 8386

Источники данных о цене: Jim Seymour, “The 486 Buyers’ Guide”,PC Magazine12, no. 21 (December 7, 1993), 226, https://books.google.com/books?id=7k7q-wS0t0 °C.

Источники данных о производительности: Mike Feibus, “P6 and Beyond,”PC Magazine12, no. 12 (June 29, 1993), 164, https://books.google.co.uk/books?id=gCfzPMoPJWgC&pg=PA164.

1994 PENTIUM (75 MHZ)

Проиндексированная стоимость: 4477 долларов 91 цент

Операций в секунду: 87 100 000

Операций в секунду/доллар: 19 451

Источники данных о цене: Bob Francis, “75-MHz Pentiums Deskbound”,Info World16, no. 44 (October 31, 1994), 5, https://books.google.com/books?id=cTgEAAAAMBAJ&pg=PA5.

Источники данных о производительности: Roy Longbottom, “Dhrystone Benchmark Results on PCs”, Roy Longbottom’s PC Benchmark Collection, February 2017, http://www.roylongbottom.org.uk/dhrystone%20results.htm.

1996 PENTIUM PRO (166 MHZ)

Проиндексированная стоимость: 3233 доллара 73 цента

Операций в секунду: 242 000 000

Операций в секунду/доллар: 74 836

Источники данных о цене: Michael Slater, “Intel Boosts Pentium Pro to 200 MHz”,Microprocessor Report9, no. 15 (November 13, 1995), 2, https://www.cl.cam.ac.uk/~pb22/test.pdf.

Источники данных о производительности: Roy Longbottom, “Dhrystone Benchmark Results on PCs”, Roy Longbottom’s PC Benchmark Collection, February 2017, http://www.roylongbottom.org.uk/dhrystone%20results.htm.

1997 MOBILE PENTIUM MMX (133 MHZ)

Проиндексированная стоимость: 533 доллара 76 центов

Операций в секунду: 184 092 000

Операций в секунду/доллар: 344 898

Источники данных о цене: “Intel Mobile Pentium MMX 133 MHz Specifications”, CPU-World, accessed November 10, 2021, https://web.archive.org/web/20140912204405/http://www.cpu-world.com/CPUs/Pentium/Intel-Mobile%20Pentium%20MMX%20133%20-%20FV80503133.html.

Источники данных о производительности: “Intel Mobile Pentium MMX 133 MHz vs Pentium MMX 200 MHz”, CPU-World, accessed November 11, 2021, http://www.cpu-world.com/Compare/347/Intel_Mobile_Pentium_MMX_133_MHz_(FV80503133)_vs_Intel_Pentium_MMX_200_MHz_(FV80503200). html; Roy Longbottom, “Dhrystone Benchmark Results on PCs”, Roy Longbottom’s PC Benchmark Collection, February 2017, http://www.roylongbottom.org.uk/dhrystone%20results.htm. В тестах, проведенных веб-сайтом CPU-World, процессор Mobile Pentium MMX 133 MHz показал результат в 69,9 % от производительности (в тесте Dhrystone 2.1 VAX MIPS) процессора Pentium MMX 200 MHz. Результат последнего в тесте Роя Лонгботтома составил 276 MIPS, значит, первый должен приблизительно выполнять 192 924 000 инструкций в секунду.

1998 PENTIUM II (450 MHZ)

Проиндексированная стоимость: 1238 долларов 05 центов

Операций в секунду: 713 000 000

Операций в секунду/доллар: 575 905

Источники данных о цене: “Intel Pentium II 450 MHz Specifications”, CPU-World, accessed November 10, 2021, https://web.archive.org/web/20150428111439/http://www.cpu-world.com:80/CPUs/Pentium-II/Intel-Pentium%20II%20450%20-%2080523PY450512PE%20(B80523P450512E). html.

Источники данных о производительности: Roy Longbottom, “Dhrystone Benchmark Results on PCs”,

1999 PENTIUM III (450 MHZ)

Проиндексированная стоимость: 898 долларов 06 центов

Операций в секунду: 722 000 000

Операций в секунду/доллар: 803 952

Источники данных о цене: “Intel Pentium III 450 MHz Specifications”, CPU-World, accessed November 10, 2021, https://web.archive.org/web/20140831044834/http://www.cpu-world.com/CPUs/Pentium-III/Intel-Pentium%20III%20450%20-%2080525PY450512%20(BX80525U450512%20-%20BX80525U450512E). html.

Источники данных о производительности: Roy Longbottom, “Dhrystone Benchmark Results on PCs”, Roy Longbottom’s PC Benchmark Collection, February 2017, http://www.roylongbottom.org.uk/dhrystone%20results.htm.

2000 PENTIUM III (1.0 GHZ)

Проиндексированная стоимость: 1734 доллара 21 цент

Операций в секунду: 1 595 000 000

Операций в секунду/доллар: 919 725

Источники данных о цене: “Intel Pentium III 1BGHz (Socket 370) Specifications”, CPU-World, accessed November 10, 2021, https://web.archive.org/web/20160529005115/http://www.cpu-world.com/CPUs/Pentium-III/Intel-Pentium%20III%201000%20-%20RB80526PZ001256%20(BX80526C1000256). html.

Источники данных о производительности: Roy Longbottom, “Dhrystone Benchmark Results on PCs”, Roy Longbottom’s PC Benchmark Collection, February 2017, http://www.roylongbottom.org.uk/dhrystone%20results.htm.

2001 PENTIUM 4 (1700 MHZ)

Проиндексированная стоимость: 599 долларов 55 центов

Операций в секунду: 1 843 000 000

Операций в секунду/доллар: 3 073 978

Источники данных о цене: “Intel Pentium 4 1.7 GHz Specifications”, CPU-World, accessed November 10, 2021, https://web.archive.org/web/20150429131339/http://www.cpu-world.com/CPUs/Pentium_4/Intel-Pentium%204%201.7%20GHz%20-%20RN80528PC029G0K%20(BX80528JK170G). html.

Источники данных о производительности: Roy Longbottom, “Dhrystone Benchmark Results on PCs”, Roy Longbottom’s PC Benchmark Collection, February 2017, http://www.roylongbottom.org.uk/dhrystone%20results.htm.

2002 XEON (2.4 GHZ)

Проиндексированная стоимость: 392 доллара 36 центов

Операций в секунду: 2 480 000 000

Операций в секунду/доллар: 6 323 014

Источники данных о цене: “Intel Xeon 2.4 GHz Specifications”, CPU-World, последняя проверка доступности 10 ноября 2021 года, https://web.archive.org/web/20150502024039/http://www.cpu-world.com:80/CPUs/Xeon/Intel-Xeon%202.4%20GHz%20-%20RK80532KE056512%20(BX80532KE2400D%20-%20BX80532KE2400DU). html.

Источники данных о производительности: Jack J. Dongarra, “Performance of Various Computers Using Standard Linear Equations Software”, technical report CS-89-85, University of Tennessee, Knoxville, February 5, 2013, 7–29, http://www.icl.utk.edu/files/publications /2013/icl-utk-625-2013.pdf. Здесь использованы данные Джека Донгарры (2013), а не Лонгботтома (2017), потому что примерно с 2002 года стандартом определения быстродействия процессора стало измерение MFLOPS, так что именно эти результаты обеспечивают возможность сравнения с более современными машинами. Большинство результатов Донгарры получено с использованием метрики «Лучшая попытка достичь пика производительности» (TPP Best Effort), которая лучше всего соотносится с данными по компьютерам предыдущих поколений. Поскольку данные TPP Best Effort для данного процессора отсутствуют, мы оценили этот параметр, используя соотношение между TPP Best Effort MFLOPS и “LINPACK Benchmark” MFLOPS для других позиций. В пятнадцати тестах других одноядерных компьютеров, не работающих на EM64T Xeon, выполненных Донгаррой, значение TPP Best Effort в среднем оказалось в 2,559 раза выше значения LINPACK Benchmark. Кроме того, мы усреднили результаты этого процессора по всем вариантам операционной системы и компилятора.

2004 PENTIUM 4 (3.0 GHZ)

Проиндексированная стоимость: 348 долларов 12 центов

Операций в секунду: 3 181 000 000

Операций в секунду/доллар: 9 137 738

Источники данных о цене: “Intel Pentium 4 3 GHz Specifications”, CPU-World, accessed November 10, 2021, https://web.archive.org/web/20171005171131/http://www.cpu-world.com/CPUs/Pentium_4/Intel-Pentium%204%203.0%20GHz%20-%20RK80546PG0801M%20(BX80546PG3000E). html.

Источники данных о производительности: Jack J. Dongarra, “Performance of Various Computers Using Standard Linear Equations Software”, technical report CS-89-85, University of Tennessee, Knoxville, February 5, 2013, 10, http://www.icl.utk.edu/files/publications/2013/icl-utk-625-2013.pdf. Здесь использованы данные Джека Донгарры (2013), а не Лонгботтома (2017), потому что начиная с Pentium 4 стандартом определения быстродействия процессора стало измерение MFLOPS, так что именно эти результаты обеспечивают возможность сравнения с более современными машинами.

2005 PENTIUM 4 662 (3.6 GHZ)

Проиндексированная стоимость: 619 долларов 36 центов

Операций в секунду: 7 200 000 000

Операций в секунду/доллар: 11 624 919

Источники данных о цене: “Intel Pentium 4 662 Specifications”, CPU-World, accessed November 10, 2021, https://web.archive.org/web/20150710050435/http://www.cpu-world.com:80/CPUs/Pentium_4/Intel-Pentium%204%20662%203.6%20GHz%20-%20HH80547PG1042MH.html.

Источники данных о производительности: “Export Compliance Metrics for Intel Microprocessors Intel Pentium Processors”, Intel, April 1, 2018, 4, http://web.archive.org/web/20180601044504/https://www.intel.com/content/dam/support/us/en/documents/processors/APP-for-Intel-Pentium-Processors.pdf.

2006 CORE 2 DUO E6300

Проиндексированная стоимость: 273 доллара 82 цента

Операций в секунду: 14 880 000 000

Операций в секунду/доллар: 54 342 788

Источники данных о цене: “Intel Core 2 Duo E6300 Specifications”, CPU-World, accessed November 10, 2021, https://web.archive.org/web/20160605085626/http://www.cpu-world.com/CPUs/Core_2/Intel-Core%202%20Duo%20E6300%20HH80557PH0362M%20(BX80557E6300). html.

Источники данных о производительности: “Export Compliance Metrics for Intel Microprocessors Intel Pentium Processors”, Intel, April 1, 2018, 12, http://web.archive.org/web/20180601044310/https://www.intel.com/content/dam/support/us/en/documents/processors/APP-for-Intel-Core-Processors.pdf.

2007 pentium dual-core e2180

Проиндексированная стоимость: 122 доллара 23 цента

Операций в секунду: 16 000 000 000

Операций в секунду/доллар: 130 899 970

Источники данных о цене: “Intel Pentium E2180 Specifications”, CPU-World, последняя проверка доступности 10 ноября 2021 года, https://web.archive.org/web/20170610094616/http://www.cpu-world.com/CPUs/Pentium_Dual-Core/Intel-Pentium%20Dual-Core%20E2180%20HH80557PG0411M%20(BX80557E2180%20-%20BXC80557E2180). html.

Источники данных о производительности: “Export Compliance Metrics for Intel Microprocessors Intel Pentium Processors”, Intel, April 1, 2018, 7, http://web.archive.org/web/20180601044504/https://www.intel.com/content/dam/support/us/en/documents/processors/APP-for-Intel-Pentium-Processors.pdf.

2008 GTX 285

Проиндексированная стоимость: 502 доллара 98 центов

Операций в секунду: 708 500 000 000

Операций в секунду/доллар: 1 408 604 222

Источники данных о цене: “NVIDIA GeForce GTX 285 ”, TechPowerUp, последняя проверка доступности 10 ноября 2021 года, https://www.techpowerup.com/gpu-specs/geforce-gtx-285.c238.

Источники данных о производительности: “NVIDIA GeForce GTX 285 ”, TechPowerUp, последняя проверка доступности 10 ноября 2021 года, https://www.techpowerup.com/gpu-specs/geforce-gtx-285.c238.

2010 GTX 580

Проиндексированная стоимость: 690 долларов 15 центов

Операций в секунду: 1 581 000 000 000

Операций в секунду/доллар: 2 290 796 652

Источники данных о цене: “NVIDIA GeForce GTX 580 ”, TechPowerUp, последняя проверка доступности 10 ноября 2021 года, https://www.techpowerup.com/gpu-specs/geforce-gtx-580.c270.

Источники данных о производительности: “NVIDIA GeForce GTX 580 ”, TechPowerUp, последняя проверка доступности 10 ноября 2021 года, https://www.techpowerup.com/gpu-specs/geforce-gtx-580.c270.

2012 GTX 680

Проиндексированная стоимость: 655 долларов 59 центов

Операций в секунду: 3 250 000 000 000

Операций в секунду/доллар: 4 957 403 270

Источники данных о цене: “NVIDIA GeForce GTX 680 ”, TechPowerUp, последняя проверка доступности 10 ноября 2021 года, https://www.techpowerup.com/gpu-specs/geforce-gtx-680.c342.

Источники данных о производительности: “NVIDIA GeForce GTX 680 ”, TechPowerUp, последняя проверка доступности 10 ноября 2021 года, https://www.techpowerup.com/gpu-specs/geforce-gtx-680.c342.

2015 TITAN X (MAXWELL 2.0)

Проиндексированная стоимость: 1271 доллар 50 центов

Операций в секунду: 6 691 000 000 000

Операций в секунду/доллар: 5 262 273 757

Источники данных о цене: “NVIDIA GeForce GTX TITAN X”, TechPowerUp, последняя проверка доступности 10 ноября 2021 года, https://www.techpowerup.com/gpu-specs/geforce-gtx-titan-x.c2632.

Источники данных о производительности: “NVIDIA GeForce GTX TITAN X”, TechPowerUp, последняя проверка доступности 10 ноября 2021 года, https://www.techpowerup.com/gpu-specs/geforce-gtx-titan-x.c2632.

2016 TITAN X (PASCAL)

Проиндексированная стоимость: 1506 долларов 98 центов

Операций в секунду: 10 974 000 000 000

Операций в секунду/доллар: 7 282 098 756

Источники данных о цене: “NVIDIA TITAN X Pascal”, TechPowerUp, последняя проверка доступности 10 ноября 2021 года, https://www.techpowerup.com/gpu-specs/titan-x-pascal.c2863.

Источники данных о производительности: “NVIDIA TITAN X Pascal”, TechPowerUp, последняя проверка доступности 10 ноября 2021 года, https://www.techpowerup.com/gpu-specs/titan-x-pascal.c2863.

2017 AMD RADEON RX 580

Проиндексированная стоимость: 281 доллар 83 цента

Операций в секунду: 6 100 000 000 000

Операций в секунду/доллар: 21 643 984 475

Источники данных о цене: “AMD Radeon RX 580 ”, TechPowerUp, последняя проверка доступности 10 ноября 2021, https://www.techpowerup.com/gpu-specs/radeon-rx-580.c2938.

Источники данных о производительности: “AMD Radeon RX 580 ”, TechPowerUp, последняя проверка доступности 10 ноября 2021 года, https://www.techpowerup.com/gpu-specs/radeon-rx-580.c2938.

2021 GOOGLE CLOUD TPU V4-4096

Проиндексированная стоимость: 22 796 129 долларов 30 центов

Операций в секунду: 1 100 000 000 000 000 000

Операций в секунду/доллар: 48 253 805 968

Источники данных о цене:

Компания Google, вероятно, обнародует более подробную информацию о ценах к моменту выхода книги, но все равно эти данные будут неточны, так как специфические обстоятельства каждого отдельного проекта будут играть существенную роль в ценообразовании.

Источники данных о производительности: Tao Wang and Aarush Selvan, “Google Demonstrates Leading Performance in Latest MLPerf Benchmarks”, Google Cloud, June 30, 2021, https://cloud.google.com/blog/products/ai-machine-learning/google-wins-mlperf-bench marks-with-tpu-v4; Samuel K. Moore, “Here’s How Google’s TPU v4 AI Chip Stacked Up in Training Tests”,IEEE Spectrum, May 19, 2021, https://spectrum.ieee.org/heres-how-googles-tpu-v4-ai-chip-stacked-up-in-training-tests.

2023 GOOGLE CLOUD TPU V5E

Проиндексированная стоимость: 3016 долларов 46 центов

Операций в секунду: 393 000 000 000 000

Операций в секунду/доллар: 130 285 276 114

Источники данных о цене: Как сообщает команда Google Cloud, эффективность процессора TPU v5e в соотношении цена/производительность в 2,7 раза выше, чем у TPU v4. Эти данные получены на основе теста MLPerf v3.1 Inference Closed, который считается золотым стандартом оценки производительности для систем, обеспечивающих работу больших языковых моделей. В целях сопоставления с ценами на TPU v4-4096, которые получены исходя из прейскуранта на долгосрочную аренду, стоимость TPU v5e была нами вычислена с помощью коэффициента улучшения эффективности. Если бы мы использовали доступную информацию о стоимости часа аренды TPU v5e (1 доллар 20 центов), мы бы получили результат 82 миллиарда операций в секунду за доллар. Однако, поскольку для аренды больших объемов облачных мощностей всегда предусмотрены скидки, такая оценка производительности получилась бы заниженной. См. Amin Vahdat and Mark Lohmeyer, “Helping You Deliver High-Performance, Cost-Efficient AI Inference at Scale with GPUs and TPUs”, Google Cloud, September 11, 2023, https://cloud.google.com/blog/products/compute/performance-per-dollar-of-gpus-and-tpus-for-ai-inference.

Источники данных о производительности: INT8 performance per chip. See Google Cloud, “System Architecture”, Google Cloud, accessed November 13, 2023, https://cloud.google.com/tpu/docs/system-architecture-tpu-vm#tpu_v5e.

Примечания

Введение

1. Источники архивных данных для расчета соотношения цена/производительность всех машин, упомянутых в этой книге, перечислены в приложении.

2. William D. Nordhaus, “Two Centuries of Productivity Growth in Computing”,Journal of Economic History67, no. 1 (March 2007): 128–59, https://doi.org/10.1017/S0022050707000058.

Глава 1. На какой из шести стадий мы находимся?

1. Alan M. Turing, “Computing Machinery and Intelligence”,Mind59, no. 236 (October 1, 1950): 435, https://doi.org/10.1093/mind/LIX.236.433.

Глава 2. Изобретая разум заново

1. Alan M. Turing, “Computing Machinery and Intelligence”,Mind59, no. 236 (October 1, 1950): 435, https://doi.org/10.1093/mind/LIX.236.433.

2. Alex Shashkevich, “Stanford Researcher Examines Earliest Concepts of Artificial Intelligence, Robots in Ancient Myths”,Stanford News, February 28, 2019, https://news.stanford.edu/2019/02/28/ancient-myths-reveal-early-fantasies-artificial-life.

3. John McCarthy et al., “A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence”, conference proposal, August 31, 1955, http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html.

4. McCarthy et al., “Proposal for the Dartmouth Summer Research Project”.

5. Martin Childs, “John McCarthy: Computer Scientist Known as the Father of AI”,The Independent, November 1, 2011, https://www.independent.co.uk/news/obituaries/john-mc carthy-computer-scientist-known-as-the-father-of-ai-6255307.html; Nello Christianini, “The Road to Artificial Intelligence: A Case of Data Over Theory,”New Scientist, October 26, 2016, https://institutions.newscientist.com/article/mg23230971-200-the-irresistible-rise-of-artificial-intelligence.

6. James Vincent, “Tencent Says There Are Only 300,000 AI Engineers Worldwide, but Millions Are Needed”,The Verge, December 5, 2017, https://www.theverge.com/2017/12/5/16737224/global-ai-talent-shortfall-tencent-report.

7. Jean-Francois Gagne, Grace Kiser, and Yoan Mantha,Global AI Talent Report 2019, Element AI, April 2019, https://jfgagne.ai/talent-2019.

8. Daniel Zhang et al.,The AI Index 2022 Annual Report, AI Index Steering Committee, Stanford Institute for Human-Centered AI, Stanford University, March 2022, 36, https://aiin dex.stanford.edu/wp-content/uploads/2022/03/2022-AI–Index-Report_Master.pdf; Nestor Maslej et al.,The AI Index 2023 Annual Report, AI Index Steering Committee, Stanford Institute for Human-Centered AI, Stanford University, April 2023, 24, https://aiin dex.stanford.edu/wp-content/uploads/2023/04/HAI_AI–Index-Report_2023.pdf.

9. Снижение корпоративных затрат на разработку ИИ в 2022 году по сравнению с 2021-м составило 26,7 %, но, скорее всего, было связано с макроэкономическими циклами, а не разворотом долгосрочной тенденции делать все большую ставку на ИИ. См. Maslej et al.,AI Index 2023 Annual Report, 171, 184.

10. Ray Kurzweil,The Age of Spiritual Machines: When Computers Exceed Human Intelligence(New York: Penguin, 2000; первое издание: Viking, 1999), 313; Dale Jacquette, “Who’s Afraid of the Turing Test?”,Behavior and Philosophy20/21 (1993): 72, https://www.jstor.org/stable/27759284.

11. Katja Grace et al., “Viewpoint: When Will AI Exceed Human Performance? Evidence from AI Experts”,Journal of Artificial Intelligence Research62 (July 2018): 729–54, https:// doi.org /10.1613/jair.1.11222.

12. Чтобы узнать подробнее, на чем основывается мой прогноз и как он соотносится со взглядами других экспертов в области ИИ, см. Ray Kurzweil, “A Wager on the Turing Test: Why I Think I Will Win”, KurzweilAI.net, April 9, 2002, https://www.kurzweilai.net/a-wager-on-the-turing-test-why-i-think-i-will-win; Vincent C. Muller and Nick Bostrom, “Future Progress in Artificial Intelligence: A Survey of Expert Opinion”, inFundamental Issues of Artificial Intelligence, ed. Vincent C. Müller (Cham, Switzerland: Springer, 2016), 553–71, https://philpapers.org/archive/MLLFPI.pdf; Anthony Aguirre, “Date Weakly General AI Is Publicly Known”, Metaculus, последняя проверка доступности 26 апреля 2023 года, https://www.metaculus.com /questions/3479/date-weakly-general-ai-system-is-devised.

13. Aguirre, “Date Weakly General AI Is Publicly Known”.

14. Raffi Khatchadourian, “The Doomsday Invention”,New Yorker, November 23, 2015, https://www.newyorker.com/magazine/2015/11/23/doomsday-invention-artificial-intelligence-nick-bostrom.

15. Newell, J. C. Shaw, and H. A. Simon, “Report on a General Problem-Solving Program”, RAND P-1584, RAND Corporation, February 9, 1959, http://bitsavers.informatik.uni-stuttgart.de/pdf/rand/ipl/P-1584_Report_On_A_General_Problem-Solving_Pro gram_Feb59.pdf. Все источники данных для

16. Digital Equipment Corporation,PDP-1 Handbook(Maynard, MA: Digital Equipment Corporation, 1963), 10, http://s3data.computerhistory.org/pdp-1/DEC.pdp_1.1963.10263 6240.pdf.

17. Amin Vahdat and Mark Lohmeyer, “Enabling Next-Generation AI Workloads: Announcing TPU v5p and AI Hypercomputer”, Google Cloud, December 6, 2023, https://cloud.google.com/blog/products/ai-machine-learning/introducing-cloud-tpu-v5p-and-ai-hy percomputer.

18. Все источники данных для оценки соотношения цена/производительность компьютеров, упомянутых в этой книге, приведены в приложении.

19. V. L. Yu et al., “Antimicrobial Selection by a Computer: A Blinded Evaluation by Infectious Diseases Experts”,Journal of the American Medical Association242, no. 12 (September 21, 1979): 1279–82, https://jamanetwork.com/journals/jama/article-abstract/366606.

20. Bruce G. Buchanan and Edward Hance Shortliffe, eds.,Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project(Reading, MA: Addison-Wesley, 1984); Edward Edelson, “Programmed to Think”,MOSAIC11, no. 5 (September/ October 1980): 22, https://books.google.co.uk/books?id=PU79ZK2tXeAC.

21. T. Grandon Gill, “Early Expert Systems: Where Are They Now?”,MIS Quarterly19, no. 1 (March 1995): 51–81, https://www.jstor.org/stable/249711.

22. Краткое объяснение простым языком, каким именно образом машинное обучение снижает остроту проблемы потолка сложности, приведено в Deepanker Saxena, “Machine Learning vs. Rules Based Systems”, Socure, August 6, 2018, https://www.socure.com/blog/machine-learning-vs-rule-based-systems.

23. Cade Metz, “One Genius’ Lonely Crusade to Teach a Computer Common Sense”,Wired,March 24, 2016, https://www.wired.com/2016/03/doug-lenat-artificial-intelligence-com mon-sense-engine; “Frequently Asked Questions”, Cycorp, последняя проверка доступности 20 ноября 2021 года, https://cyc.com/faq.

24. Больше информации о проблеме «черного ящика» и непрозрачности ИИ содержится в Will Knight, “The Dark Secret at the Heart of AI”,MIT Technology Review, April 11, 2017, https://www.technologyreview.com/s/604087/the-dark-secret-at-the-heart-of-ai; “AI Detectives Are Cracking Open the Black Box of Deep Learning”,Science Magazine, YouTube video, July 6, 2017, https://www.youtube.com/watch?v=gB_-LabED68; Paul Voosen, “How AI Detectives Are Cracking Open the Black Box of Deep Learning”,Science, July 6, 2017, https://doi.org /10.1126/science.aan7059; Harry Shum, “Explaining AI”, a16z, YouTube video, January 16, 2020, https://www.youtube.com/watch?v=rI_L95qnVkM; Future of Life Institute, “Neel Nanda on What Is Going On Inside Neural Networks”, YouTube video, February 9, 2023, https://www.youtube.com/watch?v=mUhO6st6M_0.

25. Отличный обзор по механистической интерпретируемости приведен в: Neel Nanda, Future of Life Institute, “Neel Nanda on What Is Going On Inside Neural Networks”.

26. Более подробно о методиках машинного обучения при неполных данных см. в Xander Steenbrugge, “An Introduction to Reinforcement Learning”, Arxiv Insights, YouTube video, April 2, 2018, https://www.youtube.com/watch?v=JgvyzIkgxF0; Alan Joseph Bekker and Jacob Goldberger, “Training Deep Neural-Networks Based on Unreliable Labels”,2016 IEEE International Conference on Acoustics, Speech and Signal Processing(Shanghai, 2016), 2682–86, https://doi.org/10.1109/ICASSP.2016.7472164; Nagarajan Natarajan et al., “Learning with Noisy Labels”,Advances in Neural Information Processing Systems26 (2013), https://papers.nips.cc/paper/5073-learning-with-noisy-labels; David Rolnick et al., “Deep Learning Is Robust to Massive Label Noise”, arXiv:1705.10694v3 [cs.LG], February 26, 2018, https://arxiv.org/pdf/1705.10694.pdf.

27. Больше информации о перцептроне, присущих ему ограничениях и о том, как некоторые виды нейросетей могут их обойти, см. Marvin L. Minsky and Seymour A. Papert,Perceptrons: An Introduction to Computational Geometry(Cambridge, MA: MIT Press, 1990; reissue of 1988 expanded edition); Melanie Lefkowitz, “Professor’s Perceptron Paved the Way for AI—60 Years Too Soon”,Cornell Chronicle, September 25, 2019, https://news.cornell.edu/stories/2019/09/professors-perceptron-paved-way-ai-60-years-too-soon; John Durkin, “Tools and Applications”, inExpert Systems: The Technology of Knowledge Management and Decision Making for the 21st Century, ed. Cornelius T. Leondes (San Diego: Academic Press, 2002), 45, https://books.google.co.uk/books?id=5kSam KhS56 °C; “Marvin Minsky: The Problem with Perceptrons (121/151)”, Web of Stories – Life Stories of Remarkable People, YouTube video, October 17, 2016, https://www.you tube.com/watch?v=QW_srPO-LrI; Heinz Mühlenbein, “Limitations of Multi-Layer Perceptron Networks: Steps Towards Genetic Neural Networks”,Parallel Computing14, no. 3 (August 1990): 249–60, https://doi.org/10.1016/0167-8191(90)90079-O; Aniruddha Karajgi, “How Neural Networks Solve the XOR Problem”,Towards Data Science, November 4, 2020, https://towardsdatascience.com/how-neural-networks-solve-the-xor-problem-59763136bdd7.

28. Все источники данных для оценки соотношения цена/производительность компьютеров, упомянутых в этой книге, приведены в приложении.

29. Tim Fryer, “Da Vinci Drawings Brought to Life”,Engineering & Technology14, no. 5 (May 21, 2019): 18, https://eandt.theiet.org/content/articles/2019/05/da-vinci-drawings-brought-to-life.

30. Хронология возникновения жизни на Земле и более подробные научные сведения содержатся в: Michael Marshall, “Timeline: The Evolution of Life”,New Scientist, July 14, 2009, https://www.newscientist.com/article/dn17453; Dyani Lewis, “Where Did We Come From? A Primer on Early Human Evolution”,Cosmos, June 9, 2016, https://cosmos magazine.com/palaeontology/where-did-we-come-from-a-primer-on-early-human-evolution; John Hawks, “How Has the Human Brain Evolved?”,Scientific American,July 1, 2013, https://www.scientificamerican.com/article/how-has-human-brain-evolved; Laura Freberg,Discovering Behavioral Neuroscience: An Introduction to Biological Psychology, 4th ed. (Boston: Cengage Learning, 2018), 62–63, https://books.google.co.uk/books?id=HhBED wAAQBAJ; Jon H. Kaas, “Evolution of the Neocortex”,Current Biology16, no. 21 (2006): R910–R914, https://www.cell.com/current-biology/pdf/S0960-9822(06)02290-1.pdf; R. Glenn Northcutt, “Evolution of Centralized Nervous Systems: Two Schools of Evolutionary Thought”,Proceedings of the National Academy of Sciences109, suppl. 1 (June 22, 2012): 10626–33, https://doi.org/10.1073/pnas.1201889109.

31. Marshall, “Timeline: The Evolution of Life”; Holly C. Betts et al., “Integrated Genomic and Fossil Evidence Illuminates Life’s Early Evolution and Eukaryote Origin”,Nature Ecology & Evolution2 (August 20, 2018): 1556–62, https://doi.org/10.1038/s41559-018-0644-x; Elizabeth Pennisi, “Life May Have Originated on Earth 4 Billion Years Ago, Study of Controversial Fossils Suggests”,Science, December 18, 2017, https://www.sciencemag.org /news/2017/12/life-may-have-originated-earth-4-billion-years-ago-study-controversial-fossils-suggests.

32. Ethan Siegel, “Ask Ethan: How Do We Know the Universe Is 13.8 Billion Years Old?”,Big Think, October 22, 2021, https://bigthink.com/starts-with-a-bang/universe-13-8-billion-years; Mike Wall, “The Big Bang: What Really Happened at Our Universe’s Birth?”, Space.com, October 21, 2011, https://www.space.com/13347-big-bang-origins-universe-birth.html; Nola Taylor Reed, “How Old Is Earth?”, Space.com, February 7, 2019, https:// www.space.com/24854-how-old-is-earth.html.

33. Marshall, “Timeline: The Evolution of Life”.

34. Marshall, “Timeline: The Evolution of Life”.

35. Freberg,Discovering Behavioral Neuroscience, 62–63; Kaas, “Evolution of the Neocortex”; R. Northcutt, “Evolution of Centralized Nervous Systems”; Frank Hirth, “On the Origin and Evolution of the Tripartite Brain”,Brain, Behavior and Evolution76, no. 1 (October 2010): 3–10, https://doi.org/10.1159/000320218.

36. Kaas, “Evolution of the Neocortex”.

37. Два захватывающих видео о том, как работает естественный отбор: Hank Green, “Natural Selection: Crash Course Biology #14”, CrashCourse, YouTube video, April 30, 2012, https://www.youtube.com/watch?v=aTftyFboC_M; Primer, “Simulating Natural Selection”, YouTube video, November 14, 2018, https://www.youtube.com/watch?v=0ZGbIK d0XrM.

38. Suzana Herculano-Houzel, “Coordinated Scaling of Cortical and Cerebellar Numbers of Neurons”,Frontiers in Neuroanatomy4, no. 12 (March 10, 2010), https://doi.org/10.3389 /fnana.2010.00012.

39. Объяснение этого феномена см. в: Ainslie Johnstone, “The Amazing Phenomenon of Muscle Memory”,Medium, Oxford University, December 14, 2017, https:// medium.com/oxford-university/the-amazing-phenomenon-of-muscle-memory-fb1cc4c4726; Sara Chodosh, “Muscle Memory Is Real, But It’s Probably Not What You Think”,Popular Science, January 25, 2019, https://www.popsci.com/what-is-muscle-memory; Merim Bilalić,The Neuroscience of Expertise(Cambridge, UK: Cambridge University Press, 2017), 171–72, https://books.google.co.uk/books?id=QILTDQAAQBAJ; The Brain from Top to Bottom,

40. Материалы по базисным функциям в контексте машинного обучения: “Lecture 17: Basis Functions”, Open Data Science Initiative, YouTube video, November 28, 2011, https://youtu.be/OOpfU3CvUkM?t=151; Yaser Abu-Mostafa, “Lecture 16: Radial Basis Functions”, Caltech, YouTube video, May 29, 2012, https://www.youtube.com/watch?v= O8CfrnOPtLc.

41. Mayo Clinic, “Ataxia”, Mayo Clinic, последняя проверка доступности 20 ноября 2021 года, https://www.mayo clinic.org/diseases-conditions/ataxia/symptoms-causes/syc-20355652; Helen Thomson, “Woman of 24 Found to Have No Cerebellum in Her Brain”,New Scientist, September 10, 2014, https://institutions.newscientist.com/article/mg22329861-900-woman-of-24-found-to-have-no-cerebellum-in-her-brain; R. N. Lemon and S. A. Edgley, “Life Without a Cerebellum”,Brain133, no. 3 (March 18, 2010): 652–54, https://doi.org/10.1093/brain/awq030.

42. Подробнее о том, как в ходе спортивных тренировок происходит переход к неосознанной компетентности см. в: Bo Hanson, “Conscious Competence Learning Matrix”, Athlete Assessments, последняя проверка доступности 22 ноября 2021 года, https://athleteassessments.com/conscious-competence-learning-matrix.

43. Suzana Herculano-Houzel, “The Human Brain in Numbers: A Linearly Scaled-Up Primate Brain”,Frontiers in Human Neuroscience3, no. 31 (November 9, 2009), https://doi.org/10.3389/neuro.09.031.2009.

44. Herculano-Houzel, “Human Brain in Numbers”; Richard Apps, “Cerebellar Modules and Their Role as Operational Cerebellar Processing Units”,Cerebellum17, no. 5 (June 6, 2018): 654–82, https://doi.org/10.1007/s12311-018-0952-3; Jan Voogd, “What We Do Not Know About Cerebellar Systems Neuroscience”,Frontiers in Systems Neuroscience8, no. 227 (December 18, 2014), https://doi.org/10.3389/fnsys.2014.00227; Rhoshel K. Lenroot and Jay N. Giedd, “The Changing Impact of Genes and Environment on Brain Development During Childhood and Adolescence: Initial Findings from a Neuroimaging Study of Pediatric Twins”,Development and Psychopathology20, no. 4 (Fall 2008): 1161–75, https://doi.org/10.1017/S0954579408000552; Salvador Martinez et al., “Cellular and Molecular Basis of Cerebellar Development”,Frontiers in Neuroanatomy7, no. 18 (June 26, 2013), https://doi.org/10.3389/fnana.2013.00018.

45. Fumiaki Sugahara et al., “Evidence from Cyclostomes for Complex Regionalization of the Ancestral Vertebrate Brain”,Nature531, no. 7592 (February 15, 2016): 97–100, https://doi.org/10.1038/nature16518; Leonard F. Koziol, “Consensus Paper: The Cerebellum’s Role in Movement and Cognition”,Cerebellum13, no. 1 (February 2014): 151–77, https://doi.org/10.1007/s12311-013-0511-x; Robert A. Barton and Chris Venditti, “Rapid Evolution of the Cerebellum in Humans and Other Great Apes”,Current Biology24, no. 20 (October 20, 2014): 2440–44, https://doi.org/10.1016/j.cub.2014.08.056.

46. Более подробная информация на тему врожденных повадок животных содержится в: Jesse N. Weber, Brant K. Peterson, and Hopi E. Hoekstra, “Discrete Genetic Modules Are Responsible for Complex Burrow Evolution in Peromyscus Mice”,Nature493, no. 7432 (January 17, 2013): 402–5, http://dx.doi.org/10.1038/nature11816; Nicole L. Bedford and Hopi E. Hoekstra, “Peromyscus Mice as a Model for Studying Natural Variation”,eLife4: e06813 (June 17, 2015), https://doi.org/10.7554/eLife.06813; Do-Hyoung Kim et al., “Rescheduling Behavioral Subunits of a Fixed Action Pattern by Genetic Manipulation of Peptidergic Signaling”,PLoS Genetics11, no. 9: e1005513 (September 24, 2015), https://doi.org/10.1371/journal.pgen.1005513.

47. Интересный доклад с объяснением концепции эволюционного моделирования: Keith Downing, “Evolutionary Computation: Keith Downing at TEDxTrondheim”, TEDx Talks, YouTube video, November 4, 2013, https://www.youtube.com/watch?v=D3zUmfDd79s.

48. Больше информации о развитии и функционировании новой коры: Kaas, “Evolution of the Neocortex”; Jeff Hawkins and Sandra Blakeslee,On Intelligence: How a New Understanding of the Brain Will Lead to the Creation of Truly Intelligent Machines(New York: Macmillan, 2007), 97–101, https://books.google.co.uk/books?id=Qg2dmntfxmQC; Clay Reid, “Lecture 3: The Structure of the Neocortex”, Allen Institute, YouTube video, September 6, 2012, https://www.youtube.com/watch?v=RhdcYNmW0zY; Joan Stiles et al.,Neural Plasticity and Cognitive Development: Insights from Children with Perinatal Brain Injury(New York: Oxford University Press, 2012), 41–45, https://books.google.co.uk/books?id=QiN pAgAAQBAJ.

49. Brian K. Hall and Benedikt Hallgrimsson,Strickberger’s Evolution, 4th ed. (Sudbury, MA: Jones & Bartlett Learning, 2011), 533; Kaas, “Evolution of the Neocortex”; Jon H. Kaas, “The Evolution of Brains from Early Mammals to Humans,Wiley Interdisciplinary Reviews Cognitive Science4, no. 1 (November 8, 2012): 33–45, https://doi.org/10.1002/wcs.1206.

50. Больше информации о мел-палеогеновом вымирании: Michael Greshko and National Geographic Staff, “What Are Mass Extinctions, and What Causes Them?”,National Geographic, September 26, 2019, https:// www.nationalgeographic.com/science/prehistoric-world/mass-extinction; Victoria Jaggard, “Why Did the Dinosaurs Go Extinct?”,National Geographic, July 31, 2019, https://www.nationalgeographic.com/science/prehistoric-world/dinosaur-extinction; Emily Singer, “How Dinosaurs Shrank and Became Birds”,Quanta, June 2, 2015, https://www.quantamagazine.org/how-birds-evolved-from-dinosaurs-20150602.

51. Yasuhiro Itoh, Alexandros Poulopoulos, and Jeffrey D. Macklis, “Unfolding the Folding Problem of the Cerebral Cortex: Movin’ and Groovin’”,Developmental Cell41, no. 4 (May 22, 2017): 332–34, https://www.sciencedirect.com/science/article/pii/S1534580717303933; Jeff Hawkins, “What Intelligent Machines Need to Learn from the Neocortex”,IEEE Spectrum, June 2, 2017, https://spectrum.ieee.org/computing/software/what-intelligent-machines-need-to-learn-from-the-neocortex.

52. Jean-Didier Vincent and Pierre-Marie Lledo,The Custom-Made Brain: Cerebral Plasticity, Regeneration, and Enhancement, trans. Laurence Garey (New York: Columbia University Press, 2014), 152.

53. Учебная лекция о неокортексе и его колонках без лишних технических деталей: Brains Explained, “The Neocortex”, YouTube video, September 16, 2017, https://www.youtube.com/watch?v=x2mYTaJPVnc; Clay Reid, “Lecture 3: The Structure of the Neocortex”.

54. V. B. Mountcastle, “The Columnar Organization of the Neocortex”,Brain120, no. 4 (April 1997): 701–22, https://doi.org/10.1093/brain/120.4.701; Olaf Sporns, Giulio Tononi, and Rolf Kötter, “The Human Connectome: A Structural Description of the Human Brain”,PLoS Computational Biology1, no. 4: e42 (September 30, 2005), https://doi.org/10.1371/journal.pcbi.0010042; David J. Heeger, “Theory of Cortical Function”,Proceedings of the National Academy of Sciences114, no. 8 (February 6, 2017): 1773–82, https://doi.org /10.1073/pnas.1619788114.

55. Это несколько ниже, чем оценка на базе моих прошлых исследований, которая была приведена в книге «Эволюция разума». Однако, учитывая, что данные, на которых строятся эти выводы, все равно неточны, можно считать, что обе величины более-менее сопоставимы. Заметим, что это число может отличаться от человека к человеку.

56. Jeff Hawkins, Subutai Ahmad, and Yuwei Cui, “A Theory of How Columns in the Neocortex Enable Learning the Structure of the World”,Frontiers in Neural Circuits11, no. 81 (October 25, 2017), https://doi.org/10.3389/fncir.2017.00081; Jeff Hawkins,A Thousand Brains: A New Theory of Intelligence(New York: Basic Books, 2021).

57. Mountcastle, “Columnar Organization of the Neocortex”; Sporns, Tononi, and Kötter, “The Human Connectome”; Heeger, “Theory of Cortical Function”.

58. Malcolm W. Browne, “Who Needs Jokes? Brain Has a Ticklish Spot”,New York Times,March 10, 1998, https://www.nytimes.com/1998/03/10/science/who-needs-jokes-brain-has-a-ticklish-spot.html; Itzhak Fried et al., “Electric Current Stimulates Laughter”,Scientific Correspondence391, no. 650 (February 12, 1998), https://doi.org/10.1038/35536.

59. Доступное объяснение механизма восприятия боли мозгом дано в: Kristin Muench, “Pain in the Brain”, NeuWrite West, November 10, 2015, www.neuwritewest.org/blog/pain-in-the-brain.

60. Browne, “Who Needs Jokes?”

61. Robert Wright, “Scientists Find Brain’s Irony-Detection Center!”Atlantic, August 5, 2012, https://www.theatlantic.com/health/archive/2012/08/scientists-find-brains-irony-detection-center/260728.

62. “Bigger Brains: Complex Brains for a Complex World”, Smithsonian Institution, January 16, 2019, http://humanorigins.si.edu/human-characteristics/brains; David

63. Stephanie Musgrave et al., “Tool Transfers Are a Form of Teaching Among Chimpanzees”,Scientific Reports6, article 34783 (October 11, 2016), https://doi.org/10.1038 /srep34783.

64. Hanoch Ben-Yami, “Can Animals Acquire Language?”,Scientific American,March 1, 2017, https://blogs.scientificamerican.com/guest-blog/can-animals-acquire-language; Klaus Zuberbühler, “Syntax and Compositionality in Animal Communication”,Philosophical Transactions of the Royal Society B375, article 20190062 (November 18, 2019), https://doi.org/10.1098/rstb.2019.0062.

65. Доступное объяснение процесса появления большого пальца и его роли в ходе эволюции дано в: “Where Do Our Opposable Thumbs Come From?”, HHMI BioInteractive, YouTube video, April 24, 2014, https://www.youtube.com/watch?v=lDSkmb4UTlo.

66. Ryan V. Raut et al., “Hierarchical Dynamics as a Macroscopic Organizing Principle of the Human Brain”,Proceedings of the National Academy of Sciences117, no. 35 (August 12, 2020): 20890–97, https://doi.org/10.1073/pnas.1201889109.

67. Herculano-Houzel, “Human Brain in Numbers”; Sporns, Tononi, and Kötter, “The Human Connectome”; Ji Yeoun Lee, “Normal and Disordered Formation of the Cerebral Cortex: Normal Embryology, Related Molecules, Types of Migration, Migration Disorders”,Journal of Korean Neurosurgical Society62, no. 3 (May 1, 2019): 265–71, https://doi.org/10.3340/jkns.2019.0098; Christopher Johansson and Anders Lansner, “Towards Cortex Sized Artificial Neural Systems”,Neural Networks20, no. 1 (January 2007): 48–61, https://doi.org/10.1016/j.neunet.2006.05.029.

68. Более глубокие сведения о неокортексе и нашем понимании мозговых структур, обеспечивающих работу мышления, см. Matthew Barry Jensen, “Cerebral Cortex”, Khan Academy, accessed November 20, 2021, https://www.khanacademy.org/science/health-and-medicine/human-anatomy-and-physiology/nervous-system-introduction/v/cerebral-cortex; Hawkins, Ahmad, and Cui, “Theory of How Columns in the Neocortex Enable Learning”; Jeff Hawkins et al., “A Framework for Intelligence and Cortical Function Based on Grid Cells in the Neocortex”,Frontiers in Neural Circuits12, no. 121 (January 11, 2019), https://doi.org/10.3389/fncir.2018.00121; Baoguo Shi et al., “Different Brain Structures Associated with Artistic and Scientific Creativity: A Voxel-Based Morphometry Study”,Scientific Reports7, no. 42911 (February 21, 2017), https://doi.org/10.1038/srep42911; Barbara L. Finlay and Kexin Huang, “Developmental Duration as an Organizer of the Evolving Mammalian Brain: Scaling, Adaptations, and Exceptions”,Evolution and Development22, nos. 1–2 (December 3, 2019), https://doi.org/10.1111/ede.12329.

69. Общий обзор и детальная лекция об ассоциативной природе памяти: Shelly Fan, “How the Brain Makes Memories: Scientists Tap Memory’s Neural Code”, SingularityHub, July 10, 2015, https://singularityhub.com/2015/07/10/how-the-brain-makes-memories-scientists-tap-memorys-neural-code; Christos Papadimitriou, “Formation and Association of Symbolic Memories in the Brain”, Simons Institute, YouTube video, March 31, 2017, https://www.youtube.com/watch?v=IZtYKApSTto.

70. О переходе от креационизма к теории эволюции путем естественного отбора: Phillip Sloan, “Evolutionary Thought Before Darwin”, inStanford Encyclopedia of Philosophy, ed. Edward N. Zalta (Winter 2019), https://plato.stanford.edu/entries/evolution-before-darwin; Christoph Marty, “Darwin on a Godless Creation: ‘It’s Like Confessing to a Murder’”,Scientific American,February 12, 2009, https://www.scientificamerican.com/article/charles-darwin-confessions.

71. Более подробно об исследованиях Чарлза Лайеля и их влиянии на Дарвина см. Richard A. Fortey, “Charles Lyell and Deep Time”,Geoscience21, no. 9 (October 2011), https://www.geolsoc.org.uk/Geoscientist/Archive/October-2011/Charles-Lyell-and-deep-time; Gary Stix, “Darwin’s Living Legacy”,Scientific American300, no. 1 (January 2009): 38–43, https://www.jstor.org/stable/26001418; Charles Darwin,On the Origin of Species, 6th ed. (London: John Murray, 1859; Project Gutenberg, 2013), https://www.gutenberg.org/files/2009/2009-h/2009-h.htm.

72. Walter F. Cannon, “The Uniformitarian-Catastrophist Debate”,Isis51, no. 1 (March 1960): 38–55, https://www.jstor.org/stable/227604; Jim Morrison, “The Blasphemous Geologist Who Rocked Our Understanding of Earth’s Age”,Smithsonian, August 29, 2016, https://www.smithsonianmag.com/history/father-modern-geology-youve-never-heard-180960203.

73. Charles Darwin and James T. Costa,The AnnotatedOrigin: A Facsimile of the First Edition ofOn the Origin of Species (Cambridge, MA, and London: Belknap Press of Harvard University Press, 2009), 95, https://www.google.com/books/edition/The_Annotated_i_Origin_i/C0E03ilhSz4C.

74. Gordon Moore, “Cramming More Components onto Integrated Circuits”,Electronics38, no. 8 (April 19, 1965), https://archive.computerhistory.org/resources/access/text/2017/03 /102770822-05-01-acc.pdf; Computer History Museum, “1965: ‘Moore’s Law’ Predicts the Future of Integrated Circuits”, Computer History Museum, accessed October 12, 2021, https://www.computerhistory.org/siliconengine/moores-law-predicts-the-future-of-in tegrated-circuits; Fernando J. Corbató et al.,The Compatible Time-Sharing System: A Programmer’s Guide(Cambridge, MA: MIT Press, 1990), http://www.bitsavers.org/pdf/mit/ctss /CTSS_ProgrammersGuide.pdf.

75. Никто пока не знает, какой будет следующая компьютерная парадигма. Обзор перспективных исследований в этом направлении можно найти в: Jeff Hecht, “Nanomaterials Pave the Way for the Next Computing Generation”,Nature608, S2–S3 (2022), https://www.nature.com/articles/d41586-022-02147-3; Peng Lin et al., “Three-Dimensional Memristor Circuits as Complex Neural Networks”,Nature Electronics3, no. 4 (April 13, 2020): 225–32, https://doi.org/10.1038 /s41928-020-0397-9; Zhihong Chen, “Gate-All-Around Nanosheet Transistors Go 2D”,Nature Electronics5, no. 12 (December 12, 2022): 830–31, https://doi.org/10.1038/s41928-022-00899-4.

76. Первой машиной для выполнения больших объемов подсчетов стал статистический табулятор Холлерита. Тенденция к экспоненциальному улучшению соотношения цена/производительность держится с тех пор и до наших дней. См. See Emile Cheysson,The Electric Tabulating Machine, trans. Arthur W. Fergusson (New York: C. C. Shelley, 1892), 2, https://books.google.com/books?id=rJgsAAAAYAAJ; Robert Sobel,Thomas Watson, Sr.: IBM and the Computer Revolution(Washington, DC: BeardBooks, 2000; originally published asI.B.M., Colossus in Transitionby Times Books in 1981), 17, https://www.google.com/books/edition/Thomas_Watson_Sr/H8EFNMBGpY4C; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers: All Items in U.S. City Average (CPIAUCSL)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated April 12, 2023, https://fred.stlouisfed.org/series/CPIAUCSL; Marguerite Zientara, “Herman Hollerith: Punched Cards Come of Age”,Computerworld15, no. 36 (September 7, 1981): 35, https://books.google.com/books?id=tk74jLc6HggC&pg=PA35&lpg=PA35; Frank da Cruz, “Hollerith 189 °Census Tabulator”, Columbia University Computing History, April 17, 2021, http://www.columbia.edu/cu/computinghistory/census-tabulator.html.

77. Nick Bostrom, “Nick Bostrom The Intelligence Explosion Hypothesis eDay 2012”, eAcast55, YouTube video, August 9, 2015, https://www.youtube.com/watch?v=VFE-96XA92w.

78. DeepMind, “AlphaGo ”, DeepMind, последняя проверка доступности 20 ноября 2021 года, https://deepmind.com /research/case-studies/alphago-the-story-so-far.

79. DeepMind, “AlphaGo ”.

80. Захватывающий обзор матча Г. Каспарова с Deep Blue и то, какое значение он оказал на отрасль ИИ, можно прочесть в: Mark Robert Anderson, “Twenty Years On from Deep Blue vs. Kasparov: How a Chess Match Started the Big Data Revolution”,The Conversation, May 11, 2017, https://theconversation.com/twenty-years-on-from-deep-blue-vs-kasparov-how-a-chess-match-started-the-big-data-revolution-76882.

81. DeepMind, “AlphaGo Zero: Starting from Scratch”, DeepMind, October 18, 2017, https:// deepmind.com/blog/article/alphago-zero-starting-scratch; DeepMind, “AlphaGo”; Tom Simonite, “This More Powerful Version of AlphaGo Learns on Its Own”,Wired,October 18, 2017, https://www.wired.com/story/this-more-powerful-version-of-alphago-learns-on-its-own; David Silver et al., “Mastering the Game of Go with Deep Neural Networks and Tree Search”,Nature529, no. 7587 (January 27, 2016): 484–89, https://doi.org/10.1038/nature16961.

82. Carl Engelking, “The AI That Dominated Humans in Go Is Already Obsolete”,Discover, October 18, 2017, https://www.discovermagazine.com/technology/the-ai-that-dominated-humans-in-go-is-already-obsolete; DeepMind, “AlphaGo China”, DeepMind, последняя проверка доступности 20 ноября 2021 года, https://deepmind.com/alphago-china; DeepMind, “AlphaGo Zero: Starting from Scratch”.

83. DeepMind, “AlphaGo Zero: Starting from Scratch”.

84. David Silver et al., “AlphaZero: Shedding New Light on Chess, Shogi, and Go”, DeepMind, December 6, 2018, https://deepmind.com/blog/article/alphazero-shedding-new-light-grand-games-chess-shogi-and-go.

85. Julian Schrittwiese et al.,

86. AlphaStar Team, “AlphaStar: Mastering the Real-Time Strategy Game StarCraft II ”, DeepMind, January 24, 2019, https://deepmind.com/blog/article/alphastar-mastering-real-time-strategy-game-starcraft-ii; Noam Brown and Tuomas Sandholm, “Superhuman AI for Heads-Up No-Limit Poker: Libratus Beats Top Professionals”,Science359, no. 6374 (January 26, 2018): 418–24, https://doi.org/10.1126/science.aao1733; Cade Metz, “Inside Libratus, the Poker AI That Out-Bluffed the Best Humans”,Wired,February 1, 2017, https://www.wired.com/2017/02/libratus.

87. Подробная информация об игре «Дипломатия»: “Diplomacy: Running the Game #40, Politics #3”, Matthew Colville, YouTube video, July 15, 2017, https://www.youtube.com/watch?v= HWt0AQWjhPg; Ben Harsh, “Harsh Rules: Let’s Learn to Play Diplomacy”, Harsh Rules, YouTube video, August 9, 2018, https://www.youtube.com/watch?v=S-sSWsBdbNI; Blake Eskin, “World Domination: The Game”,Washington Post, November 14, 2004, https:// www.washingtonpost.com/archive/lifestyle/magazine/2004/11/14/world-domination-the-game/b65c9d9f-71c7-4846-961f-6dcdd1891e01; David Hill, “The Board Game of the Alpha Nerds”,Grantland, June 18, 2014, https://grantland.com/features/diplomacy-the-board-game-of-the-alpha-nerds.

88. Matthew Hutson, “AI Learns the Art of Diplomacy”,Science, November 22, 2022, https:// www.science.org/content/article/ai-learns-art-diplomacy-game; Yoram Bachrach and János Kramár, “AI for the Board Game Diplomacy”, DeepMind, December 6, 2022, https://www.deepmind.com/blog/ai-for-the-board-game-diplomacy.

89. Ira Boudway and Joshua Brustein, “Waymo ’s Long-Term Commitment to Safety Drivers in Autonomous Cars”, Bloomberg, January 13, 2020, https://www.bloomberg.com/news/arti cles/2020-01-13/waymo-s-long-term-commitment-to-safety-drivers-in-autonomous-cars.

90. Aaron Pressman, “Google ’s Waymo Reaches 20 Million Miles of Autonomous Driving”,Fortune, January 7, 2020, https://fortune.com/2020/01/07/googles-waymo-reaches-20-million-miles-of-autonomous-driving.

91. Darrell Etherington, “Waymo Has Now Driven 10 Billion Autonomous Miles in Simulation”,TechCrunch, July 10, 2019, https://techcrunch.com/2019/07/10/waymo-has-now-driven-10-billion-autonomous-miles-in-simulation.

92. Gabriel Goh et al., “Multimodal Neurons in Artificial Neural Networks”,Distill, March 4, 2021, https://distill.pub/2021/multimodal-neurons.

93. Больше информации о USE: Yinfei Yang and Amin Ahmad, “Multilingual Universal Sentence Encoder for Semantic Retrieval”,Google Research, July 12, 2019, https://ai.googleblog.com/2019/07/multilingual-universal-sentence-encoder.html; Yinfei Yang and Chris Tar, “Advances in Semantic Textual Similarity”,Google Research, May 17, 2018, https://ai.googleblog.com/2018/05/advances-in-semantic-textual-similarity.html; Daniel Cer et al., “Universal Sentence Encoder”, arXiv:1803.11175v2 [cs.CL], April 12, 2018, https:// arxiv.org/abs/1803.11175.

94. Rachel Syme, “Gmail Smart Replies and the Ever-Growing Pressure to E-Mail Like a Machine”,New Yorker, November 28, 2018, https://www.newyorker.com/tech/annals-of-technology/gmail-smart-replies-and-the-ever-growing-pressure-to-e-mail-like-a-machine.

95. Подробнее о том, как работают трансформеры, а также оригинальная научная статья: Giuliano Giacaglia, “How Transformers Work”,Towards Data Science, March 10, 2019, https://towardsdatascience.com/transformers-141e32e69591; Ashish Vaswani et al., “Attention Is All You Need”, arXiv:1706.03762v5 [cs.CL], December 6, 2017, https://arxiv.org/pdf/1706.03762.pdf.

96. Irene Solaiman et al., “GPT-2: 1.5B Release”, OpenAI, November 5, 2019, https://openai.com/blog/gpt-2-1-5b-release.

97. Tom B. Brown et al., “Language Models Are Few-Shot Learners”, arXiv:2005.14165 [cs.CL], July 22, 2020, https://arxiv.org/abs/2005.14165.

98. Jack Ray et al., “Language Modelling at Scale: Gopher, Ethical Considerations, and Retrieval”, DeepMind, December 8, 2021, https://www.deepmind.com/blog/language-modelling-at-scale-gopher-ethical-considerations-and-retrieval.

99. Pandu Nayak, “Understanding Searches Better Than Ever Before”, Google, October 25, 2019, https://blog.google/products/search/search-language-understanding-bert; William Fedus et al., “Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity”, arXiv:2101.03961 [cs.LG], January 11, 2021, https://arxiv.org/abs /2101.03961.

100. Подробная информация о GPT-3: Greg Brockman et al., “OpenAI API”, Open-AI, June 11, 2020, https://openai.com/blog/openai-api; Brown et al., “Language Models Are Few-Shot Learners”; Kelsey Piper, “GPT-3, Explained: This New Language AI Is Uncanny, Funny – and a Big Deal”,Vox, August 13, 2020, https://www.vox.com/future-perfect/21355768/gpt-3-ai-openai-turing-test-language; “GPT-3 Demo: New AI Algorithm Changes How We Interact with Technology”, Disruption Theory, YouTube video, August 28, 2020, https://www.youtube.com/watch?v=8V20HkoiNtc.

101. David Cole, “The Chinese Room Argument”, inThe Stanford Encyclopedia of Philosophy, ed. Edward N. Zalta (Winter 2020), https://plato.stanford.edu/archives/win2020/entries /chinese-room; Amanda Askell (@amandaaskell), “GPT-3 ’s completion of the Chinese room argument from Searle’s ‘Minds, Brains, and Programs’ (original text is in bold)”, Twitter, July 17, 2020, https://twitter.com/AmandaAskell/status/1284186919606251521; David J. Chalmers,The Conscious Mind: In Search of a Fundamental Theory(New York: Oxford University Press, 1996), 327.

102. Cade Metz, “Meet GPT-3. It Has Learned to Code (and Blog and Argue)”,New York Times,November 24, 2020, https://www.nytimes.com/2020/11/24/science/artificial-intelligence-ai-gpt3.html.

103. Больше информации о LaMDA и примеры разговоров, в которых она притворяется карликовой планетой Плутон или бумажным самолетиком: Eli Collins and Zoubin Ghahramani, “LaMDA: Our Breakthrough Conversation Technology”, Google, May 18, 2021, https:// blog.google/technology/ai/lamda; “Watch Google’s AI LaMDA Program Talk to Itself at Length (Full Conversation)”, CNET Highlights, YouTube video, May 18, 2021, https:// www.youtube.com/watch?v=aUSSfo5nCdM.

104. Jeff Dean, “Google Research: Themes from 2021 and Beyond”,Google Research, January 11, 2022, https://ai.googleblog.com/2022/01/google-research-themes-from-2021-and.html.

105. Примеры удивительно креативных изображений, созданных нейросетью DALL-E: Aditya Ramesh et al., “Dall-E: Creating Images from Text”, OpenAI, January 5, 2021, https://openai.com/research/dall-e.

106. “Dall-E 2”, OpenAI, accessed June 30, 2022, https://openai.com/dall-e-2.

107. Chitwan Saharia et al., “Imagen”, Google Research, Brain Team, Google, accessed June 30, 2022, https://imagen.research.google.

108. Saharia et al., “Imagen”.

109. Scott Reed et al., “A Generalist Agent”, DeepMind, May 12, 2022, https://www.deepmind.com/publications/a-generalist-agent.

110. Wojciech Zaremba et al., “OpenAI Codex ”, OpenAI, August 10, 2021, https://openai.com/blog/openai-codex.

111. AlphaCode Team, “Competitive Programming with AlphaCode”, DeepMind, December 8, 2022, https://www.deepmind.com/blog/competitive-programming-with-alphacode; Yujia Li et al., “Competition-Level Code Generation with AlphaCode”, arXiv:2203.07814v1 [cs.PL], February 8, 2022, https://arxiv.org/pdf/2203.07814.pdf.

112. Aakanksha Chowdhery, “PaLM: Scaling Language Modeling with Pathways”, arXiv:2204.02311v3 [cs.CL], April 19, 2022, https://arxiv.org/pdf/2204.02311.pdf; Sharan Narang et al., “Pathways Language Model (PaLM): Scaling to 540 Billion Parameters for Breakthrough Performance”,Google AI Blog, April 4, 2022, https://ai.googleblog.com/2022 /04/pathways-language-model-palm-scaling-to.html.

113. Chowdhery, “PaLM: Scaling Language Modeling with Pathways”.

114. Chowdhery, “PaLM: Scaling Language Modeling with Pathways”.

115. Chowdhery, “PaLM: Scaling Language Modeling with Pathways”.

116. OpenAI, “Introducing ChatGPT”, OpenAI, November 30, 2022, https://openai.com/blog/chatgpt#OpenAI.

117. Krystal Hu, “ChatGPT Sets Record for Fastest-Growing User Base – Analyst Note”, Reuters, February 2, 2023, https://www.reuters.com/technology/chatgpt-sets-record-fastest-growing-user-base-analyst-note-2023-02-01.

118. Kalley Huang, “Alarmed by A.I. Chatbots, Universities Start Revamping How They Teach”,New York Times,January 16, 2023, https://www.nytimes.com/2023/01/16/technol ogy/chatgpt-artificial-intelligence-universities.html; Emma Bowman, “A College Student Created an App That Can Tell Whether AI Wrote an Essay”, NPR, January 9, 2023, https://www.npr.org/2023/01/09/1147549845/gptzero-ai-chatgpt-edward-tian-plagiarism; Patrick Wood and Mary Louise Kelly, “‘Everybody Is Cheating’: Why This Teacher Has Adopted an Open ChatGPT Policy”, NPR, January 26, 2023, https://www.npr.org/2023 /01/26/1151499213/chatgpt-ai-education-cheating-classroom-wharton-school; Matt O’Brien and Jocelyn Gecker, “Cheaters Beware: ChatGPT Maker Releases AI Detection Tool”, Associated Press, January 31, 2023, https://apnews.com/article/technology-education-col leges-and-universities-france-a0ab654549de387316404a7be019116b; Geoffrey A. Fowler, “We Tested a New ChatGPT-Detector for Teachers. It Flagged an Innocent Student”,Washington Post, April 3, 2023, https://www.washingtonpost.com/technology/2023/04/01 /chatgpt-cheating-detection-turnitin.

119. OpenAI, “GPT-4 ”, OpenAI, March 14, 2023, https://openai.com/research/gpt-4; OpenAI, “GPT-4 Technical Report”, arXiv:2303.08774v3 [cs.CL], March 27, 2023, https://arxiv.org/pdf/2303.08774.pdf; OpenAI, “GPT-4 System Card”, OpenAI, March 23, 2023, https://cdn.openai.com/papers/gpt-4-system-card.pdf.

120. OpenAI, “Introducing GPT-4 ”, YouTube video, March 15, 2023, https://www.youtube.com/watch?v=-khbXchTeE.

121. Daniel Feldman (@d_feldman), «Слева ответ GPT-3.5. Справа – GPT-4. Если вам показалось, что ответ слева говорит о том, что у GPT-3.5 нет внутренней модели мира, вам придется

122. Danny Driess and Pete Florence, “PaLM – E: An Embodied Multimodal Language Model”, Google Research, March 10, 2023, https://ai.googleblog.com/2023/03/palm-e-embodied-multimodal-language.html; Danny Driess et al., “PaLM-E: An Embodied Multimodal Language Model”, arXiv:2303.03378v1 [cs.LG], March 6, 2023, https://arxiv.org/pdf /2303.03378.pdf.

123. Sundar Pichai and Demis Hassabis, “Introducing Gemini: Our Largest and Most Capable AI Model”, Google, December 6, 2023, https://blog.google/technology/ai/google-gemini-ai; Sundar Pichai, “An Important Next Step on Our AI Journey”, Google, February 6, 2023, https://blog.google/technology/ai/bard-google-ai-search-updates; Sarah Fielding, “Google Bard Is Switching to a More ‘Capable’ Language Model, CEO Confirms”,Engadget, March 31, 2023, https://www.engadget.com/google-bard-is-switching-to-a-more-capable-language-model-ceo-confirms-133028933.html; Yusuf Mehdi, “Confirmed: The New Bing Runs on OpenAI ’s GPT-4 ”, Microsoft Bing Blogs, March 14, 2023, https://blogs.bing.com/search/march_2023/Confirmed-the-new-Bing-runs-on-OpenAI%E2%80 %99s-GPT-4; Tom Warren, “Hands-on with the New Bing: Microsoft’s Step Beyond ChatGPT”,The Verge, February 8, 2023, https://www.theverge.com/2023/2/8/23590873 /microsoft-new-bing-chatgpt-ai-hands-on.

124. Johanna Voolich Wright, “A New Era for AI and Google Workspace”, Google, March 14, 2023, https://workspace.google.com/blog/product-announcements/generative-ai; Jared Spataro, “Introducing Microsoft 365 Copilot – Your Copilot for Work”,Official Microsoft Blog, March 16, 2023, https://blogs.microsoft.com/blog/2023/03/16/introducing-microsoft-365-copilot-your-copilot-for-work.

125. Markus Anderljung et al., “Compute Funds and Pre-Trained Models”, Centre for the Governance of AI, April 11, 2022, https://www.governance.ai/post/compute-funds-and-pre-trained-models; Jaime Sevilla et al., “Compute Trends Across Three Eras of Machine Learning”, arXiv:2202.05924v2 [cs.LG], March 9, 2022, https://arxiv.org/pdf/2202.05924.pdf; Dario Amodei and Danny Hernandez, “AI and Compute”, OpenAI, May 16, 2018, https://openai.com/blog/ai-and-compute.

126. Jacob Stern, “GPT-4 Has the Memory of a Goldfish”,Atlantic, March 17, 2023, https:// www.theatlantic.com/technology/archive/2023/03/gpt-4-has-memory-context-window/673426.

127. Экстраполируя долгосрочную тенденцию, которая характеризуется удвоением за 1,34 года с 1983-го. Все источники данных для оценки соотношения цена/производительность компьютеров, упомянутых в этой книге, приведены в приложении.

128. Во время подготовки этой книги прогресс в скорости обучения ИИ, согласно данным тестов MLPerf, идет в пять раз быстрее, чем было бы за счет только увеличения плотности расположения транзисторов. Основную роль играют в совокупности оптимизация алгоритмов и модернизация чипов. См. Samuel K. Moore, “AI Training Is Outpacing Moore’s Law”,IEEE Spectrum, December 2, 2021, https://spectrum.ieee.org/ai-training-mlperf.

129. Во время написания этой книги цена на GPT-3.5 API составляла 1 доллар за 500 000 токенов (примерно 370 000 слов). Когда книга появится на полках, цена, скорее всего, будет еще ниже. См. Ben Dickson, “OpenAI Is Reducing the Price of the GPT-3 API – Here’s Why It Matters”,VentureBeat, August 25, 2022, https://venturebeat.com/ai/openai-is-reducing-the-price-of-the-gpt-3-api-heres-why-it-matters; OpenAI, “Introducing ChatGPT and Whisper APIs”, OpenAI, March 1, 2023, https://openai.com/blog/introducing-chatgpt-and-whisper-apis; OpenAI, “What Are Tokens and How to Count Them?”, OpenAI, последняя проверка доступности 30 апреля 2023 года, https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-to-count-them.

130. Stephen Nellis, “Nvidia Shows New Research on Using AI to Improve Chip Designs”, Reuters, March 27, 2023, https://www.reuters.com/technology/nvidia-shows-new-research-using-ai-improve-chip-designs-2023-03-28.

131. Blaise Aguera y Arcas, “Do Large Language Models Understand Us?”,Medium, December 16, 2021, https://medium.com/@blaisea/do-large-language-models-understand-us-6f881d6d8e75.

132. Более совершенные алгоритмы снижают количество вычислений, необходимых для достижения определенного уровня обученности нейросети. Большое количество исследований подтверждают, что для многих задач развитие алгоритмов столь же важно, как и рост возможностей аппаратного обеспечения. Согласно статье 2022 года, улучшенные алгоритмы снижали требования к вычислительной мощности для решения одних и тех же задач в два раза каждые 9 месяцев в период 2012–2021 годов. See Ege Erdil and Tamay Besiroglu, “Algorithmic Progress in Computer Vision”, arXiv:2212.05153v4 [cs.CV] August 24, 2023, https://arxiv.org/pdf/2212.05153.pdf; Katja Grace,Algorithmic Progress in Six Domains, Machine Intelligence Research Institute technical report 2013-3, December 9, 2013, https://intelligence.org/files/AlgorithmicProgress.pdf.

133. Anderljung et al., “Compute Funds and Pre-Trained Models”.

134. Sevilla et al., “Compute Trends Across Three Eras of Machine Learning”; Все источники данных для оценки соотношения цена/производительность компьютеров, упомянутых в этой книге, приведены в приложении.

135. Anderljung et al., “Compute Funds and Pre-Trained Models”; Sevilla et al., “Compute Trends Across Three Eras of Machine Learning”; Amodei and Hernandez, “AI and Compute”.

136. “Dallas Fed Energy Survey”, Federal Reserve Bank of Dallas, March 27, 2019, https://www.dallasfed.org/research/surveys/des/2019/1901.aspx#tab-questions.

137. Отличное видео для знакомства с технологиями обработки больших объемов данных: Rebecca Tickle “What Is Big Data?”, Computerphile, YouTube video, May 15, 2019, https://www.youtube.com/watch?v=H4bf_uuMC-g.

138. Для более глубокого погружения в концепцию взрывного роста интеллекта см. Nick Bostrom, “The Intelligence Explosion Hypothesis – eDay 2012”, EMERCE, YouTube video, November 19, 2012, https://www.youtube.com/watch?v=g3FMpn321zs; Luke Muehlhauser and Anna Salamon, “Intelligence Explosion: Evidence and Import”, inSingularity Hypotheses: A Scientific and Philosophical Assessment, ed. Amnon Eden et al. (Berlin: Springer, 2013), https://intelligence.org/files/IE-EI.pdf; Eliezer Yudkowsky, “Recursive Self-Improvement”, LessWrong.com, December 1, 2008, https://www.lesswrong.com /posts/JBadX7rwdcRFzGuju/recursive-self-improvement; Eliezer Yudkowsky, “Hard Takeoff”, LessWrong.com, December 2, 2008, https://www.lesswrong.com/posts/tjH8XPxAn r6JRbh7k/hard-takeoff; Eliezer Yudkowsky,Intelligence Explosion Microeconomics, Machine Intelligence Research Institute technical report 2013-1, September 13, 2013, https://intelli gence.org/files/IEM.pdf; I. J. Good, “Speculations Concerning the First Ultraintelligent Machine”,Advances in Computers6 (1966): 31–88, https://doi.org/10.1016/S0065-2458(08) 60418-0; Ephrat Livni, “The Mirror Test for Animal Self-Awareness Reflects the Limits of Human Cognition”,Quartz, December 19, 2018, https://qz.com/1501318/the-mirror-test-for-animals-reflects-the-limits-of-human-cognition; Darold A. Treffert, “The Savant Syndrome: An Extraordinary Condition. A Synopsis: Past, Present, Future”,Philosophical Transactions of the Royal Society B: Biological Sciences364, no. 1522 (May 27, 2009): 1351–57, https://doi.org/10.1098/rstb.2008.0326.

139. Robin Hanson and Eliezer Yudkowsky,The Hanson-Yudkowsky AI-Foom Debate, Machine Intelligence Research Institute, 2013, https://intelligence.org/files/AIFoomDebate.pdf.

140. Hanson and Yudkowsky,Hanson-Yudkowsky AI-Foom Debate.

141. Jon Brodkin, “1.1 Quintillion Operations per Second: US Has World’s Fastest Supercomputer”,Ars Technica, May 31, 2022, https://arstechnica.com/information-technology/2022 /05/1-1-quintillion-operations-per-second-us-has-worlds-fastest-supercomputer; “November 2022”, Top500.org, последняя проверка доступности 14 ноября 2023 года, https://www.top500.org/lists/top500 /2022/11.

142. Отличное исследование темы эмуляции мозга с разных точек зрения и сводка оценок, полученных разными методами: Joseph Carlsmith,How Much Computational Power Does It Take to Match the Human Brain?, Open Philanthropy, September 11, 2020, https://www.open philanthropy.org/brain-computation-report; “Brain Performance in FLOPS”, AI Impacts, July 26, 2015, https://aiimpacts.org/brain-performance-in-flops.

143. Herculano-Houzel, “Human Brain in Numbers”; David A. Drachman, “Do We Have Brain to Spare?”,Neurology64, no. 12 (June 27, 2005), https://doi.org/10.1212 /01.WNL.0000166914.38327.BB; Ernest L. Abel,Behavioral Teratogenesis and Behavioral Mutagenesis: A Primer in Abnormal Development(New York: Plenum Press, 1989), 113, https://books.google.co.uk/books?id=gV0rBgAAQBAJ.

144. “Neuron Firing Rates in Humans”, AI Impacts, April 14, 2015, https://aiimpacts.org/rate-of-neuron-firing; Peter Steinmetz et al., “Firing Behavior and Network Activity of Single Neurons in Human Epileptic Hypothalamic Hamartoma”,Frontiers in Neurology2, no. 210 (December 27, 2013), https://doi.org/10.3389/fneur.2013.00210.

145. “Neuron Firing Rates in Humans”, AI Impacts.

146. Ray Kurzweil,The Singularity Is Near(New York: Viking, 2005), 125; Hans Moravec,Mind Children: The Future of Robot and Human Intelligence(Cambridge, MA; Harvard University Press,

147. Preeti Raghavan, “Stroke Recovery Timeline”, Johns Hopkins Medicine, accessed April 27, 2023, https://www.hopkinsmedicine.org/health/conditions-and-diseases/stroke/stroke-recovery-timeline; Apoorva Mandavilli, “The Brain That Wasn’t Supposed to Heal”,Atlantic, April 7, 2016, https://www.theatlantic.com/health/archive/2016/04/brain-injuries/477300.

148. По состоянию на начало 2023 года затраты на аренду системы Google Cloud’s TPU v5e в размере 1000 долларов за час обеспечивают быстродействие в 328 квадриллионов операций в секунду, то есть порядка 1017. Доступность аренды облачных мощностей значительно снизила расходы для многих пользователей, но напрямую сравнивать эффективность этих вычислительных мощностей с оборудованием прошлых поколений стало затруднительно, поскольку ранее этот параметр рассчитывался исходя из цены покупки процессоров. Срок аренды – это не то же самое, что время использования купленного компьютера, но приблизительно можно считать покупку эквивалентной 4000 часам работы в аренде (если пренебречь рядом деталей типа зарплат персонала, стоимости электроэнергии, амортизации). С этой точки зрения TPU v5e показывает результат больше 130 триллионов операций в секунду (то есть 1014) за 1000 долларов. Все источники данных для оценки соотношения цена/производительность компьютеров, упомянутых в этой книге, приведены в приложении.

149. Экстраполируя долгосрочную тенденцию, которая характеризуется удвоением за 1,34 года с 1983-го. Все источники данных для оценки соотношения цена/производительность компьютеров, упомянутых в этой книге, приведены в приложении.

150. Anders Sandberg and Nick Bostrom,Whole Brain Emulation: A Roadmap, technical report 2008-3, Future of Humanity Institute, Oxford University (2008), 80–81, https://www.fhi.ox.ac.uk/brain-emulation-roadmap-report.pdf.

151. Sandberg and Bostrom,Whole Brain Emulation.

152. Mitch Kapor and Ray Kurzweil, “A Wager on the Turing Test: The Rules”, KurzweilAI.net, April 9, 2002, http://www.kurzweilai.net/a-wager-on-the-turing-test-the-rules.

153. Edward Moore Geist, “It’s Already Too Late to Stop the AI Arms Race – We Must Manage It Instead”,Bulletin of the Atomic Scientists72, no. 5 (August 15, 2016): 318–21, https://doi.org/10.1080/00963402.2016.1216672.

154. Хороший пример приводит научный журналист Джон Хорган: John Horgan, “Smarter than Us? Who’s Us?”,New York Times,May 4, 1997, https://www.nytimes.com/1997/05/04/opinion/smarter-than-us-who-s-us.html.

155. См., например, Hubert L. Dreyfus, “Why We Do Not Have to Worry About Speaking the Language of the Computer”,Information Technology & People11, no. 4 (December 1998): 281–89, https://personal.lse.ac.uk/whitley/allpubs/heideggerspecialissue/heidegger01.pdf; Selmer Bringsjord, “Chess Is Too Easy”,MIT Technology Review, March 1, 1998, https://www.technologyreview.com/1998/03/01/237087/chess-is-too-easy.

156. Одним из аспирантов, разработавших Proverb – первую систему ИИ, которая научилась разгадывать кроссворды лучше большинства людей, – был Ноам Шазир. Он продолжил работу в компании Google и был ведущим автором статьи «Все, что нужно – это внимание», которая положила начало архитектуре трансформеров, ознаменовав революцию в сфере ИИ. См. Duke University, “Duke Researchers Pit Computer Against Human Crossword Puzzle Players”,ScienceDaily, April 20, 1999, https://www.sciencedaily.com/releases/1999/04/990420064821.htm; Vaswani et al., “Attention Is All You Need”.

157. Нарезка из игр с участием Watson и его анализ в сравнении с соперниками: O’Reilly, “Jeopardy! IBM Challenge Day 3 (HD) Ken Jennings vs. WATSON vs. Brad Rutter (02-16-11)”, Vimeo video, June 19, 2017, https://vimeo.com/222234104; Sam Gustin, “Behind IBM’s Plan to Beat Humans at Their Own Game”,Wired,February 14, 2011, https://www.wired.com/2011/02/watson-jeopardy; John Markoff, “Computer Wins on ‘Jeopardy!’: Trivial, It’s Not”,New York Times,February 16, 2011, https://www.nytimes.com/2011/02/17/science/17jeopardy-watson.html.

158. “Show #6088—Wednesday, February 16, 2011”, J! Archive, последняя проверка доступности 30 апреля 2023 года, https://j-archive.com/showgame.php?game_id=3577.

159. “Show #6088—Wednesday, February 16, 2011”, J! Archive.

160. Jeffrey Grubb, “Google Duplex: A.I. Assistant Calls Local Businesses to Make Appointments”, Jeff Grubb’s Game Mess, YouTube video, May 8, 2018, https://www.youtube.com /watch?v=D5VN56jQMWM; Georgina Torbet, “Google Duplex Begins International Rollout with a New Zealand pilot”,Engadget, October 22, 2019, https://www.engadget.com/2019-10-22-google-duplex-pilot-new-zealand.html; IBM, “Man vs. Machine: Highlights from the Debate Between IBM’s Project Debater and Harish Natarajan”, Business-WorldTV, YouTube video, February 13, 2019, https://www.youtube.com/watch?v=nJXc FtY9cW Y.

161. Больше информации о проблеме галлюцинаций больших языковых моделей: Tom Simonite, “AI Has a Hallucination Problem That’s Proving Tough to Fix”,Wired,March 9, 2018, https://www.wired.com/story/ai-has-a-hallucination-problem-thats-proving-tough-to-fix; Craig S. Smith, “Hallucinations Could Blunt ChatGPT’s Success”,IEEE Spectrum, March 13, 2023, https://spectrum.ieee.org/ai-hallucination; Cade Metz, “What Makes A.I. Chatbots Go Wrong?”,New York Times,March 29, 2023 (updated April 4, 2023), https://www.nytimes.com/2023/03/29/technology/ai-chatbots-hallucinations.html; Ziwei Ji et al., “Survey of Hallucination in Natural Language Generation”,ACM Computing Surveys55, no. 12, article 248 (March 3, 2023): 1–38, https://doi.org/10.1145/3571730.

162. Jonathan Cohen, “Right on Track: NVIDIA Open-Source Software Helps Developers Add Guardrails to AI Chatbots”, NVIDIA, April 25, 2023, https://blogs.nvidia.com/blog/2023 /04/25/ai-chatbot-guardrails-nemo.

163. Turing, “Computing Machinery and Intelligence”.

164. Turing, “Computing Machinery and Intelligence”.

165. Например, в 2014 году чат-бот, представлявшийся Евгением Густманом, незаслуженно попал в заголовки как прошедший тест Тьюринга. Он имитировал 13-летнего украинского мальчика, плохо говорившего по-английски. See Doug Aamoth “Interview with Eugene Goostman, the Fake Kid Who Passed the Turing Test”,Time, June 9, 2014, https://time.com/2847900/eugene-goostman-turing-test.

166. Больше информации о том, как работал сервис Talk to Books, от нашей команды в Google; и моя беседа с Крисом Андерсоном для подкаста TED: Google AI, “Talk to Books”,Experiments with Google, September 2018, https://experiments.withgoogle.com/talk-to-books; Chris Anderson, “Ray Kurzweil on What the Future Holds Next”, inThe Ted Interviewpodcast, December 2018, https://www.ted.com/talks/the_ted_interview_ray_kurzweil_on_what_the _future_holds_next/transcript.

167. О том, как работает технология ФМРТ: Mark Stokes, “What Does fMRI Measure?”,Scitable, May 16, 2015, https://www.nature.com/scitable/blog/brain-metrics/what_does_fmri_measure.

168. Sriranga Kashyap et al., “Resolving Laminar Activation in Human V1 Using Ultra-High Spatial Resolution fMRI at 7T”,Scientific Reports8, article 17–63 (November 20, 2018), https://doi.org/10.1038/s41598-018-35333-3; Jozien Goense, Yvette Bohraus, and Nikos K. Logothetis, “fMRI at High Spatial Resolution: Implications for BOLD-Models”,Frontiers in Computational Neuroscience10, no. 66 (June 28, 2016), https://doi.org/10.3389/fncom.2016.00066.

169. Существуют методы, позволяющие добиться шага по времени в 100 миллисекунд, но пространственное разрешение при этом будет весьма низким, 5–6 мм. См. Benjamin Zahneisen et al., “Three-Dimensional MR-Encephalography: Fast Volumetric Brain Imaging Using Rosette Trajectories”,Magnetic Resonance in Medicine65, no. 5 (May 2011): 1260–68, https://doi.org/10.1002/mrm.22711; David A. Feinberg et al., “Multiplexed Echo Planar Imaging for Sub-Second Whole Brain FMRI and Fast Diffusion Imaging.”,PloS ONE5, no. 12: e15710 (December 20, 2010), https://doi.org/10.1371/journal.pone.0015710.

170. Alexandra List et al., “Pattern Classification of EEG Signals Reveals Perceptual and Attentional States”,PLoS ONE12, no. 4: e0176349 (April 26, 2017), https://doi.org/10.1371/journal.pone.0176349; Boris Burle et al., “Spatial and Temporal Resolutions of EEG: Is It Really Black and White? A Scalp Current Density View”,International Journal of Psychophysiology97, no. 3 (September 2015): 210–20, https://doi.org/10.1016/j.ijpsycho.2015.05.004.

171. Yahya Aghakhani et al., “Co-Localization Between the BOLD Response and Epileptiform Discharges Recorded by Simultaneous Intracranial EEG-fMRI at 3 T”,NeuroImage: Clinical7 (2015): 755–63, https://doi.org/10.1016/j.nicl.2015.03.002; Brigitte Stemmer and Frank A.

172. Видео системы BrainGate в действии: BrainGate Collaboration, “Thought Control of Robotic Arms Using the BrainGate System”, NIHNINDS, YouTube video, May 16, 2012, https://www.youtube.com/watch?v=QRt8QCx3BCo.

175. Длинное, но очень доступное для восприятия объяснение концепции интерфейсов мозг-компьютер компании Neuralink, а также статья, описывающая технологию в деталях: Tim Urban, “Neuralink and the Brain’s Magical Future (G-Rated Version)”,Wait But Why, April 20, 2017, https://waitbutwhy.com/2017/04/neuralink-cleanversion.html; Elon Musk and Neuralink, “An Integrated Brain-Machine Interface Platform with Thousands of Channels”, Neuralink working paper, July 17, 2019, bioRxiv 703801, https://doi.org /10.1101/703801.

176. John Markoff, “Elon Musk’s Neuralink Wants ‘Sewing Machine-Like’ Robots to Wire Brains to the Internet”,New York Times,July 16, 2019, https://www.nytimes.com/2019/07 /16/technology/neuralink-elon-musk.html.

177. Видео играющей обезьяны: “Monkey MindPong”, Neuralink, YouTube video, April 8, 2021, https://www.youtube.com/watch?v=rsCul1sp4hQ.

178. Kelsey Ables, “Musk’s Neuralink Implants Brain Chip in its First Human Subject”,Washington Post, January 30, 2024, https://www.washingtonpost.com/business/2024/01/30/neu ralink-musk-first-human-brain-chip; Neuralink, “Neuralink Clinical Trial”, Neuralink, accessed February 6, 2024, https://neuralink.com/pdfs/PRIME-Study-Brochure.pdf; Rachael Levy and Hyunjoo Jin, “Musk Expects Brain Chip Start-up Neuralink to Implant ‘First Case’ This Year”, Reuters, June 20, 2023, https://www.reuters.com/technology/musk-expects-brain-chip-start-up-neuralink-implant-first-case-this-year-2023-06-16; Rachael Levy and Marisa Taylor, “U.S. Regulators Rejected Elon Musk’s Bid to Test Brain Chips in Humans, Citing Safety Risks”, Reuters, March 2, 2023, https://www.reuters.com/inves tigates/special-report/neuralink-musk-fda; Mary Beth Griggs, “Elon Musk Claims Neuralink Is About ‘Six Months’ Away from First Human Trial”,The Verge, November 30, 2022, https://www.theverge.com/2022/11/30/23487307/neuralink-elon-musk-show-and-tell-2022.

179. Andrew Tarantola, “DARPA Is Helping Six Groups Create Neural Interfaces for Our Brains”,Engadget, July 10, 2017, https://www.engadget.com/2017-07-10-darpa-taps-five-organizations-to-develop-neural-interface-tech.html.

180. “Brown to Receive up to $19M to Engineer Next-Generation Brain-Computer Interface”, Brown University, July 10, 2017, https://www.brown.edu/news/2017-07-10/neurograins; Jihun Lee et al., “Wireless Ensembles of Sub-mm Microimplants Communicating as a Network near 1 GHz in a Neural Application”, bioRxiv 2020.09.11.293829 (preprint), September 13, 2020, https://www.biorxiv.org/content/10.1101/2020.09.11.293829v1.

181. Более подробно об иерархической структуре новой коры: Stewart Shipp, “Structure and Function of the Cerebral Cortex”,Current Biology17, no. 12 (June 19, 2007): R443–R449, https://www.cell.com/current-biology/pdf/S0960-9822(07)01148-7.pdf; Claus C. Hilgetag and Alexandros Goulas, “‘Hierarchy’ in the Organization of Brain Networks”,Philosophical Transactions of the Royal Society B, February 24, 2020, https://doi.org/10.1098/rstb.2019.0319; Jeff Hawkins et al., “A Theory of How Columns in the Neocortex Enable Learning the Structure of the World”,Frontiers in Neural Circuits, October 25, 2017, https:// doi.org/10.3389/fncir.2017.00081.

182. Говоря «напрямую», я имею в виду, что биологические и цифровые нейроны будут поддерживать функциональную связь друг с другом в смысле логических и вычислительных цепочек. Физически сигналы будут пересылаться в облако и обратно посредством сравнительно небольшого количества передатчиков, имплантированных или в виде внешних устройств.

183. О разнице между способностями к освоению языка у животных и людей см. Ben-Yami, “Can Animals Acquire Language?”

Глава 3. Что такое «Я»?

1. Samuel Butler,Erewhon: Or, Over the Range, 2nd ed. (London: Trübner & Co, 1872), 190, http://www.gutenberg.org/files/1906/1906-h/1906-h.htm.

2. Butler,Erewhon, vi.

3. Подробнее о том, что именно наука и философия говорят нам о наличии сознания у животных: Colin Allen and Michael Trestman, “Animal Consciousness”, inStanford Encyclopedia of Philosophy, ed. Edward N. Zalta (Winter 2017), https://plato.stanford.edu/entries/consciousness-animal; “Just How Smart Are Dolphins?”, BBC Earth, YouTube video, October 19, 2014, https://www.youtube.com/watch?v=6M92OA-_5-Y; John Green, “Non-Human Animals”, CrashCourse, YouTube video, January 16, 2017, https://www.youtube.com/watch?v=y3-BX-jN_Ac; Joe Rogan and Roger Penrose, “Are Animals Conscious Like We Are?”, JRE Clips, YouTube video, December 18, 2018, https://www.youtube.com/watch?v=TlzY _KvGSZ4.

4. Подробнее о сознании грызунов: Alla Katnelson, “What the Rat Brain Tells Us About Yours”,Nautilus, April 13, 2017, http://nautil.us/issue/47/consciousness/what-the-rat-brain-tells-us-about-yours; Jessica Hamzelou, “Zoned-Out Rats May Give Clue to Consciousness”,New Scientist, October 5, 2011, https://www.newscientist.com/article /mg21128333-700; Cyriel Pennartz et al., “Indicators and Criteria of Consciousness in Animals and Intelligent Machines: An Inside-Out Approach”,Frontiers in Systems Neuroscience13, no. 25 (July 16, 2019), https://www.frontiersin.org/articles/10.3389/fnsys.2019.00025/full; “Scientists Manipulate Consciousness in Rats”, National Institutes of Health, December 18, 2015, https://www.nih.gov/news-events/news-releases/scientists-manipulate-consciousness-rats.

5. Douglas Fox, “Consciousness in a Cockroach”,Discover, January 10, 2007, http://discover magazine.com/2007/jan/cockroach-consciousness-neuron-similarity; Suzana Herculano-Houzel, “The Human Brain in Numbers: A Linearly Scaled-Up Primate Brain”,Frontiers in Human Neuroscience3, no. 31 (August 5, 2009), https://www.ncbi.nlm.nih.gov/pmc/arti cles/PMC2776484.

6. Colin Barras, “Smart Amoebas Reveal Origins of Primitive Intelligence”,New Scientist, October 29, 2008, https://www.newscientist.com/article/dn15068; Yuriv V. Pershin et al., “Memristive Model of Amoeba’s Learning”,Physical Review E: Statistical Physics, Plasmas, Fluids, and Related Interdisciplinary Topics80, 021926 (July 27, 2009), https://arxiv.org/pdf /0810.4179.pdf.

7. Подробнее о сравнительно развитом сознании у животных: Philip Low et al., “The Cambridge Declaration on Consciousness”, Francis Crick Memorial Conference 2012: Consciousness in Animals, University of Cambridge, July 7, 2012, http://fcmconference.org/img/CambridgeDeclarationOnConsciousness.pdf; Virginia Morell, “Monkeys Master a Key Sign of Self-Awareness: Recognizing Their Reflections”,Science, February 13, 2017, https://www.sciencemag.org/news/2017/02/monkeys-master-key-sign-self-awareness-recognizing-their-reflections; Melanie Boly et al., “Consciousness in Humans and Nonhuman Animals: Recent Advances and Future Directions”,Frontiers in Psychology4, no. 625 (October 31, 2013), https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3814086; Marc Bekoff, “Animals Are Conscious and Should be Treated as Such”,New Scientist, September 19, 2012, https://www.newscientist.com/article/mg21528836-200; Elizabeth Pennisi, “Are Our Primate Cousins ‘Conscious’?”,Science284, no. 5423 (June 25, 1999): 2073–76.

8. Low et al., “Cambridge Declaration on Consciousness”.

9. Danielle S. Bassett and Michael S. Gazzaniga, “Understanding Complexity in the Human Brain”,Trends in Cognitive Science15, no. 5 (May 2011): 200–209, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3170818; Xerxes D. Arsiwalla and Paul Verschure, “Measuring the Complexity of Consciousness”,Frontiers in Neuroscience12, no. 424 (June 27, 2018), https://doi.org/10.3389/fnins.2018.00424.

10. Интересное и не слишком сложное видео на тему квалиа, а также более глубокое научное рассмотрение феномена: Michael Stevens, “Is Your Red the Same as My Red?”, Vsauce, YouTube video, February 17, 2013, https://www.youtube.com/watch?v=evQsOFQju08; Michael Tye, “Qualia”, inStanford Encyclopedia of Philosophy, ed. Edward N. Zalta (Summer 2018), https://plato.stanford.edu/entries/qualia.

11. Подробнее о концепции зомби Дэвида Чалмерса и мысленном эксперименте «китайская комната», с помощью которого Джон Сёрл демонстрирует, что наличие субъективного опыта нельзя установить по поведению: John Green, “Where Does Your Mind Reside?”, CrashCourse, YouTube video, August 1, 2016, https://www.youtube.com/watch?v=3SJROTXnmus; John Green, “Artificial Intelligence & Personhood”, CrashCourse,

12. Более подробно о взглядах Чалмерса на легкую и трудную проблемы сознания: David Chalmers, “Hard Problem of Consciousness”, Serious Science, YouTube video, July 5, 2016, https://www.youtube.com/watch?v=C5DfnIjZPGw; David Chalmers, “The Meta Problem of Consciousness”, Talks at Google, YouTube video, April 2, 2019, https://www.youtube.com/watch?v=OsYUWtLQBS0; David Chalmers, “Facing Up to the Problem of Consciousness”,Journal of Consciousness Studies2, no. 3 (1995): 200–219, http://consc.net /papers/facing.html.

13. Подробно о взглядах Чалмерса на проблему зомби, панпротопсихизм и философских зомби: David J. Chalmers, “Panpsychism and Panprotopsychism”, inPanpsychism, ed. Godehard Bruntrup and Ludwig Jaskolla (New York: Oxford University Press, 2016), http:// consc.net/papers/panpsychism.pdf; David Chalmers, “Panpsychism and Explaining Consciousness,” Oppositum, TED Talk, YouTube video, January 18, 2016, https://www.you tube.com/watch?v=SiYfN7-gaLk; David Chalmers, “How Does Panpsychism Fit in Between Dualism and Materialism?”, Loyola Productions Munich, YouTube video, November 8, 2011, https://www.youtube.com/watch?v=OSmfhc_8gew.

14. Лауреат Нобелевской премии по физике сэр Роджер Пенроуз вместе с физиологом Стюартом Хамероффом разработали интересную теорию под названием «организованная объективная редукция» (Orch OR), которая объясняет возникновение сознания квантовыми процессами в микротрубочках (белковых полимерах) внутри нейронов. Теория пока не нашла признания в научном сообществе. Физики, в частности Макс Тегмарк, отмечают, что декогеренция не позволит квантовым явлениям играть значимую роль в макроскопических процессах в мозге и влиять на поведение. Хотя теория весьма захватывающая, убедительного подтверждения, что возникновение сознания необходимо объяснять с помощью квантовой физики, пока не получено. См. Steve Paulson, “Roger Penrose on Why Consciousness Does Not Compute”,Nautilus, April 27, 2017, https://nautil.us/roger-penrose-on-why-consci ousness-does-not-compute-236591; Max Tegmark, “The Importance of Quantum Decoherence in Brain Processes”,Physical Review E: Statistical Physics, Plasmas, Fluids, and Related Interdisciplinary Topics61 (May 2000): 4194–206, https://arxiv.org/pdf/quant-ph /9907009.pdf; Stuart Hameroff, “How Quantum Brain Biology Can Rescue Conscious Free Will”,Frontiers in Integrative Neuroscience6, article 93 (October 12, 2012), https://doi.org/10.3389/fnint.2012.00093.

15. Более подробно о конкурирующих учениях в философии и политике по вопросу свободы воли: John Green, “Determinism vs. Free Will”, Crash Course, YouTube video, August 15, 2016, https://www.youtube.com/watch?v=vCGtkDzELAI; M. S., “Free Will and Politics,”Economist, January 12, 2012, https://www.economist.com/democracy-in-america /2012/01/12/free-will-and-politics; Timothy O’Connor and Christopher Franklin, “Free Will,” inStanford Encyclopedia of Philosophy, ed. Edward N. Zalta (Summer 2019), https:// plato.stanford.edu/entries/freewill; Randolph Clarke and Justin Capes, “Incompatibilist (Nondeterministic) Theories of Free Will,” inStanford Encyclopedia of Philosophy, ed. Edward N. Zalta (Spring 2017), https://plato.stanford.edu/entries/incompatibilism-theories; Michael McKenna and Justin D. Coates, “Compatibilism,” inStanford Encyclopedia of Philosophy, ed. Edward N. Zalta (Winter 2018), https://plato.stanford.edu/entries/compatibilism.

16. Ряд интересных подходов к вопросу свободы воли и предопределенности: Shaun Nichols, “Free Will Versus the Programmed Brain”,Scientific American,August 19, 2008, https://www.scientificamerican.com/article/free-will-vs-programmed-brain; Bill Nye, “Hey Bill Nye, Do Humans Have Free Will?”,Big Think, YouTube video, January 19, 2016, https://www.youtube.com/watch?v=ITdMa2bCaVc; Michio Kaku, “Why Physics Ends the Free Will Debate”,Big Think, YouTube video, May 20, 2011, https://www.youtube.com /watch?v=Jint5kjoy6I; Stephen Cave, “There’s No Such Thing as Free Will”,Atlantic, June 2016, https://www.theatlantic.com/magazine/archive/2016/06/theres-no-such-thing-as-free-will/480750.

17. Simon Blackburn,Think: A Compelling Introduction to Philosophy(Oxford, UK: Oxford University Press, 1999), 85, https://books.google.co.uk/books?id=yEEITQSyxAMC.

18. Более подробное объяснение и демонстрация работы клеточных автоматов: Daniel Shiffman, “Cellular Automata”, chap. 7 inThe Nature of Code(Magic Book Project, 2012), https:// natureofcode.com/book/chapter-7-cellular-automata; Devin Acker, “Elementary Cellular Automaton”, Github.io, accessed March 10, 2023, http://devinacker.github.io/celldemo; Francesco Berto and Jacopo Tagliabue, “Cellular Automata”, inStanford Encyclopedia of Philosophy, ed. Edward N. Zalta (Fall 2017), https://plato.stanford.edu/archives/fall2017 /entries/cellular-automata.

19. “John Conway’s Game of Life”, Bitstorm.org, accessed March 10, 2023, https://bitstorm.org/gameoflife; “Life in Life”, Phillip Bradbury, YouTube video, May 13, 2012, https:// www.youtube.com/watch?v=xP5-iIeKXE8; Amanda Ghassaei, “OTCA Metapixel – Conway’s Game of Life”, Trybotics, последняя проверка доступности 10 марта 2023 года, https://trybotics.com/project/OTCA-Metapixel-Conways-Game-of-Life-98534.

20. Stephen Wolfram,A New Kind of Science(Champaign, IL: Wolfram Media, 2002), 23–41, 58–70.

21. Wolfram,New Kind of Science, 56, wolframscience.com/nks.

22. Wolfram,New Kind of Science, 56, wolframscience.com/nks.

23. Wolfram,New Kind of Science, 23–27, 31, wolframscience.com/nks.

24. Wolfram,New Kind of Science, 23–27, 31, wolframscience.com/nks.

25. Основополагающая статья Вольфрама о клеточных автоматах и сложности поведения: Stephen Wolfram, “Cellular Automata as Models of Complexity”,Nature311, no. 5985 (October 1984), https://www.stephenwolfram.com/publications/academic/cellular-automata-models-complexity.pdf.

26. Краткое объяснение эффекта эмерджентности: Emily Driscoll and Lottie Kingslake, “What Is Emergence?”,Quanta Magazine, YouTube video, December 20, 2018, https://www.you tube.com/watch?v=TlysTnxF_6c.

27. Wolfram,New Kind of Science, 31.

28. Подробная информация о проекте Wolfram Physics, в том числе визуализация и интерактивные инструменты: www.wolframphysics.org. Подробная техническая документация: Stephen Wolfram, “A Class of Models with the Potential to Represent Fundamental Physics”,Complex Systems29, no. 2 (April 2020): 107–536, https://doi.org/10.25088 /ComplexSystems.29.2.107.

29. Форма детерминизма, не допускающая возможности предсказания, о которой пишет Вольфрам, совместима с явлением случайности квантовых событий: они следуют строго определенным правилам, но таким образом, который не допускает раскрытия информации об их поведении в будущем. Стоит отметить, что, хотя квантовая физика допускает появление функций, генерирующих действительно случайные числа, по крайней мере кажущиеся таковыми абсолютно всем обитателям нашей Вселенной, свойством эмерджентности (в отличие от клеточных автоматов класса 4) такие системы обладать не будут. Иными словами, если известно, что функция возвращает случайную последовательность из нулей и единиц, никаких более сложных закономерностей в ней не появится. Могут возникать длинные строки наподобие «11111111», но каждая следующая цифра никак не зависит от предыдущих. Так что можно смело заявлять, что миллиардная цифра окажется единицей с вероятностью 50 %, ничего не зная о ее предшественниках. Все это полностью сочетается с господствующей в современной науке парадигмой, что законы, описывающие систему, объясняют и ее поведение. См. Xiongfeng Ma et al., “Quantum Random Number Generation”,npj Quantum Information2, article 16021 (June 28, 2016), https:// www.nature.com/articles/npjqi201621.

30. Более подробно о проекте Blue Brain, в ходе которого были открыты 11-мерные структуры в мозге и поставлена задача картировать и смоделировать мозг животного (а затем и человека): “Blue Brain Team Discovers a Multi-Dimensional Universe in Brain Networks”,Frontiers Science News, June 12, 2017, https://blog.frontiersin.org/2017/06/12 /blue-brain-team-discovers-a-multi-dimensional-universe-in-brain-networks; Michael W. Reimann et al., “Cliques of Neurons Bound into Cavities Provide a Missing Link Between Structure and Function”,Frontiers in Computational Neuroscience11, no. 48 (June 12, 2017), https://doi.org/10.3389/fncom.2017.00048.

32. Это разновидность компатибилизма – философского учения, допускающего существование свободы воли даже во Вселенной, подчиняющейся некой форме детерминистских законов. См. Green, “Compatibilism”; McKenna and Coates, “Compatibilism”,Stanford Encyclopedia.

33. Подробнее о результатах, полученных нейронаукой в последние десятилетия в ходе исследования взаимодействия полушарий нашего мозга: Ned Herrmann, “Is It True That Creativity Resides in the Right Hemisphere of the Brain?”,Scientific American,January 26, 1998, https://www.scientificamerican.com/article/is-it-true-that-creativit; Dina A. Lienhard, “Roger Sperry’s Split Brain Experiments (1959–1968)”,Embryo Project Encyclopedia, December 27, 2017, https://embryo.asu.edu/pages/roger-sperrys-split-brain-experiments-1959-1968; David Wolman, “The Split Brain: A Tale of Two Halves”,Nature483, no. 7389 (March 14, 2012): 260–63, https://www.nature.com/news/the-split-brain-a-tale-of-two-halves-1.10213.

34. Stella de Bode and Susan Curtiss, “Language After Hemispherectomy”,Brain and Cognition43, nos. 1–3 (June – August 2000): 135–205.

35. Dana Boatman et al., “Language Recovery After Left Hemispherectomy in Children with Late-Onset Seizures”,Annals of Neurology46, no. 4 (April 1999): 579–86, https://www.ac ademia.edu/21485724/Language_recovery_after_left_hemispherectomy_in_children _with_late-onset_seizures.

36. Jing Zhou et al., “Axon Position Within the Corpus Callosum Determines Contralateral Cortical Projection”,Proceedings of the National Academy of Sciences110, no. 29 (July 16, 2013): E2714–E2723, https://doi.org/10.1073/pnas.1310233110.

37. Benedict Carey, “Decoding the Brain’s Cacophony”,New York Times,October 31, 2011, https://www.nytimes.com/2011/11/01/science/telling-the-story-of-the-brains-cacophony-of-competing-voices.html; Michael Gazzaniga, “The Split Brain in Man”,Scientific American217, no. 2 (August 1967): 24–29, https://doi.org/10.1038%2Fscientificamerican0867-24; Alan Alda and David Huntley, “Pieces of Mind”,Scientific American Frontiers(PBS, 1997), ctshad, YouTube video, https://www.youtube.com/watch?v=lfGwsAdS9Dc.

38. Michael S. Gazzaniga, “Principles of Human Brain Organization Derived from Split-Brain Studies”,Neuron14, no. 2 (February 1995): 217–28, https://doi.org/10.1016/0896-6273(95) 90280-5; Roger W. Sperry, “Consciousness, Personal Identity, and the Divided Brain”, inThe Dual Brain: Hemispheric Specialization in Humans, ed. D. F. Benson and Eran Zaidel (New York: Guilford Publications, 1985), 11–25; William Hirstein, “Self-Deception and Confabulation”,Philosophy of Science67, no. 3 (September 2000): S418–S429, www.jstor.org/stable/188684.

39. Gazzaniga, “Principles of Human Brain Organization”; Sperry, “Consciousness, Personal Identity, and the Divided Brain”; Hirstein, “Self-Deception and Confabulation”.

40. Richard Apps et al., “Cerebellar Modules and Their Role as Operational Cerebellar Processing Units”,Cerebellum17, no. 5 (June 6, 2018): 654–682, https://doi.org/10.1007 /s12311-018-0952-3; Jan Voogd, “What We Do Not Know About Cerebellar Systems Neuroscience”,Frontiers in Systems Neuroscience8, no. 227 (December 18, 2014), https://doi.org/10.3389/fnsys.2014.00227.

41. Подробнее о теории «общества разума» и о том, как она сочетается с современными представлениями нейронауки: Marvin Minsky, “The Society of Mind Theory Developed from Teaching”, Web of Stories – Life Stories of Remarkable People, YouTube video, October 5, 2016, https://www.youtube.com/watch?v=HU2SZEW4EWg; Marvin Minsky, “Biological Plausibility of the Society of Mind Theory”, Web of Stories – Life Stories of Remarkable People, YouTube video, October 31, 2016, https://www.youtube.com/watch?v=e02WbBd0F70; Michael N. Shadlen and Adina L. Roskies, “The Neurobiology of Decision-Making and Responsibility: Reconciling Mechanism and Mindedness”,Frontiers in Neuroscience6, no. 56 (April 23, 2012), https://doi.org/10.3389/fnins.2012.00056; Johannes Friedrich and Máté Lengyel, “Goal-Directed Decision Making with Spiking Neurons”,Journal of Neuroscience36, no. 5 (February 3, 2016): 1529–46, https://doi.org/10.1523/JNEUROSCI.2854-15.2016; Marvin Minsky,The Society of Mind(New York: Simon & Schuster, 1986).

42. Sarvi Sharifi et al., “Neuroimaging Essentials in Essential Tremor: A Systematic Review”,NeuroImage Clinical5 (May 2014): 217–31, https://doi.org/10.1016/j.nicl.2014.05.003; Rick C. Helmich, David E. Vaillancourt, and David J. Brooks, “The Future of Brain Imaging in Parkinson’s Disease”,Journal of Parkinson’s Disease8, no. s1 (2018): S47–S51, https://doi.org/10.3233/JPD-181482.

43. Подробнее о философии идентичности и изменения: Andre Gallois, “Identity Over Time”, inStanford Encyclopedia of Philosophy, ed. Edward N. Zalta (Winter 2016), https:// plato.stanford.edu/entries/identity-time.

44. Duncan Graham-Rowe, “World’s First Brain Prosthesis Revealed”,New Scientist, March 2003, https://www.newscientist.com/article/dn3488.

45. Robert E. Hampson et al., “Developing a Hippocampal Neural Prosthetic to Facilitate Human Memory Encoding and Recall”,Journal of Neural Engineering15, no. 3 (March 28, 2018), https://doi.org/10.1088/1741-2552/aaaed7.

46. Описание биогенеза митохондрий, менее детальное и более подробное: Jon Lieff, “Dynamic Relationship of Mitochondria and Neurons”, jonlieffmd.com, February 2, 2014, https://jonlieffmd.com/tag/dynamic-of-fission-and-fusion; Thomas Misgeld and Thomas L. Schwarz, “Mitostasis in Neurons: Maintaining Mitochondria in an Extended Cellular Architecture”,Neuron96, no. 3 (November 1, 2017): 651–66, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5687842.

47. Samuel F. Bakhoum and Duane A. Compton, “Kinetochores and Disease: Keeping Microtubule Dynamics in Check!”,Current Opinion in Cell Biology24, no. 1 (February 2012): 64–70, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3294090/#R13; Vincent Meininger and Stephane Binet, “Characteristics of Microtubules at the Different Stages of Neuronal Differentiation and Maturation”,International Review of Cytology114 (1989): 21–79, https:// doi.org/10.1016/S0074-7696(08)60858-X.

48. Laurie D. Cohen et al., “Metabolic Turnover of Synaptic Proteins: Kinetics, Interdependencies and Implications for Synaptic Maintenance”,PLoS One8, no. 5: e63191 (May 2, 2013), https://doi.org/10.1371/journal.pone.0063191.

49. K. H. Huh and R. J. Wenthold, “Turnover Analysis of Glutamate Receptors Identifies a Rapidly Degraded Pool of the N-methyl-D-aspartate Receptor Subunit, NR1, in Cultured Cerebellar Granule Cells”,Journal of Biological Chemistry274, no. 1 (January 1, 1999): 151–57, https://www.ncbi.nlm.nih.gov/pubmed/9867823.

50. Erin N. Star, David J. Kwiatkowski, and Venkatesh N. Murthy, “Rapid Turnover of Actin in Dendritic Spines and its Regulation by Activity”,Nature Neuroscience5, no. 3 (March 2002): 239–46, https://www.ncbi.nlm.nih.gov/pubmed/11850630.

51. “Female Reproductive System”, Cleveland Clinic, последняя проверка доступности 10 марта 2023 года, https:// my.clevelandclinic.org/health/articles/9118-female-reproductive-system; Robert D. Martin, “The Macho Sperm Myth”,Aeon, August 23, 2018, https://aeon.co/essays/the-idea-that-sperm-race-to-the-egg-is-just-another-macho-myth.

52. Timothy G. Jenkins et al., “Sperm Epigenetics and Aging”,Translational Andrology and Urology7, suppl. 3 (July 2018): S328–S335, https://doi.org/10.21037/tau.2018.06.10; Ida Donkin and Romain Barrés, “Sperm Epigenetics and the Influence of Environmental Factors”,Molecular Metabolism14 (August 2018): 1–11, https://doi.org/10.1016/j.molmet.2018.02.006.

53. Holly C. Betts et al., “Integrated Genomic and Fossil Evidence Illuminates Life’s Early Evolution and Eukaryote Origin”,Nature Ecology & Evolution2 (August 20, 2018): 1556–62, https://doi.org/10.1038/s41559-018-0644-x; Elizabeth Pennisi, “Life May Have Originated on Earth 4 Billion Years Ago, Study of Controversial Fossils Suggests”,Science, December 18, 2017, https://www.sciencemag.org/news/2017/12/life-may-have-originated-earth-4-billion-years-ago-study-controversial-fossils-suggests; Michael Marshall, “Time-line: The Evolution of Life”,New Scientist, July 14, 2009, https://institutions.newscientist.com/article/dn17453-timeline-the-evolution-of-life.

54. Не будем принимать во внимание шансы на то, что ваши родители в принципе встретятся и образуют пару. Вероятность слияния двух конкретных половых клеток (чтобы родились именно вы) составляет примерно 1 из 2 квинтиллионов. То же самое верно для ваших родителей, бабушек и дедушек и т. д. Возьмем любого вашего предка, жившего несколько столетий назад. Вероятно, вы не унаследовали никаких генов, принадлежавших непосредственно ему, но если бы его не было, другие ваши

55. Обсуждение «настроек» Вселенной с точки зрения науки: Leonard Susskind, “Is the Universe Fine-Tuned for Life and Mind?”, Closer to Truth, YouTube video, January 8, 2013, https:// www.youtube.com/watch?v=2cT4zZIHR3s; Martin J. Rees, “Why Cosmic Fine-Tuning Demands Explanation”, Closer to Truth, YouTube video, January 23, 2017, https://www.youtube.com/watch?v=E0zdXj6fSGY; Simon Friedrich, “Fine-Tuning”, inStanford Encyclopedia of Philosophy, ed. Edward N. Zalta (Winter 2018), https://plato.stanford.edu/en tries/fine-tuning/#FineTuneCondEarlUniv.

56. Согласно Стандартной модели, существуют шесть видов кварков, шесть антикварков, шесть лептонов, шесть антилептонов, восемь глюонов, фотоны, W+-бозоны, W-бозоны, Z-бозоны и бозон Хиггса. Подробнее о так называемом зоопарке частиц Стандартной модели см. Julian Huguet, “Subatomic Particles Explained in Under 4 Minutes”,Seeker, YouTube video, December 18, 2014, https://www.youtube.com/watch?v=eD7hXLRqWWM; Peter Kalmus, “The Physics of Elementary Particles: Part I”,Plus Magazine, April 21, 2015, https://plus.maths.org/con tent/physics-elementary-particles; Guido Altarelli and James Wells, “Gauge Theories and the Standard Model”, inCollider Physics Within the Standard Model, vol. 937 ofLecture Notes in Physics, ed. James Wells (Cham, Switzerland: Springer Open, 2017), https://doi.org /10.1007/978-3-319-51920-3_1.

57. Подробнее о теории абиогенеза и эксперименте Миллера – Юри 1952 года, показавшем возможность химической эволюции см. Paul Anderson, “Abiogenesis”, Bozeman Science, YouTube video, June 25, 2011, https://www.youtube.com/watch?v=W3ceg-uQKM; “What Was the Miller-Urey Experiment”, Stated Clearly, YouTube video, October 27, 2015, https://www.youtube.com/watch?v=NNijmxsKGbc.

58. Friedrich, “Fine-Tuning”,Stanford Encyclopedia; Luke A. Barnes, “The Fine-Tuning of the Universe for Intelligent Life”,Publications of the Astronomical Society of Australia29, no. 4 (2012): 529–64, doi:10.1071/AS12015.

59. Friedrich, “Fine-Tuning”,Stanford Encyclopedia; Lawrence J. Hall et al., “The Weak Scale from BBN”,Journal of High Energy Physics2014, no. 12, article 134 (2014), doi.org/10.1007 /JHEP12(2014)134; Bernard J. Carr and Martin J. Rees, “The Anthropic Principle and the Structure of the Physical World”,Nature278 (April 12, 1979): 605–12, https://www.na ture.com/articles/278605a0.

60. Craig J. Hogan, “Why the Universe Is Just So”,Reviews of Modern Physics72, no. 4 (October 1, 2000): 1149–61, https://journals.aps.org/rmp/abstract/10.1103/RevModPhys.72.1149; Craig J. Hogan, “Quarks, Electrons, and Atoms in Closely Related Universes”, inUniverse or Multiverse, ed. Bernard Carr (Cambridge, UK: Cambridge University Press, 2007), 221–30.

61. Hogan, “Why the Universe Is Just So”; Hogan, “Quarks, Electrons, and Atoms”, 221–30.

62. Hogan, “Quarks, Electrons, and Atoms”, 224.

63. Hogan, “Quarks, Electrons, and Atoms”, 224–25.

64. Hogan, “Quarks, Electrons, and Atoms”, 224–25.

65. Подробный обзор физических законов и их «настроек», в том числе силы гравитации, необходимой для формирования тяжелых элементов: Friedrich, “Fine-Tuning”,Stanford Encyclopedia; Carr and Rees, “Anthropic Principle and the Structure of the Physical World”, 605–12.

66. Michael Brooks, “Gravity Mysteries: Why Is Gravity Fine-Tuned?”,New Scientist, June 10, 2009, https://www.newscientist.com/article/mg20227123-000.

67. Tim Radford, “Just Six Numbers: The Deep Forces That Shape the Universe by Martin Rees – Review”,Guardian, June 8, 2012, https://www.theguardian.com/science/2012/jun/08/just-six-numbers-martin-rees-review; Brooks, “Gravity Mysteries: Why Is Gravity Fine-Tuned?”

68. Friedrich, “Fine-Tuning”,Stanford Encyclopedia; Max Tegmark

69. Friedrich, “Fine-Tuning”,Stanford Encyclopedia; Tegmark and Rees, “Why Is the Cosmic Microwave Background Fluctuation Level 10–5?”

70. Martin J. Rees,Just Six Numbers: The Deep Forces That Shape the Universe(New York: Weidenfeld & Nicholson, 1999), 104.

71. Rees,Just Six Numbers, 104.

72. Friedrich, “Fine-Tuning”,Stanford Encyclopedia; Roger Penrose,The Road to Reality: A Complete Guide to the Laws of the Universe(New York: Vintage, 2004), 729–30.

73. Tony Padilla, “How Many Particles in the Universe?”, Numberphile, YouTube video, July 10, 2017, https://www.youtube.com/watch?v=lpj0E0a0mlU; Villanueva, “How Many Atoms Are in the Universe?”; Jacob Aron, “Number of Ways to Arrange 128 Balls Exceeds Atoms in Universe”,New Scientist, January 28, 2016, https://www.newscientist.com/article/2075593.

74. Luke Barnes (L. A. Barnes), “The Fine-Tuning of the Universe for Intelligent Life”,Publications of the Astronomical Society of Australia29, no. 4 (June 7, 2012): 531, https://www.publish.csiro.au/as/pdf/AS12015.

75. Brad Lemley, “Why Is There Life?”,Discover, November 2000, http://discovermagazine.com/2000/nov/cover.

76. Подробнее об антропном принципе, а также восхитительная беседа биолога и атеиста Ричарда Докинза и астронома и католика отца Джорджа Койна: Roberto Trotta, “What Is the Anthropic Principle?”,Physics World, YouTube video, January 17, 2014, https://www.youtube.com/watch?v=dWkJ8Pl-8l8; Richard Dawkins and George Coyne, “The Anthropic Principle”, jlcamelo, July 9, 2010, https://youtu.be/lm9ZtYkd kEQ?t=102; Joe Rogan and Nick Bostrom, “Joe Rogan Experience #1350—Nick Bostrom”, PowerfulJRE, September 11, 2019, https://web.archive.org/web/20190918171740/https:// www.youtube.com/watch?v=5c4cv7rVlE8; Christopher Smeenk and George Ellis, “Philosophy of Cosmology”, inStanford Encyclopedia of Philosophy, ed. Edward N. Zalta (Winter 2017), https://plato.stanford.edu/entries/cosmology.

77. Lemley, “Why Is There Life?”

78. Простое объяснение принципов работы генеративно-состязательных сетей, а также несколько технологий будущего, которые позволят ИИ воссоздавать личности умерших: Robert Miles, “Generative Adversarial Networks (GANs)”, Computerphile, YouTube video, October 25, 2017, https://www.you tube.com/watch?v=Sw9r8CL98N0; Michael Kammerer, “I Trained an AI to Imitate My Own Art Style. This Is What Happened”,Towards Data Science, March 28, 2019, https://towardsdatascience.com/i-trained-an-ai-to-imitate-my-own-art-style-this-is-what-hap pened-461785b9a15b; Ana Santos Rutschman, “Artificial Intelligence Can Now Emulate Human Behaviors – Soon It Will Be Dangerously Good”,The Conversation, April 5, 2019, https://theconversation.com/artificial-intelligence-can-now-emulate-human-behaviors-soon-it-will-be-dangerously-good-114136; Catherine Stupp, “Fraudsters Used AI to Mimic CEO’s Voice in Unusual Cybercrime Case”,Wall Street Journal, August 30, 2019, https://www.wsj.com/articles/fraudsters-use-ai-to-mimic-ceos-voice-in-unusual-cyber crime-case-11567157402; David Nield, “New AI Generates Freakishly Realistic People Who Don’t Actually Exist”,Science Alert, February 19, 2019, https://www.sciencealert.com/ai-is-getting-creepily-good-at-generating-faces-for-people-who-don-t-actually-exist; Alec Radford et al., “Better Language Models and Their Implications”, OpenAI, February 14, 2019, https://openai.com/blog/better-language-models; Richard Socher, “Introducing a Conditional Transformer Language Model for Controllable Generation”, Salesforce Einstein, accessed March 10, 2023, https://blog.einstein.ai/introducing-a-cond itional-transformer-language-model-for-controllable-generation.

79. Jeffrey Grubb, “Google Duplex; A.I. Assistant Calls Local Businesses to Make Appointments”, Jeff Grubb’s Game Mess, YouTube video, May 8, 2018, https://www.youtube.com /watch?v=D5VN56jQMWM.

80. Monkeypaw Productions and BuzzFeed, “You Won’t Believe What Obama Says in This Video”, BuzzFeedVideo, YouTube video, April 17, 2018, https://www.youtube.com/watch?v=cQ54GDm1eL0; “Could Deepfakes Weaken Democracy?”,Economist, YouTube video, October 22, 2019, https://www.youtube.com/watch?v=_m2dRDQEC1A; Kristin Houser, “This ‘RoboTrump’ AI Mimics the President’s Writing Style”,Futurism, October 23, 2019, https://futurism.com/robotrump-ai-text-generator-trump.

81. “No Country for Old Actors”, Ctrl Shift Face, YouTube video, November 13, 2019, https://www.youtube.com/watch?v=Ow_uufCxm1A.

82. Casey Newton, “Speak, Memory”,The Verge, October 6, 2016, https://www.theverge.com /a/luka-artificial-intelligence-memorial-roman-mazurenko-bot.

83. Подробнее о научных основах эффекта «зловещей долины»: Michael Stevens, “Why Are Things Creepy?”, Vsauce, YouTube video, July 2, 2013, https://www.youtube.com/watch?v=PEikGKDVsCc.

84. Подробнее о разработке реалистичных андроидов и парадоксе Моравеца: Tim Hornyak, “Insanely Humanlike Androids Have Entered the Workplace and Soon May Take Your Job,” CNBC, October 31, 2019, https://www.cnbc.com/2019/10/31/human-like-androids-have-entered-the-workplace-and-may-take-your-job.html; Jade Tan-Holmes, “Moravec’s Paradox – Why Are Machines So Smart, Yet So Dumb?”, Up and Atom, YouTube video, July 8, 2019, https://www.youtube.com/watch?v=hcfVRkC3Dp0; J. C. Eccles, “Evolution of Consciousness”,Proceedings of the National Academy of Sciences of the United States of America89, no. 16 (August 15, 1992): 7320–24, https://www.ncbi.nlm.nih.gov/pmc/articles /PMC49701; Hans Moravec,Mind Children(Cambridge, MA: Harvard University Press, 1988), 1–50.

85. John Hawks, “How Has the Human Brain Evolved?”,Scientific American Mind24, no. 3 (July 1, 2013): 76, https://doi.org/10.1038/scientificamericanmind0713-76b.

86. “ASIMO World2001-2/3”, jnomw, YouTube video, October 28, 2006, https://www.you tube.com/watch?v=Ph_B_5hKRIE.

87. “More Parkour Atlas”, BostonDynamics, YouTube video, September 24, 2019, https:// www.youtube.com/watch?v=_sBBaNYex3E.

88. “Sophia the Robot by Hanson Robotics ”, Hanson Robotics Limited, YouTube video, September 5, 2018, https://www.youtube.com/watch?v=BhU9hOo5Cuc; “Meet Little Sophia, Hanson Robotics’ Newest Robot”, Hanson Robotics Limited, YouTube video, February 11, 2019, https://www.youtube.com/watch?v=7cGRPvN5430; “Ameca Expressions with GPT3 / 4”, Engineered Arts, YouTube video, March 31, 2023, https://www.youtube.com /watch?v=yUszJyS3d7A.

89. Anders Sandberg and Nick Bostrom,Whole Brain Emulation: A Roadmap, technical report 2008-3, Future of Humanity Institute, Oxford University (2008), 13, https://www.fhi.ox.ac.uk/brain-emulation-roadmap-report.pdf.

90. Sandberg and Bostrom,Whole Brain Emulation, 80–81.

91. Несколько источников по теме резервного копирования и эмуляции мозга: S. A. Graziano, “How Close Are We to Uploading Our Minds?”, TED-Ed, YouTube video, October 29, 2019, https://www.youtube.com/watch?v=2DWnvx1NYUA; Trace Dominguez, “How Close Are We to Downloading the Human Brain?”,Seeker, YouTube video, September 13, 2018, https://www.youtube.com/watch?v=DE5e5zF6a-8; Michio Kaku, “Could We Transport Our Consciousness Into Robots?”,Big Think, YouTube video, May 31, 2011, https:// www.youtube.com/watch?v=tT1vxEpE1aI; Matt O’Dowd, “Computing a Universe Simulation”, PBS Space Time, YouTube video, October 10, 2018, https://www.youtube.com /watch?v=0GLgZvTCbaA; Riken, “All-Atom Molecular Dynamics Simulation of the Bacterial Cytoplasm”, rikenchannel, YouTube video, June 6, 2017, https://www.youtube.com /watch?v=5JcFgj2gHx8; “Scientists Create First Billion-Atom Biomolecular Simulation”, Los Alamos National Lab, YouTube video, April 22, 2019, https://www.youtube.com /watch?v=jmeik65RkJw; “Matrioshka Brains”, Isaac Arthur, YouTube video, June 23, 2016, https://www.youtube.com/watch?v=Ef-mxjYkllw; Simon Makin, “The Four Biggest Challenges in Brain Simulation”,Nature571, S9 (July 25, 2019), https://www.nature.com /articles/d41586-019-02209-z; Egidio D’Angelo et al., “Realistic Modeling of Neurons and Networks: Towards Brain Simulation”,Functional Neurology28, no. 3 (July – September 2013): 153–66, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3812748; Elon Musk and Neuralink, “An Integrated Brain-Machine Interface Platform with Thousands of Channels”, Neuralink working paper, July 17, 2019, https://doi.org/10.1101/703801; Fujitsu, “Supercomputer Used to Simulate 3,000-Atom Nano Device”, Phys.org, January 14, 2014, https://phys.org/news/2014-01-supercomputer-simulate-atom-nano-device.html; Anders Sandberg, “Ethics of Brain Emulations,”Journal of Experimental & Theoretical Artificial Intelligence26, no. 3 (April 14, 2014): 439–57, https://doi.org/10.1080/0952813X.2014.895113; Ray Kurzweil,How to Create a Mind: The Secret of Human Thought Revealed(New York: Viking, 2012).

92. Michael Merzenich, “Growing Evidence of Brain Plasticity”, TED video, February 2004, https://www.ted.com/talks/michael_merzenich_on_the_elastic_brain.

Глава 4. Уровень жизни растет экспоненциальными темпами

1. World Bank Development Research Group, “Poverty Headcount Ratio at $2.15 a Day

2. UNESCO Institute for Statistics, “Literacy Rate, Adult Total (% of People Ages 15 and Above)”, retrieved from Worldbank.org, October 24 2022, https://data.worldbank.org/indicator/SE.ADT.LITR.ZS.

3.Progress on Household Drinking Water, Sanitation and Hygiene 2000–2020: Five Years into the SDGs(Geneva: World Health Organization and United Nations Children’s Fund, 2021), 9, https://apps.who.int/iris/rest/bitstreams/1369501/retrieve.

4. World Bank Development Research Group, “Poverty Headcount Ratio at $2.15 a day”; World Bank, “Population, Total for World (SPPOPTOTLWLD)”.

5. UNESCO Institute for Statistics, “Literacy Rate, Adult Total”.

6.Progress on Household Drinking Water, Sanitation and Hygiene 2000–2020, 9.

7. Ray Kurzweil,The Age of Spiritual Machines: When Computers Exceed Human Intelligence(New York: Viking, 1999).

8. Ray Kurzweil,The Singularity Is Near(New York: Viking, 2005).

9. Peter H. Diamandis and Steven Kotler,Abundance: The Future Is Better Than You Think(New York: Simon & Schuster, 2012).

10. Steven Pinker,Enlightenment Now: The Case for Reason, Science, Humanism, and Progress(New York: Penguin, 2018).

11. Andrew Evans, “The First Thanksgiving Travel”,National Geographic, November 24, 2011, https://www.nationalgeographic.com/travel/digital-nomad/2011/11/24/the-first-thanksgiving-travel.

12. Henry Fairlie, “Henry Fairlie on What Europeans Thought of Our Revolution”,New Republic, July 3, 2014, https://newrepublic.com/article/118527/american-revolution-what-did-europeans-think; Peter Stanford, “The Street of Ships in New York”,Boating21, no. 1 (January 1967): 48, https://books.google.com/books?id=VsMYj3YIKLcC.

13. Vaclav Smil, “Crossing the Atlantic”,IEEE Spectrum, March 28, 2018, https://spectrum.ieee.org/transportation/marine/crossing-the-atlantic.

14. Frank W. Geels,Technological Transitions and System Innovations: A Co-evolutionary and Socio-Technical Analysis(Cambridge, UK: Edward Elgar, 2005), 135, https://books.google.com/books?id=SDfrb7TNX5 °C.

15. Steven Ujifusa,A Man and His Ship: America’s Greatest Naval Architect and His Quest to Build the S.S.United States (New York: Simon & Schuster, 2012), 152, https://books.goo gle.com/books?id=H6KB4q7M938C.

16. John C. Spychalski, “Transportation”, inThe Columbia History of the 20th Century, ed. Richard W. Bulliet (New York: Columbia University Press, 1998), 409, https://books.goo gle.com/books?id=9QsqpvR0nq0C.

17. Jason Paur, “Oct. 4, 1958: ‘Comets’ Debut Trans-Atlantic Jet Age”,Wired,October 4, 2010, https://www.wired.com/2010/10/1004first-transatlantic-jet-service-boac.

18. Howard Slutsken, “What It Was Really Like to Fly on Concorde”, CNN, March 2, 2019, https://www.cnn.com/travel/article/concorde-flying-what-was-it-like/index.html.

19. “London to New York Flight Duration”, Finance.co.uk, последняя проверка доступности 14 апреля 2023 года, https://www.finance.co.uk/travel/flight-times-and-durations-calculator/london-to-new-york.

20. Интересная статья о роли конфликта в сюжете, а также доказательство, что в новостях предпочтение отдается негативным событиям: Jerry Flattum, “What Is a Story? Conflict – The Foundation of Storytelling”,Script, March 18, 2013, https://scriptmag.com/features/conflict-the-foundation-of-story telling; Stuart Soroka, Patrick Fournier, and Lilach Nir, “Cross-National Evidence of a Negativity Bias in Psychophysiological Reactions to News”,Proceedings of the National Academy of Sciences116, no. 38 (September 17, 2019): 18888–92, https://doi.org/10.1073 /pnas.1908369116.

21. Подробнее о том, как алгоритмы социальных сетей разжигают конфликты и способствуют радикализации мнений: “Jonathan Haidt: How Social Media Drives Polarization”, Amanpour and Company, YouTube video, December 4, 2019, https://www.youtube.com/watch?v=G9ofYEfewNE; Eli Pariser, “How News Feed Algorithms Supercharge Confirmation Bias”,Big Think, YouTube video, December 18, 2018, https://www.youtube.com/watch?v=prx9bxzns3g; Damon Centola, “Why Social Media Makes Us More Polarized and How to Fix It”,Scientific American, October 15, 2020, https://www.scientificamerican.com/article/why-social-media-makes-us-more-polarized-and-how-to-fix-it.

22. Max Roser, “Economic Growth”, Our World in Data, accessed October 11, 2021, https:// ourworldindata.org/economic-growth; Ryland Thomas and Nicholas Dimsdale, “A Millennium of UK Data”, Bank of England OBRA dataset, 2017, https://www.bankofengland.co.uk/-/media/boe/files/statistics/research-datasets/a-millennium-of-macroeconomic-data-for-the-uk.xlsx; “Inflation Calculator”, Bank of England, последняя проверка доступности 14 апреля 2023 года, https://www.bankofengland.co.uk/monetary-policy/inflation/inflation-calculator; Stephen Broadberry et al.,British Economic Growth, 1270–1870(Cambridge, UK: Cambridge University Press, 2015).

23. Roser, “Economic Growth”; Thomas and Dimsdale, “A Millennium of UK Data”; “Inflation Calculator”, Bank of England; Broadberry et al.,British Economic Growth.

24. Roser, “Economic Growth”; Thomas and Dimsdale, “A Millennium of UK Data”; “Inflation Calculator”, Bank of England; Broadberry et al.,British Economic Growth.

25. Roser, “Economic Growth”; Thomas and Dimsdale, “A Millennium of UK Data”; “Inflation Calculator”, Bank of England; Broadberry et al.,British Economic Growth.

26. Peter Nowak, “The Rise of Mean World Syndrome in Social Media”,Globe and Mail, November 6, 2014, https://www.theglobeandmail.com/life/relationships/the-rise-of-mean-world-syndrome-in-social-media/article21481089.

27. Подробнее об этих исследованиях: Paula McGrath, “Why Good Memories Are Less Likely to Fade”, BBC News, May 4, 2014, https://www.bbc.com/news/health-27193607; Colin Allen, “Past Perfect: Why Bad Memories Fade”,Psychology Today, June 3, 2003, https:// www.psychologytoday.com/us/articles/200306/past-perfect-why-bad-memories-fade; W. Richard Walker, John J. Skowronski, and Charles P. Thompson, “Life Is Pleasant – and Memory Helps to Keep It That Way!”,Review of General Psychology7, no. 2 (June 2003): 203–10, https://www.apa.org/pubs/journals/releases/gpr-72203.pdf.

28. Walker, Skowronski, and Thompson, “Life Is Pleasant”.

29. Timothy D. Ritchie et al., “A Pancultural Perspective on the Fading Affect Bias in Autobiographical Memory”,Memory23, no. 2 (February 14, 2014): 278–90, https://doi.org/10.1080/09658211.2014.884138.

30. John Tierney, “What Is Nostalgia Good For? Quite a Bit, Research Shows”,New York Times,July 8, 2013, https://www.nytimes.com/2013/07/09/science/what-is-nostalgia-good-for-quite-a-bit-research-shows.html.

31. Mike Mariani, “How Nostalgia Made America Great Again”,Nautilus, April 20, 2017, https://nautil.us/how-nostalgia-made-america-great-again-236556.

32. Ed O’Brien and Nadav Klein, “The Tipping Point of Perceived Change: Asymmetric Thresholds in Diagnosing Improvement Versus Decline”,Journal of Personality and Social Psychology112, no. 2 (February 2017): 161–85, https://doi.org/10.1037/pspa0000070.

33. Art Markman, “How Do You Decide Things Are Getting Worse?”,Psychology Today, February 7, 2017, https://www.psychologytoday.com/nz/blog/ulterior-motives/201702/how-do-you-decide-things-are-getting-worse.

34. Robert P. Jones et al.,The Divide over America’s Future: 1950 or 2050? Findings from the 2016 American Values Survey, Public Religion Research Institute, October 25, 2016, https:// www.prri.org/wp-content/uploads/2016/10/PRRI-2016-American-Values-Survey.pdf; Mariani, “How Nostalgia Made America Great Again”.

35. Pete Etchells, “Declinism: Is the World Actually Getting Worse?”,Guardian, January 16, 2015, https://www.theguardian.com/science/head-quarters/2015/jan/16/declinism-is-the-world-actually-getting-worse.

36. Martijn Lampert, Anne Blanksma Çeta, and Panos Papadongonas,Increasing Knowledge and Activating Millennials for Making Poverty History, Glocalities global survey report, July 2018, https://xs.motivaction.nl/fileArchive/?f=116335&o=5880&key=4444.

37. Ipsos, “Perceptions Are Not Reality”, IpsosPerils of Perceptionblog, July 8, 2013, https://www.ipsos.com/ipsos-mori/en-uk/perceptions-are-not-reality.

38. Jamiles Lartey et al., “Ahead of Midterms, Most Americans Say Crime Is Up. What Does the Data Say?”, Marshall Project, November 5, 2022, https://www.themarshallproject.org /2022/11/05/ahead-of-midterms-most-americans-say-crime-is-up-what-does-the-data-say; Dara Lind, “The US Is Safer Than Ever – and Americans Don’t Have any Idea”,Vox, April 7, 2016, https://www.vox.com/2015/5/4/8546497/crime-rate-america.

39. Julia Belluz, “You May Think the World Is Falling Apart. Steven Pinker Is Here to Tell You It Isn’t”,Vox, September 10, 2016, https://www.vox.com/2016/8/16/12486586/2016-worst-year-ever-violence-trump-terrorism.

40. Видео, в которых простым языком рассказывается об исследованиях Канемана и Тверски; оригинальная научная статья: “Thinking, Fast and Slow by Daniel Kahneman: Animated Book Summary”, FightMediocrity, YouTube video, June 5,

41. Daniel Kahneman,Thinking, Fast and Slow(New York: Farrar, Straus and Giroux, 2011), 7; Daniel Kahneman and Amos Tversky, “On the Psychology of Prediction”,Psychological Review80, no. 4 (1973): 237–51, https://doi.org/10.1037/h0034747.

42. Tversky and Kahneman, “Judgment Under Uncertainty”, 1125–26.

43. Tversky and Kahneman, “Judgment Under Uncertainty”, 1127–28.

44. Max Roser and Esteban Ortiz-Ospina, “Literacy,” Our World in Data, September 20, 2018, https://ourworldindata.org/literacy; Eltjo Buringh and Jan Luiten van Zanden, “Charting the ‘Rise of the West’: Manuscripts and Printed Books in Europe, a Long-Term Perspective from the Sixth Through Eighteenth Centuries”,Journal of Economic History69, no. 2 (June 2009): 409–45, https://doi.org/10.1017/S0022050709000837.

45. Franz H. Bäuml, “Varieties and Consequences of Medieval Literacy and Illiteracy”,Speculum55, no. 2 (April 1980): 237–65, https://www.jstor.org/stable/2847287; Denise E. Murray, “Changing Technologies, Changing Literacy Communities?”,Language Learning & Technology4, no. 2 (September 2000): 39–53, https://scholarspace.manoa.hawaii.edu/bit stream/10125/25099/1/04_02_murray.pdf.

46. Roser and Ortiz-Ospina, “Literacy”; Buringh and van Zanden, “Charting the ‘Rise of the West’”, 409–45.

47. Roser and Ortiz-Ospina, “Literacy”; Sevket Pamuk and Jan Luiten van Zanden, “Standards of Living”, inThe Cambridge Economic History of Modern Europe: Volume 1: 1700–1870, ed. Stephen Broadberry and Kevin H. O’Rourke (New York: Cambridge University Press, 2010), 229.

48. Christelle Garrouste,100 Years of Educational Reforms in Europe: A Contextual Database, JRC Scientific and Technical Reports, European Union, 2010, https://publications.jrc.ec.europa.eu/repository/bitstream/JRC57357/reqno_jrc57357.pdf.

49. Roser and Ortiz-Ospina, “Literacy”; Jan Luiten van Zanden et al., eds.,How Was Life?: Global Well-being Since 1820(Paris: OECD Publishing, 2014), https://doi.org/10.1787/9789264214262-en.

50. Van Zanden et al.,How Was Life?; United Nations Educational, Scientific and Cultural Organization,Literacy, 1969–1971: Progress Achieved in Literacy Throughout the World(Paris: UNESCO, 1972), https://unesdoc.unesco.org/in/rest/annotationSVC/DownloadWatermarked Attachment/attach_import_c0206949-c3f1-4eac-a189-9c5bcfdac220.

51. Roser and Ortiz-Ospina, “Literacy”; Roy Carr-Hill and José Pessoa,International Literacy Statistics: A Review of Concepts, Methodology and Current Data(Montreal: UNESCO Institute for Statistics, 2008), http://uis.unesco.org/sites/default/files/documents/international-literacy-statistics-a-review-of-concepts-methodology-and-current-data-en_0.pdf; van Zanden et al.,How Was Life?; United Nations Educational, Scientific and Cultural Organization,Literacy, 1969–1971; Friedrich Huebler and Weixin Lu,Adult and Youth Literacy: National, Regional and Global Trends, 1985–2015, UIS Information Paper (Montreal: UNESCO Institute for Statistics, 2013), http://uis.unesco.org/sites/default/files/documents/adult-and-youth-literacy-national-regional-and-global-trends-1985-2015-en_0.pdf.

52. UNESCO Institute for Statistics, “Literacy Rate, Adult Total”; Central Intelligence Agency, “Field Listing – Literacy”, CIA World Factbook, accessed October 11, 2021, https://www.cia.gov/the-world-factbook/field/literacy.

53. National Assessment of Adult Literacy,A First Look at the Literacy of America’s Adults in the 21st Century(Washington, DC: National Center for Education Statistics, 2005): 5, https:// nces.ed.gov/NAAL/PDF/2006470.PDF.

54. Madeline Goodman et al.,Literacy, Numeracy, and Problem Solving in Technology-Rich Environments Among U.S. Adults: Results from the Program for the International Assessment of Adult Competencies 2012: First Look(NCES 2014-008) (Washington, DC: US Department of Education, 2013), 14, https://nces.ed.gov/pubs2014/2014008.pdf.

55. Roser and Ortiz-Ospina, “Literacy”; Bas van Leeuwen and Jieli van Leeuwen-Li, “Education Since 1820”, inHow Was Life?: Global Well-Being Since 1820, ed. Jan Luiten van Zanden et al. (Paris: OECD Publishing, 2014), http://dx.doi.org/10.1787/9789264214262-9-en; UNESCO Institute for Statistics, “Literacy Rate, Adult Total”; Tom Snyder, ed.,120 Years of American Education: A Statistical Portrait(Washington, DC: National Center for Education Statistics, 1993), excerpted at http://nces.ed.gov/naal/lit_history.asp.

56. Roser and Ortiz-Ospina, “Literacy”; van Leeuwen and van Leeuwen-Li, “Education Since 1820”; UNESCO Institute for Statistics, “Literacy Rate, Adult Total”; Snyder, ed.,120 Years of American Education; Buringh and van Zanden, “Charting the ‘Rise of the West’”, 409–45; Pamuk and van Zanden, “Standards of Living”, 229; “Illiteracy, 1870–2010, All Countries”, Montevideo-Oxford Latin American Economic History Data Base, accessed October 31, 2021, http://moxlad.cienciassociales.edu.uy/en; UNESCO Institute for Statistics, “Literacy Rate, Adult Total (% of People Ages 15 and Above) – Argentina, Brazil”, retrieved from Worldbank.org, September 2021, https://data.worldbank.org/indicator/SE.ADT.LITR.ZS?locations=AR-BR.

57. Hannah Ritchie et al., “Global Education”, Our World in Data, 2016, последняя проверка доступности 29 октября 2021 года, https://ourworldindata.org/global-education; Jong-Wha Lee and Hanol Lee, “Human Capital in the Long Run”,Journal of Development Economics122 (September 2016): 147–69, https://doi.org/10.1016/j.jdeveco.2016.05.006, data available at http://www.barrolee.com/Lee_Lee_LRdata_dn.htm.

58. Richie et al., “Global Education”; Lee and Lee, “Human Capital in the Long Run”; Vito Tanzi and Ludger Schuknecht,Public Spending in the 20th Century: A Global Perspective(Cambridge, UK: Cambridge University Press, 2000), https://www.google.com/books/edi tion/Public_Spending_in_the_20th_Century/kHl6xCgd3aAC?gbpv=1.

59. Richie et al., “Global Education”; Lee and Lee, “Human Capital in the Long Run”; Robert J. Barro and Jong Wha Lee, “A New Data Set of Educational Attainment in the World, 1950–2010”,Journal of Development Economics104 (September 2013): 184–98, https:// doi.org/10.1016/j.jdeveco.2012.10.001, data available at http://www.barrolee.com/data /yrsch2.htm.

60. “Human Development Index and Its Components”, United Nations Development Programme, accessed March 19, 2023, available for download at https://hdr.undp.org/sites /default/files/2021-22_HDR/HDR21-22_Statistical_Annex_HDI_Table.xlsx.

61. “Human Development Index and Its Components”, United Nations Development Programme.

62. National Center for Education Statistics, “Expenditures of Educational Institutions Related to the Gross Domestic Product, by Level of Institution: Selected Years, 1929–30 Through 2020–21”, inDigest of Education Statistics: 2021, US Department of Education, March 2023, https://nces.ed.gov/programs/digest/d21/tables/dt21_106.10.asp; “Consumer Price Index, 1913–”, Federal Reserve Bank of Minneapolis, accessed April 28, 2023, https://www.minneapolisfed.org/about-us/monetary-policy/inflation-calculator/consumer-price-index-1913-; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers: All Items in U.S. City Average (CPIAUCSL)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated April 12, 2023, https://fred.stlouisfed.org/series/CPI AUCSL.

63. National Center for Education Statistics, “Expenditures of Educational Institutions Related to the Gross Domestic Product”; “Consumer Price Index, 1913–”, Federal Reserve Bank

64. Программа развития ООН публикует самые подробные и достоверные данные, но только начиная с 1990 года. Данные за 1870–2017 гг., опубликованные организацией «Наш мир в данных» (Our World in Data), основываются на архивных источниках, которые не следуют общей методике. Чтобы сделать информацию сопоставимой и выявить изменения за весь промежуток времени, мы использовали данные ПРООН за период 1990–2021 гг., а данные НМД нормировали таким образом, чтобы не было расхождений с данными ПРООН за 1990-й. См. “Human Development Insights”, United Nations Development Programme Human Development Reports, accessed March 22, 2023, https:// hdr.undp.org/data-center/country-insights#/ranks; Roser and Ortiz-Ospina, “Global Education”; Lee and Lee, “Human Capital in the Long Run”; Barro and Lee, “New Data Set of Educational Attainment in the World, 1950–2010”.

65. Подробнее о роли заболеваний, переносимых водой, в истории здравоохранения: “What Exactly Is Typhoid Fever?”,Seeker, YouTube video, August 20, 2019, https://www.youtube.com/watch?v=N1lKW2CYU68; “The Pandemic the World Has Forgotten”,Seeker, YouTube video, September 8, 2020, https://www.youtube.com/watch?v=hj95IZMl ZWw; “The Story of Cholera”, Global Health Media Project, YouTube video, December 10, 2011, https://www.youtube.com/watch?v=jG1VNSCsP5Q; Theodore H. Tulchinsky and Elena A. Varavikova, “A History of Public Health”,The New Public Health, October 10, 2014, 1–42, https://doi.org/10.1016/B978-0-12-415766-8.00001-X.

66. Suzanne Spellen, “From Pakistan to Brooklyn: A Quick History of the Bathroom”,Brownstoner, November 28, 2016, https://www.brownstoner.com/architecture/victorian-bath room-history-plumbing-brooklyn-architecture-interiors; Anthony Mitchell Sammarco,The Great Boston Fire of 1872(Charleston, SC: Arcadia, 1997), 30, https://books.google.com/books?id=v3lzw5d2K8wC; Price V. Fishback,Soft Coal, Hard Choices: The Economic Welfare of Bituminous Coal Miners, 1890–1930(New York: Oxford University Press, 1992), 170, https://www.google.com/books/edition/Soft_Coal_Hard_Choices/EjnnCwAAQBAJ; Stanley Lebergott,Wealth and Want(Princeton, NJ: Princeton University Press, 1975), 7, https://www.google.com/books/edition/Wealth_and_Want/Lrx9BgAAQBAJ; “Historical Census of Housing Tables: Sewage Disposal”, US Census Bureau, 1990, revised October 8, 2021, https://www.census.gov/data/tables/time-series/dec/coh-sewage.html; Gary M. Walton and Hugh Rockoff,History of the American Economy, 13th ed. (Boston: Cengage Learning, 2017), 377.

67. Walton and Rockoff,History of the American Economy, 377; US Census Bureau, “Historical Census of Housing Tables: Sewage Disposal”.

68. См., например, Susan Carpenter, “After Two Years of Eco-Living, What Works and What Doesn’t”,Los Angeles Times, March 11, 2014, https://www.latimes.com/home/la-hm-realist-main-20101016-story.html.

69. Jane Otai, “Happy #WorldToiletDay! Here’s What It’s Like To Live Without One”, NPR, November 19, 2015, https://www.npr.org/sections/goatsandsoda/2015/11/19/456495448/happy-worldtoiletday-here-s-what-it-s-like-to-live-without-one.

70. WHO/UNICEF Joint Monitoring Programme (JMP) for Water Supply, Sanitation and Hygiene, “People Using Safely Managed Sanitation Services (% of Population)”, retrieved from worldbank.org, accessed October 12, 2021, https://data.worldbank.org/indicator /SH.STA.SMSS.ZS.

71. Stanley Lebergott,Pursuing Happiness: American Consumers in the Twentieth Century(Princeton, NJ: Princeton University Press, 1993), 102, https://www.google.com/books/edition /Pursuing_Happiness/bD0ABAAAQBAJ; US Census Bureau, “Historical Census of Housing Tables: Sewage Disposal”; Marc Jeuland et al., “Water and Sanitation: Economic Losses from Poor Water and Sanitation – Past, Present, and Future”, inHow Much Have Global Problems Cost the World?, ed. Bjørn Lomborg (Cambridge, UK: Cambridge University Press, 2013), 333; David A. Raglin, “Plumbing and Kitchen Facilities in Housing Units”, 2015 American Community Survey Research and Evaluation Report Memorandum Series No. ACS15-RER-06, US Census Bureau, May 29, 2015, 3, https://www.cen sus.gov/content/dam/Census/library/working-papers/2015/acs/2015_Raglin_01.pdf; Katie Meehan et al.,Plumbing Poverty in U.S. Cities: A Report on Gaps and Trends in Household Water Access, 2000 to 2017, King’s College London, September 27, 2021, 4, https://kclpure.kcl.ac.uk/portal/files/159767495/Plumbing_Poverty_in_US_Cities.pdf; US Census Bureau, “Total Households (TTLHH)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated November 21, 2022, https://fred.stlouisfed.org/series/TTLHH; WHO/ UNICEF Joint Monitoring Programme (JMP) for Water Supply, Sanitation, and Hygiene, “People Using at Least Basic Sanitation Services (% of Population)”, retrieved from World bank.org, accessed April 28, 2023, https://data.worldbank.org/indicator/SH.STA.BASS.ZS; WHO/UNICEF Joint Monitoring Programme (JMP) for Water Supply, Sanitation, and Hygiene, “Improved Sanitation Facilities (% of Population with Access)”, retrieved from Worldbank.org, updated January 25, 2018, accessed April 28, 2023, originally available at https://databank.worldbank.org/source/millennium-development-goals/Series/SH.STA.ACSN; World Health Organization and United Nations Children’s Fund,Progress on Sanitation and Drinking Water—2015 Update and MDG Assessment, World Health Organization, 2015, 14, https://data.unicef.org/wp-content/uploads/2015/12/Progress-on-Sanita tion-and-Drinking-Water_234.pdf;Progress on Household Drinking Water, Sanitation and Hygiene 2000–2020: Five Years into the SDGs(Geneva: World Health Organization and the United Nations Children’s Fund, 2021), 7, https://washdata.org/sites/default/files/2021-07/jmp-2021-wash-households.pdf.

72. Elizabeth Nix, “How Edison, Tesla and Westinghouse Battled to Electrify America”, History.com, October 24, 2019, https://www.history.com/news/what-was-the-war-of-the-cur rents; Harold D. Wallace Jr., “Power from the People: Rural Electrification Brought More than Lights”, National Museum of American History, February 12, 2016, https://americanhistory.si.edu/blog/rural-electrification; Stanley Lebergott,The American Economy: Income, Wealth and Want(Princeton, NJ: Princeton University Press, 1976), 334, https:// www.google.com/books/edition/The_American_Economy/HYV9BgAAQBAJ.

73. Подробнее об электрификации сельских районов Америки: “On the Line – Rural Electrification Administration Film”, Russell Library Audiovisual Collections, YouTube video, June 4, 2018, https://www.youtube.com/watch?v=DbAM-CwOxu0; General Electric, “More Power to the American Farmer—1946”, miSci: Museum of Innovation and Science, YouTube video, June 13, 2012, https://www.youtube.com/watch?v=aY5eFQTYkaw; US Department of Agriculture, Rural Electrification Administration,Rural Lines, USA: The Story of the Rural Electrification Administration’s First Twenty-five Years, 1935–1960, US Department of Agriculture Miscellaneous Publication No. 811 (1960), https://www.google.com /books/edition/Rural_Lines_USA/IBkuAAAAYAAJ; US Census Bureau,Historical Statistics of the United States: Colonial Times to 1970, part 1 (Washington, DC: US Census Bureau, 1975), 827, https://www.census.gov/history/pdf/histstats-colonial-1970.pdf.

74. US Census Bureau,Historical Statistics of the United States: Colonial Times to 1970, part 1.

75. Lily Odarno, “Closing Sub-Saharan Africa’s Electricity Access Gap: Why Cities Must Be Part of the Solution”, World Resources Institute, August 14, 2019, https://www.wri.org /blog/2019/08/closing-sub-saharan-africa-electricity-access-gap-why-cities-must-be-part-solution; Giacomo Falchetta et al., “Satellite Observations Reveal Inequalities in the Progress and Effectiveness of Recent Electrification in Sub-Saharan Africa”,One Earth2, no. 4 (April 24, 2020): 364–79, https://doi.org/10.1016/j.oneear.2020.03.007.

76. IEA, IRENA, UNSD, World Bank, and WHO, “Access to Electricity (% of Population)”, fromTracking SDG 7: The Energy Progress Report(Washington, DC: World Bank, 2023), https://data.worldbank.org/indicator/EG.ELC.ACCS.ZS.

77. Daron Acemoğlu and James A. Robinson,Why Nations Fail: The Origins of Power, Prosperity, and Poverty(New York: Crown, 2012).

78. Lebergott,The American Economy: Income, Wealth and Want, 334; US Census Bureau,Historical Statistics of the United States: Colonial Times to 1970, part 1; IEA, IRENA, UNSD, World Bank, and WHO, “Access to Electricity (% of Population)”; IEA, IRENA, UNSD, World Bank, and WHO, “Access to Electricity (% of Population) – United States”,

79. US Census Bureau, “Selected Communications Media: 1920 to 1998”,Statistical Abstract of the United States: 1999 (Washington, DC: US Census Bureau, 1999): 885, https://www.census.gov/history/pdf/radioownership1920-1998.pdf.

80. US Census Bureau, “Selected Communications Media: 1920 to 1998”.

81. “Kathleen Hall Jamieson on Talk Radio’s History and Impact”, PBS.org, February 13, 2004, https://web.archive.org/web/20170301204706/https://www.pbs.org/now/politics/talk radiohistory.html; “‘Radio’ Listening Dominates Audio In-Cat”, Edison Research, January 11, 2019, https://www.edisonresearch.com/am-fm-radio-still-dominant-audio-in-car; Aniko Bodroghkozy, ed.,A Companion to the History of American Broadcasting(Hoboken, NJ: Wiley, 2018).

82. Ezra Klein, “Something Is Breaking American Politics, but It’s Not Social Media”,Vox, April 12, 2017, https://www.vox.com/policy-and-politics/2017/4/12/15259438/social-media-political-polarization; Jeffrey M. Berry and Sarah Sobieraj, “Understanding the Rise of Talk Radio”,PS: Political Science and Politics44, no. 4 (October 2011): 762–67, https://www.jstor.org/stable/41319965.

83. “Audio and Podcasting Fact Sheet”, Pew Research Center, June 29, 2021, https://www.pewresearch.org /journalism/fact-sheet/audio-and-podcasting.

84. Подробнее об изобретении и первых днях развития телевидения: “The Invention of Television (1929)”, British Pathé, YouTube video, April 13, 2014, https://www.youtube.com/watch?v=nwJ2bMATIAM; “The Origins of Television”, Nirali Pathak, YouTube video, January 2, 2012, https://www.youtube.com/watch?v=uM7ZD5f9Pb8; “Evolution of Television 1920–2020”, Captain Gizmo, YouTube video, December 18, 2018, https://www.youtube.com/watch?v=PveVwQhNnq8; Albert Abramson,The History of Television, 1880–1941(Jefferson, NC: McFarland, 1987).

85. Подробнее о телевидении в 1939-м и о приостановке развития технологии во время Второй мировой войны: “What Television Was Like in 1939”, Smithsonian Channel, YouTube video, December 30, 2013, https://www.youtube.com/watch?v=wj_Mcpff-Ks; BBC, “Close Down of Television Service for the Duration of the War”, History of the BBC, accessed April 28, 2023, https://www.bbc.com/historyofthebbc/anniversaries/september/closedown-of-television; “Television Facts and Statistics—1939 to 2000”, TVhistory.tv, accessed March 31, 2022, https://web.archive.org/web/20220331223237/http://www.tvhistory.tv/facts-stats.htm.

86. Cobbett S. Steinberg,TV Facts, Facts on File (1980), 142, available in part at “Television Facts and Statistics—1939 to 2000”, TVhistory.tv, accessed March 31, 2022, https://web.archive.org/web/20220331223237/http://www.tvhistory.tv/facts-stats.htm.

87. Steinberg,TV Facts, 142.

88. Lance Venta, “Infinite Dial: Mean Number of Radios In Home Drops in Half Since 2008”, Radio Insight, March 20, 2020, https://radioinsight.com/headlines/184900/infinite-dial-mean-number-of-radios-in-home-drops-in-half-since-2008; “Mobile Fact Sheet”, Pew Research Center, April 7, 2021, https://www.pewresearch.org/internet/fact-sheet/mobile; US Census Bureau, “Selected Communications Media: 1920 to 1998”, 885; Douglas B. Craig,Fireside Politics: Radio and Political Culture in the United States, 1920–1940(Baltimore: Johns Hopkins University Press, 2000; paperback, 2006), 12, https://www.google.com/books/edition/Fireside_Politics/haWh203m7aIC; US Census Bureau, “Utilization of Selected Media: 1980 to 2005”,Statistical Abstract of the United States: 2008(Washington, DC: US Census Bureau, 2007): 704, https://www.census.gov/prod/2007pubs/08abstract/infocomm.pdf; US Census Bureau, “Utilization and Number of Selected Media: 2000 to 2009”,Statistical Abstract of the United States: 2012(Washington, DC: US Census Bureau, 2011): 712, https://www.google.com/books/edition/Statistical_Abstract_of_the_United_State/pW9NAQAAMAAJ.

89. Steinberg,TV Facts, 142; US Census Bureau, “Total Households (TTLHH)”; Jack W. Plunkett,Plunkett’s Entertainment & Media Industry Almanac 2006(Houston, TX: Plunkett Research, 2006), 35.

90. Во время подготовки книги в 2023-м последние опубликованные данные компании Nielsen относились к первой половине 2021-го. См. Plunkett,Plunkett’s Entertainment & Media Industry Almanac 2006, 35; “Nielsen Estimates 121 Million TV Homes in the U.S. for the 2020–2021 TV Season”, Nielsen Company, August 28, 2020, https://www.nielsen.com/us/en/insights/article/2020/nielsen-estimates-121-million-tv-homes-in-the-u-s-for-the-2020-2021-tv-season.

91. Rick Porter, “TV Long View: Five Years of Network Ratings Declines in Context”,Hollywood Reporter, September 21, 2019, https://www.hollywoodreporter.com/live-feed/five-years-network-ratings-declines-explained-1241524; Sapna Maheshwari and John Koblin, “Why Traditional TV Is in Trouble”,New York Times,May 13, 2018, https://www.nytimes.com /2018/05/13/business/media/television-advertising.html.

92. Подробнее о значении Altair 8800 в истории вычислительной техники: Jason Fitzpatrick, “The Computer That Changed Everything (Altair 8800)”, Computerphile, YouTube video, May 15, 2015, https://www.youtube.com/watch?v=cwEmnfy2BhI; “The PC That Started Microsoft & Apple! (Altair 8800)”, ColdFusion, YouTube video, March 18, 2016, https:// www.youtube.com/watch?v=X5lpOskKF9I.

93. US Census Bureau,Historical Statistics of the United States, Colonial Times to 1957(Washington, DC: US Government Publishing Office, 1960), 491, https://www.google.co.uk/books /edition/Historical_Statistics_of_the_United_Stat/hyI1AAAAIAAJ; US Census Bureau, “Total Households (TTLHH)”; Steinberg,TV Facts, 142; Plunkett,Plunkett’s Entertainment & Media Industry Almanac 2006, 35; “Nielsen: 109.6 Million TV Households in the U.S.”, HispanicAd.com, July 30, 2004, http://hispanicad.com/blog/news-article/had/research /nielsen-1096-million-tv-households-us; “Late News”,AdAge, August 29, 2005, https://adage.com/article/late-news/late-news/104427; TVTechnology, “Nielsen Reports Slight Increase in TV Households”, TV Tech, August 28, 2006, https://www.tvtechnology.com/news/nielsen-reports-slight-increase-in-tv-households; Variety Staff, “TV Nation: 112.8 Million Strong”,Variety, August 23, 2007, https://variety.com/2007/tv/opinion/tv-nation-1128-22127/?jwsource=cl; “Nielsen Reports Growth of 4.4 % in Asian and 4.3 % in Hispanic U.S. Households for 2008–2009 Television Season”, Nielsen Company, August 28, 2008, https://www.nielsen.com/wp-content/uploads/sites/3/2019/04/press_release34.pdf; “114.9 Million U.S. Television Homes Estimated for 2009–2010 Season”, Nielsen Company, August 29, 2009, https://www.nielsen.com/us/en/insights/article/2009/1149-million-us-televi sion-homes-estimated-for-2009-2010-season; “Number of U.S. TV Households Climbs by One Million for 2010–11 TV Season”, Nielsen Company, August 27, 2010, https://www.nielsen.com/us/en/insights/article/2010/number-of-u-s-tv-households-climbs-by-one-million-for-2010-11-tv-season; Cynthia Littleton, “Nielsen Tackles Web Viewing”,Variety, February 25, 2013, https://variety.com/2013/digital/news/nielsen-tackles-web-viewing-1118066529; “Nielsen Estimates 115.6 Million TV Homes in the U.S., Up 1.2 %”, Nielsen Company, May 7, 2013, https://www.nielsen.com/us/en/insights/article/2013/nielsen-estimates-115-6-million-tv-homes-in-the-u-s-up-1-2; “Nielsen Estimates More Than 116 Million TV Homes in the U.S.”, Nielsen Company, August 29, 2014, https://www.nielsen.com/us/en/insights/article/2014/nielsen-estimates-more-than-116-million-tv-homes-in-the-us; “Nielsen Estimates 116.4 Million TV Homes in the U.S. for the 2015–16 TV Season”, Nielsen Company, August 28, 2015, https://www.nielsen.com/us/en/in sights/article/2015/nielsen-estimates-116-4-million-tv-homes-in-the-us-for-the-2015-16-tv-season; “Nielsen Estimates 118.4 Million TV Homes in the U.S. for the 2016–17 TV Season”, Nielsen Company, August 26, 2016, https://www.nielsen.com/us/en/insights/article /2016/nielsen-estimates-118-4-million-tv-homes-in-the-us-for-the-2016-17-season; “Nielsen Estimates 119.6 Million TV Homes in the U.S. for the 2017–18 TV Season”, Nielsen Company, August 25, 2017, https://www.nielsen.com/us/en/insights/article/2017/nielsen-estimates-119-6-million-us-tv-homes-2017-2018-tv-season; “Nielsen Estimates 119.9 Million TV Homes in the U.S. for the 2018–2019 TV Season”, Nielsen Company, September 7, 2018, https://www.nielsen.com/us/en/insights/article/2018/nielsen-estimates-119-9-million-tv-homes-in-the-us-for-the-2018-19-season; “Nielsen Estimates 120.6 Million TV Homes in the U.S. for the 2019–2020 TV Season”, Nielsen Company, August 27, 2019, https://www.nielsen.com/us/en/insights/article/2019/nielsen-estimates-120-6-mil lion-tv-homes-in-the-u-s-for-the-2019-202-tv-season; “Nielsen Estimates 121 Million TV Homes in the U.S. for the 2020–2021 TV Season”.

94. Подробнее о том, как персональные компьютеры перевернули мир: Carrie Anne Philbin, “The Personal Computer Revolution: Crash Course Computer Science #25”, CrashCourse, YouTube video, August 23, 2017, https://www.youtube.com /watch?v=M5BZou6C01w; “History of Apple I and Steve Jobs’ Personal Computer”,TechCrunch, YouTube video, April 17, 2017, https://www.youtube.com/watch?v=LTJPdHei bOQ; “History of Microsoft —1975”, jonpaulmoen, YouTube video, December 18, 2010, https://www.youtube.com/watch?v=BLaMbaVT22E; Leo Rowe, “History of Personal Computers Part 1”, (fromTriumph of the Nerds, PBS, 1996), Chasing 80, YouTube video, December 17, 2013, https://www.youtube.com/watch?v=AIBr-kPgYuU; Gerard O’Regan,A Brief History of Computing, 2nd ed. (London: Springer, 2008).

95. “1984 Apple ’s Macintosh Commercial”, Mac History, YouTube

96. “Internet Host Count History”, Internet Systems Consortium, accessed May 18, 2012, https://web.archive.org/web/20120518101749/http://www.isc.org/solutions/survey/history; 3way Labs, “Internet Domain Survey, January, 2019”, Internet Systems Consortium, последняя проверка доступности 28 апреля 2023 года, http://ftp.isc.org/www/survey/reports/current.

97. “Internet Host Count History”, Internet Systems Consortium; 3way Labs, “Internet Domain Survey, January, 2019”.

98. Arielle Sumits, “The History and Future of Internet Traffic”, Cisco, August 28, 2015, https://blogs.cisco.com/sp/the-history-and-future-of-internet-traffic.

99. “QuickFacts United States”, US Census Bureau, accessed April 28, 2023, https://www.census.gov/quickfacts/fact/table/US/HCN010217; Michael Martin, “Computer and Internet Use in the United States: 2018”, American Community Survey Reports ACS-49, US Census Bureau, April 2021, https://www.census.gov/newsroom/press-releases/2021/computer-internet-use.html.

100. Оценка базируется в основном на данных Международного союза электросвязи. Хотя МСЭ напрямую не собирает данные о том, какая доля домохозяйств владеет компьютером, смартфоном или планшетом (что было бы оптимальной метрикой), эта организация может оценить процент домохозяйств с доступом в интернет – достаточно близкая величина. Мы можем заключить, что в этих домах имеется компьютер. Останется неучтенным определенное количество домохозяйств, в которых есть компьютер, но нет доступа в интернет, поэтому такая оценка является консервативной. См. “Statistics – Individuals Using the Internet”, International Telecommunication Union, January 31, 2023, https://www.itu.int/en/ITU-D/Statistics/Pages/stat/default.aspx; “Key ICT Indicators for Developed and Developing Countries”,ITU World Telecommunication/ICT Indicators Database.

101. Данные включают в себя компьютеры, планшеты и смартфоны. См. “Computer and Internet Access in the United States: 2012—Table 4: Households with a Computer and Internet Use: 1984 to 2012”, US Census Bureau, February 3, 2014, https://www2.census.gov/programs-surveys/demo/tables/computer-internet/2012/com puter-use-2012/table4.xls; Thom File and Camille Ryan, “Computer and Internet Use in the United States: 2013”, American Community Survey Reports ACS-28, US Census Bureau, November 2014, 3, https://www.census.gov/content/dam/Census/library/publications/2017/acs/acs-37.pdf; Camille Ryan and Jamie M. Lewis, “Computer and Internet Use in the United States: 2015”, American Community Survey Reports ACS-37, US Census Bureau, September 2017, 4, https://www.census.gov/content/dam/Census/library/publications/2017/acs/acs-37.pdf; Martin, “Computer and Internet Use in the United States: 2018”; International Telecommunication Union, “Key ICT Indicators for Developed and Developing Countries, the World and Special Regions (Totals and Penetration Rates)”, fromITU World Telecommunication/ICT Indicators Database, International Telecommunication Union, November 2020, https://www.itu.int/en/ITU-D/Statistics/Documents/facts /ITU_regional_global_Key_ICT_indicator_aggregates_Nov_2020.xlsx; “Statistics – Indi viduals Using the Internet”, International Telecommunication Union; International Telecommunication Union, “Key ICT Indicators for the World and Special Regions (Totals and Penetration Rates)”, ITU World Telecommunication/ICT Indicators database, November 2022, updated February 15, 2023, https://www.itu.int/en/ITU-D/Statistics/Documents/facts/ITU_regional_global_Key_ICT_indicator_aggregates_Nov_2022_revised _15Feb2023.xlsx.

102. “Drug Discovery and Development Process”, Novartis, YouTube video, January 14, 2011, https://www.youtube.com/watch?v=3Gl0gAcW8rw; Robert Gaynes, “The Discovery of Penicillin – New Insights After More than 75 Years of Clinical Use”,Emerging Infectious Diseases23, no. 5 (May 2017): 849–53, http://dx.doi.org/10.3201/eid2305.161556; Sabrina Barr, “Penicillin Allergy: How Common Is It and What Are the Symptoms”,Independent, October 23, 2018, https://www.independent.co.uk/life-style/health-and-families/penicillin-allergy-how-common-symptoms-antibiotic-drug-bacteria-a8597246.html.

103. Dan Usher,Political Economy(Malden, MA: Wiley, 2003), 5, https://books.google.com /books?id=-2210y5aPZgC; Max Roser, Hannah Ritchie, and Bernadeta Dadonaite, “Child and Infant Mortality”, Our World in Data, November 2019, https://ourworldindata.org/child-mortality; Anthony A. Volk and Jeremy A. Atkinson, “Infant and Child Death in the Human Environment of Evolutionary Adaptation”,Evolution and Human Behavior34, no. 3 (May 2013): 182–92, https://doi.org/10.1016/j.evolhumbehav.2012.11.007Get.

104. Mattias Lindgren, “Life Expectancy at Birth”,Gapminder, последняя проверка доступности 28 апреля 2023 года, https://www.gapminder.org/data/documentation/gd004.

105. Toshiko Kaneda, Charlotte Greenbaum, and Carl Haub,2021 World Population Data Sheet, Population Reference Bureau, August 2021, https://www.prb.org/wp-content/uploads /2021/08/letter-booklet-2021-world-population.pdf; Lindgren, “Life Expectancy at Birth”.

106. Терри Гроссман и я подробно описываем первый, второй и третий мост на пути к бессмертию в книге «Transcend. Девять шагов на пути к вечной жизни» (2009). В ней рассказывается о здоровье и долголетии. А четвертый мост – перенос нашего сознания на небиологические носители, что позволит его расширить и скопировать – более детально описывается в данной книге. См. Ray Kurzweil and Terry Grossman,Transcend: Nine Steps to Living Well Forever(Emmaus, PA: Rodale, 2009). (Перевод на русский язык: Transcend. Девять шагов на пути к вечной жизни; ООО «Манн, Иванов и Фербер», 2019.)

107. Lindgren, “Life Expectancy at Birth”.

108. “Products”, Sequencing.com, accessed March 25, 2023, https://web.archive.org/web/20230315065708/https://sequencing.com/products/purchase-kit; Elizabeth Pennisi, “A $100 Genome? New DNA Sequencers Could Be a ‘Game Changer’ for Biology, Medicine”,Science, June 15, 2022, https://www.science.org/content/article/100-genome-new-dna-sequencers-could-be-game-changer-biology-medicine; Kris A. Wetterstrand, “The Cost of Sequencing a Human Genome”, National Human Genome Research Institute, accessed April 28, 2023, https://www.genome.gov/about-genomics/fact-sheets/Sequencing-Human-Genome-cost; Kris A. Wetterstrand, “DNA Sequencing Costs: Data”, National Human Genome Research Institute, November 1, 2021, https://www.genome.gov/about-genomics/fact-sheets/DNA-Sequencing-Costs-Data; Andrew Carroll and Pi-Chuan Chang, “Improving the Accuracy of Genomic Analysis with DeepVariant 1.0”,Google AI Blog, Google Research, September 18, 2020, https://ai.googleblog.com/2020/09/improving-accuracy-of-genomic-analysis.html.

109. Подробнее об использовании нейросетей в клинической медицине: Bernard Marr, “How Is AI Used in Healthcare—5 Powerful Real-World Examples that Show the Latest Advances”,Forbes,July 27, 2018, https://www.forbes.com/sites/bernardmarr/2018 /07/27/how-is-ai-used-in-healthcare-5-powerful-real-world-examples-that-show-the-latest-advances/#55fa6ef05dfb; Giovanni Briganti and Olivier Le Moine, “Artificial Intelligence in Medicine: Today and Tomorrow”,Frontiers in Medicine7, article 27 (February 5, 2020), https://doi.org/10.3389/fmed.2020.00027.

110. В главе 6 мы гораздо подробнее обсудим факторы, ограничивающие срок человеческой жизни 120 годами. Как мы узнаем, в последние несколько лет исследователи обнаружили конкретные биохимические процессы, вызывающие старение, и сейчас, в 2023-м, ведутся активные работы по каждому из направлений. Это не значит, что мы сможем раз и навсегда победить старение и жить вечно, но рано или поздно наступит поворотный момент, после которого каждый год достижения медицины будут прибавлять к ожидаемой продолжительности нашей жизни более одного года и прогресс достигнет в некотором смысле «скорости убегания от старения».

111. В связи с искажениями, вызванными пандемией COVID-19, 2020-й – последний год, для которого во время написания книги существовали корректные таблицы ожидаемой продолжительности жизни граждан Великобритании. См. “English Life Tables”, Office for National Statistics (United Kingdom), September 1, 2015, https://www.ons.gov.uk/file?uri=%2fpeoplepopulationandcommunity%2fbirthsdeathsandmarriages%2flifeexpectancies%2fdatasets%2f2englishlifetables%2fcurrent/eolselt1to17_tcm77-414359.xls; “National Life Tables, United Kingdom, Period Expectation of Life, Based on Data for the Years 2018–2020”, Office for National Statistics (United Kingdom), September 23, 2021, https://www.ons.gov.uk/file?uri=%2Fpeoplepopulationandcommunity%2Fbirth sdeathsandmarriages%2Flifeexpectancies%2Fdatasets%2Fnationallifetablesunitedking domreferencetables%2Fcurrent/nationallifetables3yruk.xlsx.

112. В связи с искажениями, вызванными пандемией COVID-19, 2020-й – последний год, для которого во время написания книги существовали корректные таблицы ожидаемой продолжительности жизни граждан США. См. United Nations Department of Economic and Social Affairs, Population Division,World Population Prospects 2019—Special Aggregates, Online Edition, rev. 1. (United Nations, 2019), https://population.un.org/wpp/Download/Files/3_Indicators%20(Special%20Aggregates)/EXCEL_FILES/5_Geographical/Mortality/WPP2019_SA5_MORT_F16_1_LIFE_EXPECTANCY_BY_AGE_BOTH_SEXES.XLSX.

113. Max Roser and Esteban Ortiz-Ospina, “Global Extreme Poverty”, Our World in Data, March 27, 2017, https://ourworldindata.org/extreme-poverty; François Bourguignon and Christian

114. Понятный и убедительный иллюстрированный обзор глобального экономического развития и процессов индустриализации: Council on Foreign Relations, “Global Development Explained | World101”, CFR Education, YouTube video, June 18, 2019, https://www.you tube.com/watch?v=Po0°3Gk9FPQ; “Hans Rosling’s 20 °Countries, 200 Years, 4 Minutes – the Joy of Stats – BBC Four”, BBC, YouTube video, November 26, 2010, https:// www.youtube.com/watch?v=jbkSRLYSojo; “The History of International Development | Max Roser | EAGxOxford 2016”, Centre for Effective Altruism, YouTube video, April 16, 2017, https://www.youtube.com/watch?v=XbBn8OEqL4k; Max Roser, “The Short History of Global Living Conditions and Why It Matters That We Know It”, Our World in Data, accessed October 29, 2021, https://ourworldindata.org/a-history-of-global-living-conditions-in-5-charts; Bourguignon and Morrisson, “Inequality Among World Citizens: 1820–1992”.

115. Подробнее об ускоренном (и часто неуправляемом) развитии сельского хозяйства в Китае и Индии: Yi Wen, “China’s Rapid Rise: From Backward Agrarian Society to Industrial Powerhouse in Just 35 Years”, Federal Reserve Bank of St. Louis, April 12, 2016, https://www.stlouisfed.org/publications/regional-economist/april-2016/chi nas-rapid-rise-from-backward-agrarian-society-to-industrial-powerhouse-in-just-35-years; Xiao-qiang Jiao, Nyamdavaa Mongol, and Fusuo Zhang, “The Transformation of Agriculture in China: Looking Back and Looking Forward”,Journal of Integrative Agriculture17, no. 4 (April 2018): 755–64, https://doi.org/10.1016/S2095-3119(17)61774-X; Amarnath Tripathi and A. R. Prasad, “Agricultural Development in India Since Independence: A Study on Progress, Performance, and Determinants”,Journal of Emerging Knowledge on Emerging Markets1, no. 1 (November 2009): 63–92, https://digitalcommons.kennesaw.edu/cgi/viewcontent.cgi?article=1007&context=jekem; M. S. Swaminathan,50 Years of Green Revolution: An Anthology of Research Papers(Singapore: World Scientific, 2017); Francine R. Frankel,India’s Green Revolution: Economic Gains and Political Costs(Princeton, NJ: Princeton University Press, 1971).

116. World Bank Development Research Group, “Poverty Headcount Ratio at $2.15 a Day”.

117. World Bank, “Regional Aggregation Using 2011 PPP and $1.9/Day Poverty Line”, PovcalNet: The On-line Tool for Poverty Measurement Developed by the Development Research Group of the World Bank, September 1, 2022, https://web.archive.org/web/20220901035616/http://iresearch.worldbank.org/PovcalNet/povDuplicateWB.aspx.

118. “Regional Aggregation Using 2011 PPP”, World Bank; Eric W. Sievers,The Post-Soviet Decline of Central Asia: Sustainable Development and Comprehensive Capital(London: Routledge Curzon, 2003).

119. David Hulme, “The Making of the Millennium Development Goals: Human Development Meets Results-Based Management in an Imperfect World”, (BWPI working paper 16, Brooks World Poverty Institute, December 2007), https://sustainabledevelopment.un.org/content/documents/773bwpi-wp-1607.pdf.

120. Подробнее о «Целях развития тысячелетия» и их значении для общества: United Nations Department of Economic and Social Affairs,The Millennium Development Goals Report 2015(New York: United Nations, April 2016), https://www.un.org/millenniumgoals/2015_MDG_Report/pdf/MDG%202015%20rev%20(July%201). pdf; Hannah Ritchie and Max Roser, “Now It Is Possible to Take Stock – Did the World Achieve the Millennium Development Goals?”, Our World in Data, September 20, 2018, https://ourworldindata.org/millennium-development-goals; Charles Kenny, “MDGs to SDGs: Have We Lost the Plot?”, Center for Global Development, May 27, 2015, https://www.cgdev.org/publication/mdgs-sdgs-have-we-lost-plot.

121. World Bank Development Research Group, “Poverty Headcount Ratio at $2.15 a Day (2017 PPP) (% of population) – United States”, World Bank, accessed April 28, 2023, https://data.worldbank.org/indicator/SI.POV.DDAY?locations=US.

122. Emily A. Shrider et al.,Income and Poverty in the United States: 2020, Current Population Reports P60–273, US Census Bureau, September 2021, 56, https://www.census.gov/con tent/dam/Census/library/publications/2021/demo/p60-273.pdf.

123. David R. Dickens Jr. and Christina Morales, “Income Distribution and Poverty in Nevada”, inThe Social Health of Nevada: Leading Indicators and Quality of Life in the Silver State, ed. Dmitri N. Shalin (Las Vegas: UNLV Center for Democratic Culture Publications, 2006): 1–24, https://digitalscholarship.unlv.edu/cgi/viewcontent.cgi?article=1019 &context=social_health_nevada_reports; Shrider et al.,Income and Poverty in the United States: 2020, 56.

124. Shrider et al.,Income and Poverty in the United States: 2020, 14, 17.

125. Подробнее о том, как определяется в США черта бедности, см. Institute for Research on Poverty, “What Are Poverty Thresholds and Poverty Guidelines?”, University of Wisconsin – Madison, accessed April 28, 2023, https://www.irp.wisc.edu/resources /what-are-poverty-thresholds-and-poverty-guidelines/#:~:text=9902; Institute for Research on Poverty, “How Is Poverty Measured?”, University of Wisconsin – Madison, accessed April 28, 2023, https://www.irp.wisc.edu/resources/how-is-poverty-measured.

126. John Creamer et al., US Census Bureau,Poverty in the United States: 2021(Washington, DC: US Government Publishing Office, September 2022), 25, https://www.census.gov /content/dam/Census/library/publications/2022/demo/p60-277.pdf.

127. Creamer et al.,Poverty in the United States: 2021, 25, 36.

128. Creamer et al.,Poverty in the United States: 2021, 25.

129. “MIT OpenCourseWare at 20”, MIT OpenCourseWare, YouTube video, April 12, 2021, https://www.youtube.com/watch?v=0aAEamhJHUI.

130. Creamer et al.,Poverty in the United States: 2021, 25; World Bank Development Research Group, “Poverty Headcount Ratio at $2.15 a Day – United States”.

131. Max Roser and Esteban Ortiz-Ospina, “Global Extreme Poverty – World Population Living in Extreme Poverty, World, 1820 to 2015”, Our World in Data, March 27, 2017, updated 2019, https://ourworldindata.org/grapher/world-population-in-extreme-poverty-absolute; Bourguignon and Morrisson, “Inequality Among World Citizens: 1820–1992”; World Bank Development Research Group, “Poverty Headcount Ratio at $2.15 a Day”; World Bank, “Regional Aggregation Using 2011 PPP and $1.9/Day Poverty Line”; World Bank, Development Research Group, “Poverty Headcount Ratio at $2.15 a day (2017 PPP) (% of population) – United States”.

132. Office of the Assistant Secretary for Planning and Evaluation, “HHS Poverty Guidelines for 2023”, US Department of Health and Human Services, January 19, 2023, https://aspe.hhs.gov/poverty-guidelines.

133. US Bureau of Economic Analysis, “Personal Income per Capita (A792RC0A052NBEA)”, получено от: FRED, Federal Reserve Bank of St. Louis, обновлено 30 марта 2023 года, https:// fred.stlouisfed.org/series/A792RC0A052NBEA; “Consumer Price Index, 1913–”, Federal Reserve Bank of Minneapolis; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers”.

134. US Bureau of Economic Analysis, “Personal Income Per Capita (A792RC0A052NBEA)”; Peter H. Lindert and Jeffrey G. Williamson, “American Incomes 1774–1860” (working paper 18396, National Bureau of Economic Research, September 2012), 33, https://www.nber.org/system/files/working_papers/w18396/w18396.pdf; Alexander Klein, “New StateLevel Estimates of Personal Income in the United States, 1880–1910,” inResearch in Economic History, vol. 29, ed. Christopher Hanes and Susan Wolcott (Bingley, UK: Emerald Group, 2013), 220, https://doi.org/10.1108/S0363-3268(2013)0000029008; “Consumer Price Index, 1800–”, Federal Reserve Bank of Minneapolis, accessed April 28, 2023, https://www.minneapolisfed.org/about-us/monetary-policy/inflation-calculator/consumer-price-index-1800-.

135. Dickens and Morales, “Income Distribution and Poverty in Nevada”, 1; Creamer et al.,Poverty in the United States: 2021, 25.

136. Bourguignon and Morrisson, “Inequality Among World Citizens: 1820–1992”; World Bank Development Research Group, “Poverty Headcount Ratio at $2.15 a Day”; World Bank Development Research Group, “Poverty Headcount Ratio at $2.15 a Day (2017 PPP) (% of population) – United States”.

137. Jutta

138. Bolt and van Zanden,Maddison Project Database; Bolt and van Zanden, “Maddison Style Estimates of the Evolution of the World Economy”; US Bureau of Economic Analysis, “Real Gross Domestic Product per Capita (A939RX0Q048SBEA)”; “Consumer Price Index, 1913–,” Federal Reserve Bank of Minneapolis; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers”; McCusker, “Colonial Statistics”, V-671; Sutch, “National Income and Product”; Prados de la Escosura, “Lost Decades?”; Bolt et al., “Rebasing ‘Maddison’”.

139. Bolt and van Zanden,Maddison Project Database; Bolt and van Zanden, “Maddison Style Estimates of the Evolution of the World Economy”; US Bureau of Economic Analysis, “Real Gross Domestic Product Per Capita (A939RX0Q048SBEA)”; “Consumer Price Index, 1913”, Federal Reserve Bank of Minneapolis; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers”; McCusker, “Colonial Statistics”, V-671; Sutch, “National Income and Product”; Prados de la Escosura, “Lost Decades?”; Bolt et al., “Rebasing ‘Maddison’”.

140. Max Roser, “Working Hours”, Our World in Data, 2013, https://ourworldindata.org/work ing-hours; Michael Huberman and Chris Minns, “The Times They Are Not Changin’: Days and Hours of Work in Old and New Worlds, 1870–2000”,Explorations in Economic History44, no. 4 (July 12, 2007): 548, https://personal.lse.ac.uk/minns/Huberman_Minns_EEH_2007.pdf; University of Groningen and University of California, Davis, “Average Annual Hours Worked by Persons Engaged for United States (AVHWPEUSA065NRUG)”, retrieved from FRED, Federal Reserve Bank of St. Louis, January 21, 2021, https://fred.stlouisfed.org/series/AVHWPEUSA065NRUG.

141. US Census Bureau, “Real Median Personal Income in the United States (MEPAINUSA672N)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated September 13, 2022, https://fred.stlouisfed.org/series/MEPAINUSA672N; “Consumer Price Index, 1913–”, Federal Reserve Bank of Minneapolis; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers”.

142. US Bureau of Economic Analysis, “Personal Income Per Capita (A792RC0A052NBEA)”; Lindert and Williamson, “American Incomes 1774–1860”; Klein, “New State-Level Estimates of Personal Income in the United States, 1880–1910”, 220; “Consumer Price Index, 1800–”, Federal Reserve Bank of Minneapolis; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers”.

143. US Bureau of Economic Analysis, “Personal Income Per Capita (A792RC0A052NBEA)”; Huberman and Minns, “The Times They Are Not Changin’”, 548; University of Groningen and University of California, Davis, “Average Annual Hours Worked by Persons Engaged for United States; “Consumer Price Index, 1913–”, Federal Reserve Bank of Minneapolis.

144. Bolt and van Zanden,Maddison Project Database; US Bureau of Economic Analysis, “Population (B230RC0A052NBEA)”; US Bureau of Economic Analysis, “Personal Income (PI)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated February 24, 2023, https://fred.stlouisfed.org/series/PI; US Bureau of Economic Analysis, “Hours Worked by Full-Time and Part-Time Employees (B4701C0A222NBEA)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated October 12, 2022, https://fred.stlouis fed.org/series/B4701C0A222NBEA; Stanley Lebergott, “Labor Force and Employment, 1800–1960”, inOutput, Employment, and Productivity in the United States After 1800, ed. Dorothy S. Brady (Washington, DC: National Bureau of Economic Research, 1966), 118, https://www.nber.org/chapters/c1567.pdf; US Census Bureau,Statistical Abstract of the United States: 1999(Washington, DC: US Census Bureau, 1999): 879, https://www.census.gov/prod/99pubs/99statab/sec31.pdf; Stanley Lebergott, “Labor Force, Employment, and Unemployment, 1929–39 Estimating Methods”,Monthly Labor Review67, no. 1 (July 1948): 51, https://www.bls.gov/opub/mlr/1948/article/pdf/labor-force-employment-and-unemployment-1929-39-estimating-methods.pdf; Huberman and Minns, “The Times They Are Not Changin’”, 548; US Bureau of Labor Statistics, “Employment Level (CE16OV)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated March 10, 2023, https://fred.stlouisfed.org/series/CE16OV; “Consumer Price Index, 1800–”, Federal Reserve Bank of Minneapolis; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers”.

145. Huberman and Minns, “The Times They Are Not Changin’”, 548.

146. Коротко о том, какую роль сыграло рабочее движение в США в вопросе сокращения рабочего времени, а также ряд подробных современных материалов: “History of the 40-Hour Workweek”, CNBC Make It, YouTube video, May 3, 2017, https://www.youtube.com /watch?v=BcRlq-Hrtc0; “The 40 Hour Work Week”, Prosocial Progress Foundation, YouTube video, December 3, 2017, https://www.youtube.com/watch?v=7KtJNYZySjU; Shana Lebowitz and Marguerite Ward, “Most Americans Support Andrew Yang’s Call for a 4-Day Workweek – But Before Any Policy Changes, We Should Understand Why the 5-Day, 40-Hour Workweek Was So Revolutionary”,Business Insider, June 12, 2020, https://www.businessinsider.com/history-of-the-40-hour-workweek-2015-10; George E. Barnett, “Growth of Labor Organization in the United States, 1897–1914”,Quarterly Journal of Economics30, no. 4 (August 1916): 780–95, http://www.jstor.com/stable/1884242; Leo Wolman,The Growth of American Trade Unions, 1880–1923(New York: National Bureau of Economic Research, 1924).

147. Huberman and Minns, “The Times They Are Not Changin’”, 548.

148. Huberman and Minns, “The Times They Are Not Changin’”, 548.

149. Huberman and Minns, “The Times They Are Not Changin’”, 548; University of Groningen and University of California, Davis, “Average Annual Hours Worked by Persons Engaged for United States”.

150. В этой главе мы сосредоточились на тенденции к процветанию в США и других странах-членах ОЭСР, но не потому, что нам они кажутся важнее остальных, просто они успели продвинуться дальше вдоль экспоненциальной кривой роста экономики. Вдобавок в развивающихся странах зачастую не собирается достаточно подробная статистика, что затрудняет исследование господствующих тенденций в соответствующих частях света. См. Huberman and Minns,

151. Подробнее о происходящих переменах и их вероятных долгосрочных последствиях: Rani Molla, “Office Work Will Never Be the Same”,Vox, May 21, 2020, https://www.vox.com/recode/2020/5/21/21234242/coronavirus-covid-19-remote-work-from-home-office-reopening; Gil Press, “The Future of Work Post-Covid-19”,Forbes,July 15, 2020, https://www.forbes.com/sites/gilpress/2020/07/15/the-future-of-work-post-covid-19/#3c9ea15e4baf; Nick Routley, “6 Charts That Show What Employers and Employees Really Think About Remote Working”, World Economic Forum, June 3, 2020, https://www.weforum.org/agenda/2020/06 /coronavirus-covid19-remote-working-office-employees-employers; Matthew Dey et al., “Ability to Work from Home: Evidence from Two Surveys and Implications for the Labor Market in the COVID-19 Pandemic”,Monthly Labor Review(US Bureau of Labor Statistics), June 2020, https://doi.org/10.21916/mlr.2020.14.

152. Huberman and Minns, “The Times They Are Not Changin’”, 548; University of Groningen and University of California, Davis, “Average Annual Hours Worked by Persons Engaged for United States”; Feenstra, Inklaar, and Timmer, “The Next Generation of the Penn World Table”, 3150–82; OECD Statistics, “Average Annual Hours Actually Worked per Worker”, Organisation for Economic Co-operation and Development, retrieved October 22, 2021, https://stats.oecd.org/Index.aspx?DataSetCode=ANHRS.

153. International Labour Office,Marking Progress Against Child Labour: Global Estimates and Trends 2000–2012(Geneva, Switzerland: International Labour Organization, 2013), 16, http://www.ilo.org/wcmsp5/groups/public/@ed_norm/@ipec/documents/publication /wcms_221513.pdf.

154. International Labour Office,Marking Progress Against Child Labour, 3; International Labour Office,Global Estimates of Child Labour: Results and Trends, 2012–2016(Geneva, Switzerland: International Labour Organization, 2017), 9, http://www.ilo.org/wcmsp5/groups /public/-dgreports/-dcomm/documents/publication/wcms_575499.pdf; International Labour Office and United Nations Children’s Fund,Child Labour: Global Estimates 2020, Trends and the Road Forward(Geneva, Switzerland: ILO and UNICEF, 2021), 23, https:// www.ilo.org/wcmsp5/groups/public/-ed_norm/-ipec/documents/publication/wcms_797515.pdf; US Department of Labor,2021 Findings on the Worst Forms of Child Labor(Washington, DC: US Department of Labor, 2022), https://www.dol.gov/sites/dolgov/files/ILAB/child_labor_reports/tda2021/2021_TDA_Big_Book.pdf.

155. International Labour Office,Marking Progress Against Child Labour, 3; International Labour Office,Global Estimates of Child Labour: Results and Trends, 2012–2016, 9; International Labour Office and United Nations Children’s Fund,Child Labour: Global Estimates 2020, Trends and the Road Forward, 23, 82.

156. United Nations Office on Drugs and Crime,Global Study on Homicide: Executive Summary(Vienna: United Nations, July 2019), 26–28, https://www.unodc.org/documents/data-and-analysis/gsh/Booklet1.pdf.

157. В 1325 году в Англии на 100 000 человек приходилось 21,4 убийства в год. К 1575 году этот показатель снизился до 5,2, к 1675 году – до 3,5, а к 1862 году – до 1,6 и с тех пор остается ниже этого уровня. В Италии этот показатель составлял 71,7 в 1375 году, 7,0 в 1862 году и 0,9 в 2010 году. См. Max Roser and Hannah Ritchie, “Homicides”, Our World in Data, December 2019, https://ourworldindata.org/homicides; Manuel Eisner, “From Swords to Words: Does Macro-Level Change in Self-Control Predict Long-Term Variation in Levels of Homicide?”,Crime and Justice43, no. 1 (September 2014): 80–81, https://doi.org/10.1086/677662; UN Office on Drugs and Crime, “Intentional Homicides (per 100,000 People) – France, Netherlands, Sweden, Germany, Switzerland, Italy, United Kingdom, Spain”, retrieved from Worldbank.org, accessed March 25, 2023, https://data.worldbank.org/indicator/VC.IHR.PSRC.P5?end=2020&locations= FR-NL-SE-DE-CH-IT-GB-ES&start=2020&view=bar; “Appendix Tables: Homicide in England and Wales”, UK Office for National Statistics, February 9, 2023, https://www.ons.gov.uk/file?uri=/peoplepopulationandcommunity/crimeandjustice/datasets/appendixtables homicideinenglandandwales/current/homicideyemarch22appendixtables.xlsx.

158. Этот график в основном строится на массиве данных под названием «Статистика убийств в Западной Европе с 1250 по 2017 год» проекта «Наш мир в данных». Однако в последней версии этого датасета период с 1950-го построен на информации от Всемирной организации здравоохранения, собранной в медицинских целях и существенно недооценивающей уровень убийств по сравнению со статистикой правоохранительной системы. Поэтому данные ВОЗ сложно напрямую сравнивать с информацией за прошлые периоды, в основном полученной из архивных исследований Эйснера (2014). Вместо этого за период с 1990-го использована информация из базы данных по международному статистическому учету убийств, созданной Управлением ООН. В период 2019–2021 гг. отчетный год в Великобритании начинался с апреля и заканчивался в марте, поэтому были вычислены взвешенные средние, чтобы сопоставить информацию за эти годы с данными за все остальные периоды, собиравшимися с января по декабрь. См. Roser and Ritchie, “Homicides”; Eisner, “From Swords to Words”, 80–81; UN Office on Drugs and Crime, “Intentional Homicides (per 100,000 People) – France, Netherlands, Sweden, Germany, Switzerland, Italy, United Kingdom, Spain”; “Appendix Tables: Homicide in England and Wales”, UK Office for National Statistics.

159. Alexia Cooper and Erica L. Smith,Homicide Trends in the United States, 1980–2008(Washington, DC: US Department of Justice, Bureau of Justice Statistics, November 2011), 2, https://www.bjs.gov/content/pub/pdf/htus8008.pdf; “Crime in the United States: By Volume and Rate per 100,000 Inhabitants, 1999–2018”, Federal Bureau of Investigation, accessed April 28, 2023, https://ucr.fbi.gov/crime-in-the-u.s/2018/crime-in-the-u.s.-2018 /topic-pages/tables/table-1; Federal Bureau of Investigation, “Crime Data Explorer: Expanded Homicide Offense Counts in the United States”, US Department of Justice, Federal Bureau of Investigation, accessed April 28, 2023, https://cde.ucr.cjis.gov/LATEST /webapp/#/pages/explorer/crime/shr; Emily J. Hanson, “Violent Crime Trends, 1990–2021”, Congressional Research Service report IF12281, December 12, 2022, https://sgp.fas.org/crs/misc/IF12281.pdf; US Bureau of Economic Analysis, “Population (B230R-C0A052NBEA)”.

160. Подробнее о влиянии сухого закона на уровень преступности и насилия в США: “How Prohibition Created the Mafia”, History, YouTube video, February 21, 2019, https://www.you tube.com/watch?v=N-K60XXaPKw; Dave Roos, “How Prohibition Put the ‘Organized’ in Organized Crime”, History.com, February 22, 2019, https://www.history.com/news/prohibition-organized-crime-al-capone; Bureau of Justice Statistics, “Key Facts at a Glance: Homicide Rate Trends”, US Department of Justice, accessed September 29, 2006, https:// web.archive.org/web/20060929061431/http://www.ojp.usdoj.gov/bjs/glance/tables/hmrt tab.htm.

161. Подробнее о борьбе с наркотиками в США и ее влиянии на уровень насилия: “Why The War on Drugs Is a Huge Failure”, Kurzgesagt – In a Nutshell, YouTube video, March 1, 2016, https://www.youtube.com/watch?v= wJUXLqNHCaI; German Lopez, “The War on Drugs, Explained”,Vox, May 8, 2016, https://www.vox.com/2016/5/8/18089368/war-on-drugs-marijuana-cocaine-heroin-meth; PBS, “Thirty Years of America’s Drug War: A Chronology”,Frontline, accessed April 28, 2023, https://www.pbs.org/wgbh/pages/frontline/shows/drugs/cron; Bureau of Justice Statistics, “Key Facts at a Glance: Homicide Rate Trends”.

162. Подробнее о теории разбитых окон и профилактике преступлений: George L. Kelling and James Q. Wilson, “Broken Windows: The Police and Neighborhood Safety”,Atlantic, March 1982, https://www.theatlantic.com/magazine/archive/1982/03/broken-windows /304465/?single_page=true; “Broken Windows Policing”, Center for Evidence-Based

163. “Lead for Life – The History of Leaded Gasoline – An Excerpt”, fromLate Lessons from Early Warnings, Jakob Gottschau, YouTube video, September 16, 2013, https://www.you tube.com/watch?v=pqg9jH1xwjI; Jennifer L. Doleac, “New Evidence That Lead Exposure Increases Crime”, Brookings Institution, June 1, 2017, https://www.brookings.edu/blog /up-front/2017/06/01/new-evidence-that-lead-exposure-increases-crime.

164. Bureau of Justice Statistics, “Key Facts at a Glance: Homicide Rate Trends”; James Alan Fox and Marianne W. Zawitz,Homicide Trends in the United States(Washington, DC: Bureau of Justice Statistics, 2010), 9–10, https://www.bjs.gov/content/pub/pdf/htius.pdf; “Crime in the United States: By Volume and Rate per 100,000 Inhabitants, 1999–2018”, Federal Bureau of Investigation; Federal Bureau of Investigation, “Crime Data Explorer: Expanded Homicide Offense Counts in the United States”; Hanson, “Violent Crime Trends, 1990–2021”; US Bureau of Economic Analysis, “Population (B230RC0A052NBEA)”.

165. Ann L. Pastore and Kathleen Maguire, eds.,Sourcebook of Criminal Justice Statistics(Washington, DC: US Department of Justice, Bureau of Justice Statistics, 2005), 278–79, https:// www.ojp.gov/pdffiles1/Digitization/208756NCJRS.pdf; “Crime in the United States: By Volume and Rate per 100,000 Inhabitants, 1999–2018”, Federal Bureau of Investigation; Federal Bureau of Investigation, “Crime Data Explorer: Expanded Homicide Offense Counts in the United States”; Hanson, “Violent Crime Trends, 1990–2021”; US Bureau of Economic Analysis, “Population (B230RC0A052NBEA)”.

166. Steven Pinker,The Better Angels of Our Nature: Why Violence Has Declined(New York: Penguin, 2011), 60–91.

167. Pinker,Better Angels of Our Nature, 60.

168. Pinker,Better Angels of Our Nature, 49, 53, 63–64.

169. Pinker,Better Angels of Our Nature, 52–53.

170. Pinker,Better Angels of Our Nature, 193–98.

171. Pinker,Better Angels of Our Nature, 175–77, 580–92; Peter Singer,The Expanding Circle: Ethics, Evolution, and Moral Progress(Princeton, NJ: Princeton University Press, 1981).

172. Подробные обзоры результатов, полученных благодаря ИИ в задачах поиска новых материалов для солнечной энергетики и аккумуляторов: Elizabeth Montalbano, “AI Enables Design of Spray-on Coating That Can Generate Solar Energy”,Design News, December 26, 2019, https://www.designnews.com/materials-assembly/ai-enables-design-spray-coating-can-generate-solar-energy; Shinji Nagasawa, Eman Al-Naamani, and Akinori Saeki, “Computer-Aided Screening of Conjugated Polymers for Organic Solar Cell: Classification by Random Forest”,Journal of Physical Chemistry Letters9, no. 10 (May 7, 2018): 2639–46, https://doi.org/10.1021/acs.jpclett.8b00635; Geun Ho Gu et al., “Machine Learning for Renewable Energy Materials”,Journal of Materials Chemistry A7, no. 29 (April 30, 2019): 17096–117, https://doi.org/10.1039/C9TA02356A; Ziyi Luo et al., “A Survey of Artificial Intelligence Techniques Applied in Energy Storage Materials R&D”,Frontiers in Energy Research8, no. 116 (July 3, 2020), https://doi.org/10.3389/fenrg.2020.00116; An Chen, Xu Zhang, and Zhen Zhou, “Machine Learning: Accelerating Materials Development for Energy Storage and Conversion”,InfoMat2, no. 3 (February 23, 2020): 553–76, https://doi.org/10.1002/inf2.12094; Xinyi Yang et al., “Development Status and Prospects of Artificial Intelligence in the Field of Energy Conversion Materials”,Frontiers in Energy Research8, no. 167 (July 31, 2020), https://doi.org/10.3389/fenrg.2020.00167; Teng Zhou, Zhen Song, and Kai Sundmacher, “Big Data Creates New Opportunities for Materials Research: A Review on Methods and Applications of Machine Learning for Materials Design”,Engineering5, no. 6 (December 2019): 1017–26, https://doi.org/10.1016/j.eng.2019.02.011.

173. Hannah Ritchie and Max Roser, “Renewable Energy”, Our World in Data, последняя проверка доступности 28 апреля 2023 года, https://ourworldindata.org/renewable-energy; International Energy Agency Statistics/OECD, “Electricity Production from Renewable Sources, Excluding Hydroelectric (% of Total)”, retrieved from Worldbank.org, 2014, https://data.worldbank.org/indicator/EG.ELC.RNWX.ZS;BP Statistical Review of World Energy 2021(London: BP, 2021), 64–65, https://www.bp.com/content/dam/bp/business-sites/en/global/corporate/pdfs/energy-economics/statistical-review/bp-stats-review-2021-full-report.pdf; BP, “Statistical Review of World Energy – All Data, 1965–2021”, fromBP Statistical Review of World Energy 2022(London: BP, 2022), https://www.bp.com/content/dam/bp/business-sites/en/global/corporate/xlsx/energy-economics/statistical-review/bp-stats-review-2022-all-data.xlsx.

174.BP Statistical Review of World Energy 2022(London: BP, 2022): 45, 51, https://www.bp.com /content/dam/bp/business-sites/en/global/corporate/pdfs/energy-economics/statistical-review/bp-stats-review-2022-full-report.pdf;BP Statistical Review of World Energy 2021, 64–65;BP Statistical Review of World Energy 2020(London: BP, 2020), 52–53, 59, 61, https://www.bp.com/content/dam/bp/business-sites/en/global/corporate/pdfs/energy-economics/statistical-review/bp-stats-review-2020-full-report.pdf; BP, “Statistical Review of World Energy – All Data, 1965–2021”; International Energy Agency Statistics/OECD, “Electric Power Consumption (kWh Per Capita)”, retrieved from Worldbank.org, 2014, https://data.worldbank.org/indicator/EG.USE.ELEC.KH.PC; United Nations Department of Economic and Social Affairs, Population Division, “Total Population – Both Sexes”,World Population Prospects 2019, online ed. rev. 1 (New York: United Nations, 2019), https://population.un.org/wpp/Download/Files/1_Indicators%20(Standard)/EXCEL_FILES/1_Population/WPP2019_POP_F01_1_TOTAL_POPULATION_BOTH_SEXES.xlsx; Ritchie and Roser, “Renewable Energy”.

175. “Solar (Photovoltaic) Panel Prices vs. Cumulative Capacity”, Our World in Data, последняя проверка доступности 25 марта 2023 года, https://ourworldindata.org/grapher/solar-pv-prices-vs-cumulative-capacity; Gregory F. Nemet, “Interim Monitoring of Cost Dynamics for Publicly Supported Energy Technologies”,Energy Policy37, no. 3 (March 2009): 825–35, https://doi.org/10.1016/j.enpol.2008.10.031; J. Doyne Farmer and François Lafond, “How Predictable Is Technological Progress?”,Research Policy45, no. 3 (April 2016): 647–65, https://doi.org/10.1016/j.respol.2015.11.001; “IRENASTAT Online Data Query Tool”, International Renewable Energy Agency, accessed March 25, 2023, https://www.irena.org/Data/Downloads/IRE NASTAT; IRENA,Renewable Power Generation Costs in 2021(Abu Dhabi: International Renewable Energy Agency, 2022), https://www.irena.org/-/media/Files/IRENA/Agency/Publication/2022/Jul/IRENA_Power_Generation_Costs_2021.pdf?rev=34c22a4b244d434da0accde7de7c73d8; “Consumer Price Index, 1913–”, Federal Reserve Bank of Minneapolis; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers”,

176. Molly Cox, “Key 2020 US Solar PV Cost Trends and a Look Ahead”, Greentech Media, December 17, 2020, https://www.greentechmedia.com/articles/read/key-2020-us-solar-pv-cost-trends-and-a-look-ahead.

177. “Solar (Photovoltaic) Panel Prices vs. Cumulative Capacity”, Our World in Data; Nemet, “Interim Monitoring of Cost Dynamics for Publicly Supported Energy Technologies”, 825–35; Farmer and Lafond, “How Predictable Is Technological Progress?”; “IRENA-STAT Online Data Query Tool”; IRENA,Renewable Power Generation Costs in 2021; François Lafond et al., “How Well Do Experience Curves Predict Technological Progress? A Method for Making Distributional Forecasts”,Technological Forecasting & Social Change128 (March 2018): 104–17, https://doi.org/10.1016/j.techfore.2017.11.001; Sandra Enkhardt, “Global Solar Capacity Additions Hit 268 GW in 2022, Says BNEF”,PV Magazine, December 23, 2022, https://www.pv-magazine.com/2022/12/23/global-solar-capacity-additions-hit-268-gw-in-2022-says-bnef.

178. “Solar (Photovoltaic) Panel Prices vs. Cumulative Capacity”, Our World in Data; Nemet, “Interim Monitoring of Cost Dynamics for Publicly Supported Energy Technologies”, 825–35; Farmer and Lafond, “How Predictable Is Technological Progress?”; “IRENASTAT Online Data Query Tool”; IRENA,Renewable Power Generation Costs in 2021; Lafond et al., “How Well Do Experience Curves Predict Technological Progress?”, 104–17; Enkhardt, “Global Solar Capacity Additions Hit

179. Hannah Ritchie and Max Roser, “Renewable Energy – Renewable Energy Generation, World”, Our World in Data, accessed April 28, 2023, https://ourworldindata.org/grapher/modern-renewable-energy-consumption?country=~OWID_WRL; Ritchie and Roser, “Renewable Energy – Solar Power Generation”; “World Electricity Generation by Fuel, 1971–2017”, International Energy Agency, November 26, 2019, https://www.iea.org/data-and-statistics/charts/world-electricity-generation-by-fuel-1971-2017;BP Statistical Review of World Energy 2022, 45, 51; BP, “Statistical Review of World Energy – All Data, 1965–2021”; “Share of Low-Carbon Sources and Coal in World Electricity Generation, 1971–2021”, International Energy Agency, April 19, 2021, https://www.iea.org/data-and-statistics /charts/share-of-low-carbon-sources-and-coal-in-world-electricity-generation-1971-2021.

180. Ryan Wiser et al., “Land-Based Wind Market Report: 2022 Edition”, US Department of Energy, August 2022, 50, https://doi.org/10.2172/1882594; “Consumer Price Index, 1913–”, Federal Reserve Bank of Minneapolis; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers”.

181. Our World in Data, “Wind Power Generation”, Our World in Data, accessed March 25, 2023, https://ourworldindata.org/grapher/wind-generation?tab=chart;BP Statistical Review of World Energy 2022; “Yearly Electricity Data”, Ember, March 28, 2023, https://ember-climate.org/data-catalogue/yearly-electricity-data; Charles Moore, “European Electricity Review 2022”, Ember, February 1, 2022, https://ember-climate.org/insights/research/european-electricity-review-2022.

182. “Renewable Energy Generation, World”, Our World in Data;BP Statistical Review of World Energy 2022.

183. “Renewable Energy Generation, World”, Our World in Data;BP Statistical Review of World Energy 2022, 45, 51; “World Electricity Generation by Fuel, 1971–2017”, International Energy Agency.

184. Подробнее о Великой хартии вольностей и ее роли в истории Америки: “800 Years of Magna Carta”, British Library, YouTube video, March 10, 2015, https://www.youtube.com/watch?v=RQ7vUkbtlQA; Nicholas Vincent, “Consequences of Magna Carta”, British Library, March 13, 2015, https://www.bl.uk/magna-carta/articles/con sequences-of-magna-carta; Dave Roos, “How Did Magna Carta Influence the U.S. Constitution?”, History.com, September 30, 2019, https://www.history.com/news/magna-carta-influence-us-constitution-bill-of-rights.

185. Подробнее об изобретении печатного станка Гутенберга и его влиянии на европейскую цивилизацию: Dave Roos, “7 Ways the Printing Press Changed the World”, History.com, September 3, 2019, https://www.history.com/news/printing-press-renaissance; Jeremiah Dittmar, “Information Technology and Economic Change: The Impact of the Printing Press”, VoxEU, February 11, 2011, https://voxeu.org/article/information-technology-and-economic-change-impact-printing-press; Patrick McGrady, “The Medieval Invention That Changed the Course of History: The Machine That Made Us”, Timeline – World History Documentaries, YouTube video, August 25, 2018, https://www.youtube.com /watch?v=uQ88yC35NjI; Jeremiah Dittmar and Skipper Seabold, “Gutenberg’s Moving Type Propelled Europe Towards the Scientific Revolution”,LSE Business Review, March 19, 2019, https://blogs.lse.ac.uk/businessreview/2019/03/19/gutenbergs-moving-type-propelled-europe-towards-the-scientific-revolution.

186. Отличный обзор того, как был основан и развивался английский парламент: Gwilym Dodd, “The Birth of Parliament”, BBC, February 17, 2011, https://www.bbc.co.uk/history/british/middle_ages/birth_of_parliament_01.shtml.

187. Ряд источников по гражданской войне в Англии и английском Билле о правах 1689 года: John Green, “English Civil War: Crash Course European History #14”, CrashCourse, YouTube video, August 6, 2019, https://www.youtube.com/watch?v=dyk3bI_Y68Y; Avalon Project at Yale Law School, “English Bill of Rights 1689”, Lillian Goldman Law Library, accessed April 28, 2023, https://avalon.law.yale.edu/17th_century/england.asp; Geoffrey Lock, “The 1689 Bill of Rights”,Political Studies37, no. 4 (December 1, 1989), https://doi.org/10.1111/j.1467–9248.1989.tb00288.x; Peter Ackroyd,Civil War: The History of England, vol. 3 (New York: St. Martin’s, 2014).

188. Neil Johnston, “The History of the Parliamentary Franchise” (research paper 13/14, UK House of Commons Library, March 1, 2013), http://researchbriefings.files.parliament.uk /documents/RP13-14/RP13-14.pdf; Roser and Ortiz-Ospina, “Literacy”; Pamuk and van Zanden, “Standards of Living”, 229.

189. Dalibor Rohac, “Mechanism Design in the Venetian Republic”, Cato Institute, July 17, 2013, https://www.cato.org/publications/commentary/mechanism-design-venetian-republic; Thomas F. Madden,Venice: A New History(New York: Penguin, 2012).

190. Anna Grześkowiak-Krwawicz,Queen Liberty: The Concept of Freedom in the Polish-Lithuanian Commonwealth(Leiden, Netherlands: Brill, 2012).

191. Steve Umhoefer, “Mark Pocan Says Less than 25 Percent of Population Could Vote When Constitution Was Written”, Politifact, April 16, 2015, https://www.politifact.com/fact checks/2015/apr/16/mark-pocan/mark-pocan-says-less-25-percent-population-could-v.

192. Информация о борьбе за избирательные права в Америке, краткая и более подробная: “Who Voted in Early America?”, Constitutional Rights Foundation, accessed April 28, 2023, https://www.crf-usa.org/bill-of-rights-in-action/bria-8-1-b-who-voted-in-early-america #.UW36ebWsiSo; Donald Ratcliffe, “The Right to Vote and the Rise of Democracy, 1787–1828”,Journal of the Early Republic33, no. 2 (Summer 2013): 219–54, https://www.jstor.org/stable/24768843.

193. Подробнее о либеральных движениях, которые расцветали и терпели неудачу в Европе в середине XIX века: John Green, “Revolutions of 1848: Crash Course European History #26”, CrashCourse, YouTube video, November 19, 2019, https://www.youtube.com/watch?v=cXTaP1BD1YY; “Alexander II – History of Russia in 100 Minutes (Part 17 of 36)”, Smart History of Russia, YouTube video, July 21, 2017, https://www.youtube.com /watch?v=cqGBRn7oBEg; “Alexander III – History of Russia in 100 Minutes (Part 18 of 36)”, Smart History of Russia, YouTube video, July 21, 2017, https://www.youtube.com/watch?v=XGCzmjwfSSs; Mike Rapport,1848: Year of Revolution(New York: Basic Books, 2009); Paul Bushkovitch,A Concise History of Russia(New York: Cambridge University Press, 2011).

194. “People Living in Democracies and Autocracies, World”, Our World in Data, accessed March 29, 2023, https://ourworldindata.org/grapher/people-living-in-democracies-autoc racies?country=~OWID_WRL; “The V-Dem Dataset (v13)”, V-Dem (Varieties of Democracy), accessed March 25, 2023, https://v-dem.net/data/the-v-dem-dataset; Bastian Herre, “Scripts and Datasets on Democracy”, GitHub, accessed March 25, 2023, https://github.com/owid/notebooks/tree/main/BastianHerre/democracy; Anna Lührmann et al., “Regimes of the World (RoW): Opening New Avenues for the Comparative Study of Political Regimes”,Politics and Governance6, no. 1 (March 19, 2018): 60–77, https://doi.org/10.17645/pag.v6i1.1214.

195. “People Living in Democracies and Autocracies, World”, Our World in Data; “The V-Dem Dataset (v13)”, V-Dem; Lührmann et al., “Regimes of the World (RoW): Opening New Avenues”.

196. “People Living in Democracies and Autocracies, World”, Our World in Data; “The V-Dem Dataset (v13)”, V-Dem; Herre, “Scripts and Datasets on Democracy”; Lührmann et al., “Regimes of the World (RoW): Opening New Avenues”.

197. “People Living in Democracies and Autocracies, World”, Our World in Data; “The V-Dem Dataset (v13)”, V-Dem; Herre, “Scripts and Datasets on Democracy”; Lührmann et al., “Regimes of the World (RoW): Opening New Avenues”.

198. “People Living in Democracies and Autocracies, World”, Our World in Data; “The V-Dem Dataset (v13)”, V-Dem; Herre, “Scripts and Datasets on Democracy”; Lührmann et al., “Regimes of the World (RoW): Opening New Avenues”.

199. Bradley Honigberg, “The Existential Threat of AI-Enhanced Disinformation Operations”,Just Security, July 8, 2022, https://www.justsecurity.org/82246/the-existential-threat-of-ai-enhanced-disinformation-operations; Tiffany Hsu and Stuart A. Thompson, “Disinformation Researchers Raise Alarms About A.I. Chatbots”,New York Times,February 13, 2023, https://www.nytimes.com/2023/02/08/technology/ai-chatbots-disinformation.html.

200. Этот график построен на данных из двух источников. Сведения от «Нашего мира в данных» покрывают очень большой период, с 1800-го по 2022-й. Они касаются преимущественно уровня авторитаризма в обществе, который оценивается порой весьма приблизительно, особенно в период до Второй мировой войны. В то же время Агентство экономической разведки устанавливает, является ли

201. Все источники данных для оценки соотношения цена/производительность компьютеров, упомянутых в этой книге, приведены в приложении.

202. Все источники данных для оценки соотношения цена/производительность компьютеров, упомянутых в этой книге, приведены в приложении.

203. Joshua Ho and Andrei Frumusanu, “Understanding Qualcomm’s Snapdragon 810: Performance Review”, Anandtech, February 12, 2015, https://www.anandtech.com/show/8933/snapdragon-810-performance-preview/5. Все источники данных для оценки соотношения цена/производительность компьютеров, упомянутых в этой книге, приведены в приложении.

204. Все источники данных для оценки соотношения цена/производительность компьютеров, упомянутых в этой книге, приведены в приложении.

205. Paul E. Ceruzzi,A History of Modern Computing, 2nd ed. (Cambridge, MA: MIT Press, 1990), 73, https://www.google.com/books/edition/A_History_of_Modern_Computing/x1 YESXanrgQC; “Reference / FAQ / Products and Services”, IBM, April 28, 2023, https://www.ibm.com/ibm/history/reference/faq_0000000011.html; “Consumer Price Index, 1913–”, Federal Reserve Bank of Minneapolis.

206. Kyle Wiggers, “Apple Unveils the A16 Bionic, Its Most Powerful Mobile Chip Yet”,TechCrunch, September 7, 2022, https://techcrunch.com/2022/09/07/apple-unveils-new-mobile-chips-including-the-a16-bionic; Nick Guy and Roderick Scott, “Which iPhone Should I Buy?”,New York Times,October 28, 2022, https://www.nytimes.com/wirecutter/reviews/the-iphone-is-our-favorite-smartphone.

207. Gordon Moore, “Cramming More Components onto Integrated Circuits”,Electronics38, no. 8 (April 19, 1965), https://archive.computerhistory.org/resources/access/text/2017/03/102770822-05-01-acc.pdf; “1965: ‘Moore’s Law’ Predicts the Future of Integrated Circuits”, Computer History Museum, accessed April 28, 2023, https://www.computerhistory.org/siliconengine/moores-law-predicts-the-future-of-integrated-circuits; Fernando J. Corbató et al.,The Compatible Time-Sharing System: A Programmer’s Guide(Cambridge, MA: MIT Press, 1990), http://www.bitsavers.org/pdf/mit/ctss/CTSS_ProgrammersGuide.pdf.

208. Robert W. Keyes, “Physics of Digital Devices”,Reviews of Modern Physics61, no. 2 (April 1, 1989): 279–98, https://doi.org/10.1103/RevModPhys.61.279.

209. “Wikipedia: Size Comparisons”,Wikipedia: The Free Encyclopedia, Wikimedia Foundation, accessed April 28, 2023, https://en.wikipedia.org/wiki/Wikipedia: Size_comparisons# Wikipedia.

210. Подробнее о том, как производство различных товаров превращается в информационные технологии, мы поговорим в главе 6.

211. K. Eric Drexler,Radical Abundance: How a Revolution in Nanotechnology Will Change Civilization(New York: PublicAffairs, 2013), 168–72.

212. Подробнее об искусственном мясе и о том, какое влияние на окружающую среду оказывает мясное скотоводство: see “The Meat of the Future: How Lab-Grown Meat Is Made”,Eater, YouTube video, October 2, 2015, https://www.youtube.com/watch?v=u468xY1T8fw; “Inside the Quest to Make Lab Grown Meat”,Wired,YouTube video, February 16, 2018, https://www.youtube.com/watch?v=QO9SS1NS6MM; Mark Post, “Cultured Beef for Food-Security and the Environment: Mark Post at TEDxMaastricht”, TEDx Talks, YouTube video, May 11, 2014, https://www.youtube.com/watch?v=FITvEUSJ8TM; Julian Huguet, “This Breakthrough in Lab-Grown Meat Could Make It Look Like Real Flesh”,Seeker, YouTube video, November 14, 2019, https://www.youtube.com/watch?v=1lUuDi_s_Zo; “How Close Are We to Affordable Lab-Grown Meat?”, PBS Terra, YouTube video, August 25, 2022, https:// www.youtube.com/watch?v=M-weFARkGi4; “Can Lab-Grown Steak be the Future of Meat? | Big Business | Business Insider”, Insider Business, YouTube video, July 17, 2022, https://www.youtube.com/watch?v=UQejwvnog0M; Leah Douglas, “Lab-Grown Meat Moves Closer to American Dinner Plates”, Reuters, January 23, 2023, https://www.reuters.com/business/retail-consumer/lab-grown-meat-moves-closer-american-dinner-plates-2023-01-23; “Yearly Number of Animals Slaughtered for Meat, World, 1961 to 2020”, Our World in Data, accessed March 25, 2023, https://ourworldindata.org/grapher/animals-slaughtered-for-meat; “Global Meat Production, 1961 to 2020”, Our World in Data, accessed March 25, 2023, https://ourworldindata.org/grapher/global-meat-production; FAOSTAT, Food and Agriculture Organization of the United Nations, accessed March 25, 2023, http://www.fao.org/faostat/en/#data; Xiaoming Xu et al., “Global Greenhouse Gas Emissions from Animal-Based Foods Are Twice Those of Plant-Based Foods”,Nature Food2 (September 13, 2021): 724–32, https://www.fao.org/3/cb7033en /cb7033en.pdf.

213. “GLEAM v3.0 Dashboard – Emissions – Global Emissions from Livestock in 2015”, Food and Agriculture Organization of the United Nations, accessed March 29, 2023, https://foodandagricultureorganization.shinyapps.io/GLEAMV3_Public.

214. Подробнее о концепции метавселенной: John Herrman and Kellen Browning, “Are We in the Metaverse Yet?”,New York Times,July 10, 2021, https://www.nytimes.com/2021/07/10/style/metaverse-virtual-worlds.html; Rabindra Ratan and Yiming Lei, “The Metaverse: From Science Fiction to Virtual Reality”,Big Think, August 13, 2021, https://bigthink.com/the-future/metaverse.

215. Hannah Ritchie, “Half of the World’s Habitable Land Is Used for Agriculture”, Our World in Data, November 11, 2019, https://ourworldindata.org/global-land-for-agriculture; Erle C. Ellis et al., “Anthropogenic Transformation of the Biomes, 1700 to 2000,Global Ecology and Biogeography19, no. 5 (September 2010): 589–606, https://doi.org/10.1111/j.1466–8238.2010.00540.x; “Food and Agriculture Data”, FAOSTAT, Food and Agriculture Organization of the United Nations, accessed April 28, 2023, http://www.fao.org/faostat /en/#home.

216. Ritchie, “Half of the World’s Habitable Land Is Used for Agriculture”; Ellis et al., “Anthropogenic Transformation of the Biomes”; “Food and Agriculture Data”, FAOSTAT.

218. Подробнее о том, как с помощью наноматериалов удается добиться повышенного КПД солнечных панелей: Maren Hunsberger, “Carbon Nanotubes Might Be the Secret Boost Solar Energy Has Been Looking For”,Seeker, YouTube video, September 16, 2019, https://www.youtube.com/watch?v=EwiDGxkD9_c; Matt Ferrell, “How Carbon Nanotubes Might Boost Solar Energy – Explained”,Undecided with Matt Ferrell, YouTube video, July 7, 2020, https://www.youtube.com/watch?v=lnZpaunXhGc; David Grossman, “Carbon Nanotubes Could Increase Solar Efficiency to 80 Percent”,Popular Mechanics, July 25, 2019, https://www.popularmechanics.com/science/green-tech/a28506867/carbon-nanotubes-solar-efficiency; Nasim Tavakoli and Esther Alarcon-Llado, “Combining 1D and 2D Waveguiding in an Ultrathin GaAs NW/Si Tandem Solar Cell”,Optics Express27, no. 12 (June 10, 2019): A909–A923, https://doi.org/10.1364/OE.27.00A909.

219. Mark Hutchins, “A Quantum Dot Solar Cell with 16.6 % Efficiency”,PV Magazine, February 19, 2020, https://www.pv-magazine.com/2020/02/19/a-quantum-dot-solar-cell-with-16-6-efficiency; C. Jackson Stolle, Taylor B. Harvey, and Brian A. Korgel, “Nanocrystal Photovoltaics: A Review of Recent Progress”,Current Opinion in Chemical Engineering2, no. 2 (May 2013): 160–67, https://doi.org/10.1016/j.coche.2013.03.001.

220. Qiulin Tan et al., “Nano-Fabrication Methods and Novel Applications of Black Silicon”,Sensors and Actuators A: Physical295 (August 15, 2019): 560–73, https://doi.org/10.1016/j.sna.2019.04.044.

221. Stephen Y. Chou and Wei Ding, “Ultrathin, High-Efficiency, Broad-Band, Omni-Acceptance, Organic Solar Cells Enhanced by Plasmonic Cavity with Subwavelength Hole Array”,Optics Express21, no. S1 (January 14, 2013): A60–A76, https://doi.org/10.1364/OE.21.000A60.

222. David L. Chandler, “Solar Power Heads in a New Direction: Thinner”, MIT News, June 26, 2013, http://news.mit.edu/2013/thinner-solar-panels-0626; Marco Bernardi, Maurizia Palummo, and Jeffrey C. Grossman, “Extraordinary Sunlight Absorption and One Nanometer Thick Photovoltaics Using Two-Dimensional Monolayer Materials”,Nano Letters13, no. 8 (June 10, 2013): 3664–70, https://doi.org/10.1021/nl401544y.

223. Andy Extance, “The Dawn of Solar Windows”,IEEE Spectrum, January 24, 2018, https://spectrum.ieee.org/energy/renewables/the-dawn-of-solar-windows; Glenn McDonald, “This Liquid Coating Turns Windows Into Solar Panels”,Seeker, September 1, 2017, https://www.seeker.com/earth/energy/clear-liquid-coating-turns-windows-into-solar-panels.

224. “Renewable Energy Generation, World”, Our World in Data;BP Statistical Review of World Energy 2022, 45, 51; “World Electricity Generation by Fuel, 1971–2017”, International Energy Agency.

225. “Renewable Energy Generation, World”, Our World in Data;BP Statistical Review of World Energy 2022, 45, 51; “World Electricity Generation by Fuel, 1971–2017”, International Energy Agency.

226. “Renewable Energy Generation, World”, Our World in Data;BP Statistical Review of World Energy 2022, 45, 51; “World Electricity Generation by Fuel, 1971–2017”, International Energy Agency.

227. “Lazard ’s Levelized Cost of Energy Analysis – Version 15.0”, Lazard, October 2021, 9, https://www.lazard.com/media/sptlfats/lazards-levelized-cost-of-energy-version-150-vf.pdf; Mark Bolinger et al., “Levelized Cost-Based Learning Analysis of Utilityscale Wind and Solar in the United States”,iScience25, no. 6 (May 2022): 4, https://doi.org/10.1016 /j.isci.2022.104378; Jeffrey Logan et al.,Electricity Generation Baseline Report(technical report NREL/TP-6A20-67645, National Renewable Energy Laboratory, January 2017), 6, https://www.nrel.gov/docs/fy17osti/67645.pdf; “Lazard’s Levelized Cost of Energy Analysis – Version 11.0”, Lazard, 2017, 2, 10, https://www.lazard.com/media/450337/laz ard-levelized-cost-of-energy-version-110.pdf; Center for Sustainable Systems, “Wind Energy Factsheet” (pub. no. CSS07-09, University of Michigan, August 2019), http://css.umich.edu/sites/default/files/Wind%20Energy_CSS07-09_e2019.pdf; “Renewable Energy Generation, World”, Our World in Data;BP Statistical Review of World Energy 2022, 45, 51; “World Electricity Generation by Fuel, 1971–2017”, International Energy Agency.

228. Alexis De Vos, “Detailed Balance Limit of the Efficiency of Tandem Solar Cells”,Journal of Physics D: Applied Physics13, no. 5 (1980): 845, https://doi.org/10.1088/0022-3727/13/5 /018; “Best Research-Cell Efficiency Chart”, National Renewable Energy Laboratory, accessed April 28, 2023, https://www.nrel.gov/pv/cell-efficiency.html.

229. Marcelo De Lellis, “The Betz Limit Applied to Airborne Wind Energy”,Renewable Energy127 (November 2018): 32–40, https://doi.org/10.1016/j.renene.2018.04.034.

230. Ritchie and Roser, “Renewable Energy – Renewable Energy Generation, World”; Ritchie and Roser, “Renewable Energy – Solar Power Generation”; “World Electricity Generation by Fuel, 1971–2017”, International Energy Agency;BP Statistical Review of World Energy 2022, 45, 51; BP, “Statistical Review of World Energy – All Data, 1965–2021”; “Share of Low-Carbon Sources and Coal in World Electricity Generation, 1971–2021”, International Energy Agency.

231. Science on a Sphere, “Energy on a Sphere”, National Oceanic and Atmospheric Administration, последняя проверка доступности 30 мая 2021 года, http://web.archive.org/web/20210530160109/https://sos.noaa.gov/datasets/energy-on-a-sphere.

232. Jeff Tsao, Nate Lewis, and George Crabtree, “Solar FAQs” (working draft, US Department of Energy, April 20, 2006), 9–12, https://web.archive.org/web/20200424084337/https://www.sandia.gov/~jytsao/Solar%20FAQs.pdf.

233.BP Statistical Review of World Energy 2022, 8.

234. Ritchie and Roser, “Renewable Energy – Renewable Energy Generation, World”; Ritchie and Roser, “Renewable Energy – Solar Power Generation”; “World Electricity Generation by Fuel, 1971–2017”, International Energy Agency;BP Statistical Review of World Energy 2022, 45, 51; BP, “Statistical Review of World Energy – All Data, 1965–2021”; “Share of Low-Carbon Sources and Coal in World Electricity Generation, 1971–2021”, International Energy Agency.

235. Will de Freitas, “Could the Sahara Turn Africa into a Solar Superpower?”, World Economic Forum, January 17, 2020, https://www.weforum.org/agenda/2020/01/solar-panels-sahara-desert-renewable-energy.

236. Общий обзор современных технологий аккумулирования энергии: “Fact Sheet | Energy Storage (2019)”, Environmental and Energy Study Institute, February 22, 2019, https://www.eesi.org/papers/view/energy-storage-2019.

237. Andy Colthorpe, “Behind the Numbers: The Rapidly Falling LCOE of Battery Storage”,Energy Storage News, May 6, 2020, https://www.energy-storage.news/behind-the-numbers-the-rapidly-falling-lcoe-of-battery-storage; “Levelized Costs of New Generation Resources in the Annual Energy Outlook 2022”, US Energy Information Administration, March 2022, https://www.eia.gov/outlooks/aeo/pdf/electricity_generation.pdf.

238. Подробнее о быстром росте емкостей аккумуляторов на рынке США: “Battery Storage in the United States: An Update on Market Trends”, US Energy Information Administration, August 16, 2021, https://www.eia.gov/analysis/studies/electricity/batterystorage;Energy Storage Grand Challenge: Energy Storage Market Report, US Department of Energy technical report DOE/GO-102020-5497 (December 2020), https://www.energy.gov/sites/default/files/2020/12/f81/Energy%20Storage%20Market%20Report%202020_0.pdf.

239. “Lazard ’s Levelized Cost of Storage Analysis – Version 7.0”, Lazard, 2021, 6, https://web.archive.org/web/20220729095608/https://www.lazard.com/media/451882/lazards-levelized-cost-of-storage-version-70-vf.pdf; “Lazard’s Levelized Cost of Storage Analysis – Version 6.0”, Lazard, 2020, 6, https://web.archive.org/web/20221006123556/https://www.lazard.com/media/451566/lazards-levelized-cost-of-storage-version-60-vf2.pdf; “Lazard’s Levelized Cost of Storage Analysis – Version 5.0”, Lazard, 2019, 4, https://web.archive.org/web/20221104121921/https://www.lazard.com/media/451087/lazards-levelized-cost-of-storage-version-50-vf.pdf; “Lazard’s Levelized Cost of Storage Analysis – Version 4.0”, Lazard, 2018, 11, https://www.lazard.com/media/sckbar5m/lazards-levelized-cost-of-storage-version-40-vfinal.pdf; “Lazard’s Levelized Cost of Storage Analysis – Version 3.0”, Lazard, 2017, 12, https://www.scribd.com/document/413797533/Lazard-Levelized-Cost-of-Storage-Version-30; “Lazard’s Levelized Cost of Storage Analysis – Version 2.0”, Lazard, 2016, 11, https://web.archive.org/web/20221104121905/https://www.lazard.com/media/438042/lazard-levelized-cost-of-storage-v20.pdf; “Lazard’s Levelized Cost of Storage Analysis – Version 1.0”, Lazard, 2015, 9, https://web.archive.org/web/20221105052132/https://www.lazard.com/media/2391/lazards-levelized-cost-of-storage-analysis-10.pdf; “Consumer Price Index, 1913–”, Federal Reserve Bank of Minneapolis; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers”.

240. US Energy Information Administration,Electric Power Annual 2021(Washington, DC: US Department of Energy, November 2022), 64, https://web.archive.org/web/20230201194905/http://www.eia.gov/electricity/annual/pdf/epa.pdf; US Energy Information Administration,Electric Power Annual 2020(Washington, DC: US Department of Energy, October 2021), 64, https://web.archive.org/web/20220301172156/http://www.eia.gov/electricity /annual/pdf/epa.pdf.

241.

242. “Key Facts from JMP 2015 Report”, World Health Organization, 2015;Progress on Household Drinking Water, Sanitation and Hygiene 2000–2020, 7–8.

243. Последний год, за который доступна качественная статистика, – 2019-й, вероятнее всего, из-за искажений статистики в области здравоохранения, вызванных пандемией COVID-19. См. Institute for Health Metrics and Evaluation, “GBD Results Tool”, Global Heath Data Exchange, последняя проверка доступности 28 апреля 2023 года, http://ghdx.healthdata.org/gbd-results-tool; World Health Organization, “Diarrhoeal Disease”, World Health Organization, May 2, 2017, https://www.who.int/news-room/fact-sheets/detail/diarrhoeal-disease.

244. Подробнее об этих технологиях, в том числе забавный ролик, в котором Билл Гейтс и Джимми Фэллон пьют канализационную воду, очищенную системой Janicki Omniprocessor: Bill Gates, “Janicki Omniprocessor”,GatesNotes, YouTube video, January 5, 2015, https://www.youtube.com/watch?v=bVzppWSIFU0; “Bill Gates and Jimmy Drink Poop Water”,The Tonight Show Starring Jimmy Fallon, YouTube video, January 22, 2015, https://www.you tube.com/watch?v=FHgsL0dpQ-U; Stephen Beacham, “How the LifeStraw Is Eradicating an Ancient Disease”, CNET, April 9, 2020, https://www.cnet.com/news/how-the-lifestraw-is-eradicating-an-ancient-disease; “Lifestraw Challenge: Drinking Pee, Backwash & More!”, Vat19, YouTube video, June 2, 2017, https://www.youtube.com/watch?v=_mkUTSGCF3I; Rebecca Paul, “6 Water-purifying Devices for Clean Drinking Water in the Developing World”,Inhabitat, November 8, 2013, https://inhabitat.com/6-water-purifying-devices-for-clean-drinking-water-in-the-developing-world.

245. См. “Roving Blue O-Pen Silver Advanced Portable Water Purification Device”, Roving Blue Inc., YouTube video, November 5, 2018, https://www.youtube.com/watch?v=XeTp1iKQW28; Laurel Wilson, “Church Volunteers Install Water Systems in Other Countries”,Bowling Green Daily News, December 27, 2014, https://www.bgdailynews.com/news/church-volunteers-install-water-systems-in-other-countries/article_969f45ad-7694-54af-8cb3-155e67ca54ad.html.

246. Aimee M. Gall et al., “Waterborne Viruses: A Barrier to Safe Drinking Water”,PLoS Pathogens11, no. 6, article e1004867 (June 25, 2015), https://doi.org/10.1371/journal.ppat.1004867.

247. “Microfiber Matters”, Minnesota Pollution Control Agency, February 4, 2019, https://www.pca.state.mn.us/featured/microfiber-matters.

248. Подробнее о технологии «Праща» (Slingshot) изобретателя Дина Кеймена: “Slingshot Water Purifier”, Atlas Initiative Group, YouTube video, February 11, 2012, https://www.youtube.com/watch?v=Uk_T9MiZKRs; Tom Foster, “Pure Genius: How Dean Kamen’s Invention Could Bring Clean Water to Millions”,Popular Science, June 16, 2014, https://www.popsci.com/article/science/pure-genius-how-dean-kamens-invention-could-bring-clean-water-millions.

249. Длинное, но очень интересное видео о том, как работает двигатель Стирлинга и в чем его преимущества: “Stirling Engines – The Power of the Future?”, Lindybeige, YouTube video, November 28, 2016, https://www.youtube.com/watch?v=vGlDsFAOWXc.

250. Больше научных данных о зарождении сельского хозяйства: Rhitu Chatterjee, “Where Did Agriculture Begin? Oh Boy, It’s Complicated”, NPR, July 15, 2016, https://www.npr.org/sections/thesalt/2016/07/15/485722228/where-did-agriculture-begin-oh-boy-its-complicated; Ainit Snir et al., “The Origin of Cultivation and Proto-Weeds, Long Before Neolithic Farming”,PLOS One10, no. 7 (July 22, 2015), https://doi.org/10.1371/journal.pone.0131422.

251. David A. Pietz, Dorothy Zeisler-Vralsted,Water and Human Societies(Cham, Switzerland: Springer International Publishing, 2021), 55–57.

252. National Agricultural Statistics Service, “Corn, Grain – Yield, Measured in Bu / Acre”, Quick Stats, US Department of Agriculture, accessed April 28, 2023, https://quickstats.nass.usda.gov/results/FBDE769A-0982-37DB-BA6D-A312ABDAA2B6; National Agricultural Statistics Service, “Corn and Soybean Production Down in 2022, USDA Reports Corn Stocks Down, Soybean Stocks Down from Year Earlier Winter Wheat Seedings Up for 2023”, US Department of Agriculture, January 12, 2023, https://www.nass.usda.gov/Newsroom/2023/01-12-2023.php.

253. Hannah Ritchie and Max Roser, “Crop Yields”, Our World in Data, updated September 2019, https://ourworldindata.org/crop-yields; Hannah Ritchie and Max Roser, “Land Use”, Our World in Data, September 2019, https://ourworldindata.org/land-use; “Food and Agriculture Data”, FAOSTAT.

254. Lebergott, “Labor Force and Employment, 1800–1960”, 119; Organisation for Economic Co-operation and Development, “Employment by Economic Activity: Agriculture: All Persons for the United States (LFEAAGTTUSQ647S)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated April 20, 2023, https://fred.stlouisfed.org/series/LFEAAGTTUSQ647S; US Bureau of Labor Statistics, “Civilian Labor Force Level (CLF16OV)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated April 7, 2023, https://fred.stlouisfed.org/series/CLF16OV.

255. Подробнее о вертикальном сельском хозяйстве и его краткосрочных перспективах: “Why Vertical Farming Is the Future of Food”, RealLifeLore2, YouTube video, May 17, 2020, https://www.youtube.com/watch?v=IBleQycVanU; “This Farm of the Future Uses No Soil and 95 % Less Water”, Seeker Stories, YouTube video, July 5, 2016, https://www.youtube.com/watch?v=-_tvJtUHnmU; Stuart Oda, “Are Indoor Vertical Farms the Future of Agriculture?”, TED, YouTube video, February 7, 2020, https://www.youtube.com/watch?v=z9jXW9r1xr8; David Roberts, “This Company Wants to Build a Giant Indoor Farm Next to Every Major City in the World”,Vox, April 11, 2018, https://www.vox.com/energy-and-environment/2017/11/8/16611710/vertical-farms; Selina Wang, “This HighTech Vertical Farm Promises Whole Foods Quality at Walmart Prices”,Bloomberg, September 6, 2017, https://www.bloomberg.com/news/features/2017-09-06/this-high-tech-vertical-farm-promises-whole-foods-quality-at-walmart-prices.

256. Подробнее о технологии вертикального сельского хозяйства: Kyree Leary, “Crops Are Harvested Without Human Input, Teasing the Future of Agriculture”,Futurism, February 26, 2018, https://futurism.com/automated-agriculture-uk; “Growing Up: How Vertical Farming Works”, B1M, YouTube video, March 6, 2019, https://www.youtube.com/watch?v=QT4TWbPLrN8.

257. William Park, “How Far Can Vertical Farming Go?”, BBC, January 11, 2023, https://www.bbc.com/future/article/20230106-what-if-all-our-food-was-grown-in-indoor-vertical-farms; Ian Frazier, “The Vertical Farm”,New Yorker, January 1, 2017, https://www.newyorker.com/magazine/2017/01/09/the-vertical-farm.

258. Подробнее об экономии воды на вертикальных фермах наподобие Gotham Greens и Aero-Farms: Brian Heater, “Gotham Greens Just Raised $310M to Expand Its Greenhouses Nationwide”,TechCrunch, September 12, 2022, https://techcrunch.com/2022/09/12/gotham-greens-just-raised-310m-to-expand-its-greenhouses-nationwide; “Our Farms”, Gotham Greens, последняя проверка доступности 31 марта 2023 года, https://www.gothamgreens.com/our-farms; “This Future Farm Uses No Soil and 95 % Less Water”, FutureWise, YouTube video, June 26, 2018, https://www.youtube.com/watch?v=SHkwXRMLcmE.

259. Laura Reiley, “Indoor Farming Looks Like It Could Be the Answer to Feeding a Hot and Hungry Planet. It’s Not That Easy”,Washington Post, November 19, 2019, https://www.washingtonpost.com/business/2019/11/19/indoor-farming-is-one-decades-hottest-trends-regulations-make-success-elusive.

260. Ritchie, “Half of the World’s Habitable Land Is Used for Agriculture”; Ellis et al., “Anthropogenic Transformation of the Biomes”; “Food and Agriculture Data”, FAOSTAT.

261. Подробнее об изобретении 3D-печати: Drew Turney, “History of 3D Printing: It’s Older Than You Think”,Design and Make with Autodesk, August 31, 2021, https://www.autodesk.com/redshift/history-of-3d-printing; Leo Gregurić, “History of 3D Printing: When Was 3D Printing Invented?”,All3DP, December 10, 2018, https://web.archive.org/web/20211227053912/https://all3dp.com/2/history-of-3d-printing-when-was-3d-printing-invented/.

262. Подробнее о самом процессе 3D-печати: “How Does 3D Printing Work? | The Deets”,Digital Trends, YouTube video, September 22, 2019, https://www.youtube.com/watch?v=dGajFRaS834; Rebecca Matulka and Matty Green, “How 3D Printers Work”, Department of Energy, June 19, 2014, https://www.energy.gov/articles/how-3d-printers-work.

263. Эксперты в сфере 3D-печати рассказывают о перспективах отрасли; фотографии, показывающие улучшение разрешения, с которым 3D-принтеры обрабатывают детали: Michael Petch, “80 Additive Manufacturing Experts Predict the 3D Printing Trends to Watch in 2020”, 3DPrintingIndustry.com, January 15, 2020, https://3dprintingindustry.com/news/80-additive-manufacturing-experts-predict-the-3d-printing-trends-to-watch-in-2020-167177; Leo Gregurić, “The Smallest 3D Printed Things”,All3DP, January 30, 2019, https://all3dp.com/2/the-smallest-3d-printed-things.

264. “How It Works”, FitMyFoot, последняя проверка доступности 29 июня 2022 года, https://web.archive.org/web/20220629040739/https://fitmyfoot.com/pages/how-it-works.

265. Пример того, как 3D-печать используется для подгонки мебели под фигуру клиента: “IKEA Partnering with eSports Academy to Scan Bodies and 3D-Print Chairs”, NowThis, September 15, 2018, https://nowthisnews.com/videos/future/ikea-and-esports-academy-are-making-3d-printed-chairs; Bianca Britton, “The 3D-Printed Wheelchair: A Revolution in Comfort?”, CNN, January 24,

266. Подробнее об использовании 3D-печати при производстве медицинских имплантов: “3D Printed Implants Could Help Patients with Bone Cancer”, Insider, YouTube video, November 7, 2017, https://www.youtube.com/watch?v=jcp-aaa1PBk; “3D Printed Lattices Improve Orthopaedic Implants”, Renishaw, YouTube video, November 28, 2019, https://www.youtube.com/watch?v=2rm_3rUl3QE; AMFG, “Application Spotlight: 3D Printing for Medical Implants”, Autonomous Manufacturing Ltd., August 15, 2019, https://amfg.ai/2019/08/15/application-spotlight-3d-printing-for-medical-implants.

267.The Carbon Footprint of Global Trade: Tackling Emissions from International Freight Transport(Brussels: International Transport Forum, 2016), 2, https://www.itf-oecd.org/sites/default/files/docs/cop-pdf-06.pdf.

268. Dean Takahashi, “Dyndrite Launches GPU-Powered Improvements for Better 3D Printing Speed and Quality”,VentureBeat, November 18, 2019, https://venturebeat.com/2019/11/18/dyndrite-launches-gpu-powered-improvements-for-better-3d-printing-speed-and-quality; Agiimaa Kruchkin, “Innovation in Creation: Demand Rises While Prices Drop for 3D Printing Machines”,Manufacturing Tomorrow, February 16, 2016, https://www.manufacturingtomorrow.com/article/2016/02/innovation-in-creation-demand-rises-while-prices-drop-for-3d-printing-machines/7631.

269. “Profiles of 15 of the World’s Major Plant and Animal Fibres”, Food and Agriculture Organization of the United Nations, accessed April 28, 2023, http://www.fao.org/natural-fibres-2009/about/15-natural-fibres/en.

270. См. “Cytosurge FluidFM μ3Dprinter, World’s First 3D Printer at Sub-Micron Direct Metal Printing”, Charbax, YouTube video, May 21, 2017, https://www.youtube.com/watch?v=n9oO6EiBt40; Sam Davies, “Nanofabrica Announces Commercial Launch of Micro-Level Resolution Additive Manufacturing Technology”,TCT Magazine, March 14, 2019, https://www.tctmagazine.com/additive-manufacturing-3d-printing-news/nanofabrica-micro-level-resolution-additive-manufacturing.

271. Подробнее о тканях, изготавливаемых на 3D-принтере: Zachary Hay, “3D Printed Fabric: The Most Promising Projects”,All3DP, November 7, 2019, https://all3dp.com/2/3d-printed-fabric-most-promising-project; Roni Jacobson, “The Shattering Truth of 3D-Printed Clothing”,Wired,May 12, 2017, https://www.wired.com/2017/05/the-shattering-truth-of-3d-printed-clothing.

272. Danny Paez, “An Incredible New 3D Printer Is 100X Faster Than What Was Possible: Video”,Inverse, January 26, 2019, https://www.inverse.com/article/52721-high-speed-3d-printing-mass-production; Mark Zastrow, “3D Printing Gets Bigger, Faster and Stronger”,Nature578, no. 7793 (February 5, 2020), https://doi.org/10.1038/d41586-020-00271-6; “Prediction 5: 3D Printing Reaches the ‘Plateau of Productivity’”, Deloitte, 2019, https://www.deloitte.co.uk/tmtpredictions/predictions/3d-printing.

273. Подробнее о процессе 3D-печати для создания органов: Amanda Deisler, “This 3D Bioprinted Organ Just Took Its First ‘Breath’”,Seeker, YouTube video, May 3, 2019, https://www.youtube.com/watch?v=V0rIP_u1JPQ; NIH Research Matters, “3D-Printed Scaffold Engineered to Grow Complex Tissues”, National Institutes of Health, April 7, 2020, https://www.nih.gov/news-events/nih-research-matters/3d-printed-scaffold-engineered-grow-complex-tissues; Luis Diaz-Gomez et al., “Fiber Engraving for Bioink Bioprinting Within 3D Printed Tissue Engineering Scaffolds”,Bioprinting18, article e00076 (June 2020), https://doi.org/10.1016/j.bprint.2020.e00076Get; Luke Dormehl, “Ceramic Ink Could Let Doctors 3D Print Bones Directly into a Patient’s Body”,Digital Trends, January 30, 2021, https://www.digitaltrends.com/news/ceramic-ink-3d-printed-bones.

274. Подробнее о деятельности компании United Therapeutics, а также интересное интервью с ее руководителем и моим другом Мартиной Ротблатт: CNBC Squawk Box, “Watch CNBC’s Full Interview with United Therapeutics CEO Martine Rothblatt”, CNBC, June 25, 2019, https://www.cnbc.com/video/2019/06/25/watch-cnbcs-full-interview-with-united-therapeutics-ceo-martine-rothblatt.html; Antonio Regalado, “Inside the Effort to Print Lungs and Breathe Life into Them with Stem Cells”,MIT Technology Review, June 28, 2018, https://www.technologyreview.com/2018/06/28/240446/inside-the-effort-to-print-lungs-and-breathe-life-into-them-with-stem-cells.

275. Подробнее о том, почему пересаженные органы не приживаются: “Why Do Organ Transplants Fail So Often”, Julia Wilde, YouTube video, July 12, 2015, https://www.youtube.com/watch?v=LQ0K02m6_KM; Amy Shira Teitel, “Your Body Is Designed to Attack a New Organ, Now We Know Why”,Seeker, YouTube video, July 22, 2017, https://www.youtube.com/watch?v=yfDL9PWubCs; “Lowering Rejection Risk in Organ Transplants”, Mayo Clinic, YouTube video, March 18, 2014, https://www.youtube.com/watch?v=bUz 3X9ZYd5s.

276. Elizabeth Ferrill and Robert Yoches, “IP Law and 3D Printing: Designers Can Work Around Lack of Cover”,Wired,September 2013, https://www.wired.com/insights/2013/09/ip-law-and-3d-printing-designers-can-work-around-lack-of-cover; Michael K. Henry, “How 3D Printing Challenges Existing Intellectual Property Law”, Henry Patent Law Firm, August 13, 2018, https://henry.law/blog/3d-printing-challenges-patent-law.

277. Jake Hanrahan, “3D-Printed Guns Are Back, and This Time They Are Unstoppable”,Wired,May 20, 2019, https://www.wired.co.uk/article/3d-printed-guns-blueprints.

278. Подробнее о том, как это работает: Innovative Manufacturing and Construction Research Centre, “Future of Construction Process: 3D Concrete Printing”, Concrete Printing, YouTube video, May 30, 2010, https://www.youtube.com/watch?v=EfbhdZK PHro; Nathalie Labonnote et al., “Additive Construction: State-of-the-Art, Challenges and Opportunities”,Automation in Construction72, no. 3 (December 2016): 347–66, https://doi.org/10.1016/j.autcon.2016.08.026.

279. Полезный обзор последних достижений в этой области: Sriram Renganathan, “3D Printed House/Construction Materials: What Are They?”,All3DP, April 23, 2019, https://all3dp.com/2/3d-printing-in-construction-what-are-3d-printed-houses-made-of.

280. Melissa Goldin, “Chinese Company Builds Houses Quickly with 3D Printing”,Mashable, April 28, 2014, https://mashable.com/2014/04/28/3d-printing-houses-china.

281. Впечатляющее покадровое видео, как методом 3D-печати сооружается целиком каркас здания: “The Biggest 3D Printed Building”, Apis Cor, YouTube video, October 24, 2019, https://www.youtube.com/watch?v=69HrqNnrfh4.

282. Rick Stella, “It’s Hideous, But This 3D-Printed Villa in China Can Withstand a Major Quake”,Digital Trends, July 11, 2016, https://www.digitaltrends.com/home/3d-printed-chinese-villas-huashang-tenda.

283. Emma Bowman, “3D-Printed Homes Level Up with a 2-Story House in Houston”, NPR, January 16, 2023, https://www.npr.org/2023/01/16/1148943607/3d-printed-homes-level-up-with-a-2-story-house-in-houston; “Habitat for Humanity Home Completed”, Alquist, accessed December 6, 2022, https://web.archive.org/web/20221206002108/https://www.alquist3d.com/habitat; “How Concrete Homes Are Built with a 3D Printer”, Insider Art, YouTube video, June 28, 2022, https://www.youtube.com/watch?v=vL2KoMNzGTo.

284. Wetterstrand, “The Cost of Sequencing a Human Genome”; Kris A. Wetterstrand, “DNA Sequencing Costs: Data”, National Human Genome Research Institute, November 19, 2021, https://www.genome.gov/about-genomics/fact-sheets/DNA-Sequencing-Costs-Data; National Research Council Committee on Mapping and Sequencing the Human Genome,Mapping and Sequencing the Human Genome, chap. 5 (Washington, DC: National Academies Press, 1988), https://www.ncbi.nlm.nih.gov/books/NBK218256; E. Y. Chan (Applied Biosystems), переписка с автором, 7 октября 2008 года.

285. Подробнее об иммунотерапии в лечении рака: “How Does Cancer Immunotherapy Work?”, MD Anderson Cancer Center, YouTube video, April 20, 2017, https://www.youtube.com/watch?v=CwaMZCu4kpI; “Tumour Immunology and Immunotherapy”, Nature Video, YouTube video, September 17, 2015, https://www.youtube.com/watch?v=K09xzI Q8zsg; Alex D. Waldman, Jill M. Fritz, and Michael J. Lenardo, “A Guide to Cancer Immunotherapy: From T Cell Basic Science to Clinical Practice”,Nature Reviews Immunology20 (2020): 651–68, https://doi.org/10.1038/s41577-020-0306-5.

286. Подробнее о CAR-T – клеточной терапии и обнадеживающих перспективах в лечении рака, которые она открывает: “CAR T-Cell Therapy: How Does It Work?”, Dana-Farber Cancer Institute, YouTube video, August 31, 2017, https://www.youtube.com/watch?v=OadAW99s4Ik; Carl June, “A ‘Living Drug’ That Could Change the Way We Treat Cancer”, TED, YouTube video, October 2, 2019, https://www.youtube.com/watch?v=7qWvVcBZzRg.

287. Обзор последних исследований по методам терапии с использованием индуцированных плюрипотентных стволовых клеток: Krista Conger, “Old Human Cells Rejuvenated with Stem Cell Technology”, Stanford Medicine, March 24, 2020, https://med.stanford.edu/news/all-news/2020/03/old-human-cells-rejuvenated-with-stem-cell-technology.html; Qiliang Zhou et al., “Trachea Engineering Using a Centrifugation Method and Mouse-Induced Pluripotent Stem Cells”,Tissue Engineering Part C: Methods24, no. 9 (September 14, 2018): 524–33, https://doi.org/10.1089/ten.TEC.2018.0115; Kazuko Kikuchi et al., “Craniofacial Bone Regeneration Using iPS Cell-Derived Neural Crest Like Cells”,Journal of Hard Tissue Biology27, no. 1 (January 1, 2018): 1–10, https://doi.org/10.2485/jhtb.27.1; “The World’s First Allogeneic iPS-Derived Retina Cell Transplant”, Japan Agency for Medical Research and Development, September 20, 2018, https://www.amed.go.jp/en/seika/fy2018-05.html; Hiroo Kimura et al., “Stem Cells Purified from Human Induced Pluripotent

288. Подробнее о других факторах, оказавших влияние на эволюцию иммунной системы человека: Jorge Domínguez-Andrés and Mihai G. Netea, “Impact of Historic Migrations and Evolutionary Processes on Human Immunity”,Trends in Immunology40, no. 12 (November 27, 2019): P1105–P1119, https://doi.org/10.1016/j.it.2019.10.001.

289. Простое объяснение, что именно происходит в организме при диабете первого типа: “Type 1 Diabetes | Nucleus Health”, Nucleus Medical Media, YouTube video, January 10, 2012, https://www.youtube.com/watch?v=jxbbBmbvu7I.

290. Рассказ об этом исследовании без технических подробностей и ссылки на ключевые научные статьи: Todd B. Kashdan, “Why Do People Kill Themselves? New Warning Signs”,Psychology Today, May 15, 2014, https://www.psychologytoday.com/us/blog/curious/201405/why-do-people-kill-themselves-new-warning-signs.

Глава 5. Рынок труда в будущем: благополучие или кризис?

1. Подробнее о том, как удалось добиться такого быстрого прогресса: Alex Davies, “An Oral History of the Darpa Grand Challenge, the Grueling Robot Race That Launched the Self-Driving Car”,Wired,August 3, 2017, https://www.wired.com/story/darpa-grand-challenge-2004-oral-history; Joshua Davies, “Say Hello to Stanley”,Wired,January 1, 2006, https://www.wired.com/2006/01/stanley; Ronan Glon and Stephen Edelstein, “The History of Self-Driving Cars”,Digitaltrends, July 31, 2020, https://www.digitaltrends.com/cars/history-of-self-driving-cars-milestones.

2. Kristen Korosec, “Waymo ’s Driverless Taxi Service Can Now Be Accessed on Google Maps”,TechCrunch, June 3, 2021, https://techcrunch.com/2021/06/03/waymos-driverless-taxi-service-can-now-be-accessed-on-google-maps; Rebecca Bellan, “Waymo Launches Robotaxi Service in San Francisco”,TechCrunch, August 24, 2021, https://techcrunch.com/2021/08/24/waymo-launches-robotaxi-service-in-san-francisco; Jonathan M. Gitlin, “Self-Driving Waymo Trucks to Haul Loads Between Houston and Fort Worth”,Ars Technica, June 10, 2021, https://arstechnica.com/cars/2021/06/self-driving-waymo-trucks-to-haul-loads-between-houston-and-fort-worth; Dug Begley, “More Computer-Controlled Trucks Coming to Test-Drive I-45 Between Dallas and Houston”,Houston Chronicle, August 25, 2022, https://www.houstonchronicle.com/news/houston-texas/transportation/ar ticle/More-computer-controlled-trucks-coming-to-17398269.php.

3. “Next Stop for Waymo One: Los Angeles”, Waymo, October 19, 2022, https://blog.waymo.com/2022/10/next-stop-for-waymo-one-los-angeles.html.

4. Aaron Pressman, “Google ’s Waymo Reaches 20 Million Miles of Autonomous Driving”,Fortune, January 7, 2020, https://fortune.com/2020/01/07/googles-waymo-reaches-20-million-miles-of-autonomous-driving.

5. Will Knight, “Waymo ’s Cars Drive 10 Million Miles a Day in a Perilous Virtual World”,MIT Technology Review, October 10, 2018, https://www.technologyreview.com/s/612251/waymos-cars-drive-10-million-miles-a-day-in-a-perilous-virtual-world; Alexis C. Madrigal, “Inside Waymo’s Secret World for Training Self-Driving Cars”,Atlantic, August 23, 2017, https://www.theatlantic.com/technology/archive/2017/08/inside-waymos-secret-testing-and-simulation-facilities/537648; John Krafcik, “Waymo Livestream Unveil: The Next Step in Self-Driving”, Waymo, YouTube video, March 27, 2018, https://www.youtube.com /watch?v=-EBcpIvPWnY; Mario Herger, “2020 Disengagement Reports from California”, The Last Driver License Holder, February 9, 2021, https://thelastdriverlicenseholder.com/2021/02/09/2020-disengagement-reports-from-california; “Off Road, but Not Offline: How Simulation Helps Advance Our Waymo Driver”, Waymo, April 28, 2020, https://blog.waymo.com/2020/04/off-road-but-not-offline – simulation27.html; Kris Holt, “Waymo’s Autonomous Vehicles Have Clocked 20 Million Miles on Public Roads”,Engadget, August 19, 2021, https://www.engadget.com/waymo-autonomous-vehicles-update-san-francisco-193934150.html.

6. Строго говоря, «глубокие» нейронные сети могут состоять всего из трех слоев. Однако благодаря росту вычислительной мощности в последние десять лет стало возможным практическое использование гораздо более глубоких нейросетей. Основным звеном программы AlphaGo была нейросеть из тринадцати слоев. В 2015–2016 гг. она позволила обыграть лучших игроков в го. Эту нейросеть нужно было обучить на огромном массиве данных, поэтому разработчикам пришлось запустить симуляцию по 1000 игр в секунду на каждом процессоре. В 2017 году новая нейросеть AlphaGo Zero, состоявшая из 79 слоев, смоделировала более 29 миллионов игр и победила оригинальную AlphaGo со счетом 100 – 0. В некоторых проектах уже используются нейросети, в которых больше 100 слоев. Не всегда большее количество слоев означает, что нейросеть умнее, но лишние слои могут помочь уловить нюансы и добавить уровни абстракции. Если перед ИИ стоит достаточно сложная задача, но у вас имеется большой запас данных, более глубокая нейросеть может найти в них скрытые закономерности, которые пропустила бы мелкая. Это очень важная особенность ИИ, и она стала причиной, почему многие другие сферы, в частности здравоохранение и материаловедение, постепенно превращаются в информационные технологии. А именно: по мере роста вычислительных мощностей нам удается строить все более глубокие нейросети. А с удешевлением процессов сбора и хранения данных у нас появляется возможность обучать нейросети на том количестве материала, который позволяет им в полной мере реализовать свой потенциал в ряде прикладных задач. Как только глубокое обучение затрагивает новую сферу деятельности, та начинает испытывать влияние экспоненциально растущего интеллекта. См. “AlphaGo”, Google DeepMind, accessed January 30, 2023, https://deepmind.com/research/case-studies/alphago-the-story-so-far; “AlphaGo Zero: Starting from Scratch”, Google DeepMind, October 18, 2017, https://deepmind.com/blog/article/alphago-zero-starting-scratch; Tom Simonite, “This More Powerful Version of AlphaGo Learns On Its Own”,Wired,October 18, 2017, https://www.wired.com/story/this-more-powerful-version-of-alphago-learns-on-its-own; David Silver et al., “Mastering the Game of Go with Deep Neural Networks and Tree Search”,Nature529, no. 7587 (January 27, 2016): 484–89, https://doi.org/10.1038/nature16961; Christof Koch, “How the Computer Beat the Go Master”,Scientific American,March 19, 2016, https://www.scientificamerican.com/article/how-the-computer-beat-the-go-master; Josh Patterson and Adam Gibson,Deep Learning: A Practitioner’s Approach(Sebastopol, CA: O’Reilly, 2017), 6–8, https://books.google.com/books?id=qrcuDwAAQBAJ; Thomas Anthony, Zheng Tian, and David Barber, “Thinking Fast and Slow with Deep Learning and Tree Search”, 31st Conference on Neural Information Processing Systems (NIPS 2017), revised December 3, 2017, https://arxiv.org/pdf/1705.08439.pdf; Kaiming He et al., “Deep Residual Learning for Image Recognition”, 2016 IEEE Conference on Computer Vision and Pattern Recognition, December 10, 2015, https://arxiv.org/pdf/1512.03385.pdf.

7. Holt, “Waymo ’s Autonomous Vehicles Have Clocked 20 Million Miles on Public Roads”.

8. В 2021 году численность рабочей силы в США составляла около 155 миллионов человек. Из них 3,49 миллиона были профессиональными водителями грузовиков всех типов, а еще 832 600 человек были водителями пассажирского транспорта – всего около 2,7 % работников страны. См. See US Bureau of Labor Statistics, “Employment Status of the Civilian Population by Sex and Age”, US Department of Labor, accessed April 7, 2023, https://www.bls.gov/news.release/empsit.t01.htm; Jennifer Cheeseman Day and Andrew W. Hait, “America Keeps On Truckin’: Number of Truckers at All-Time High”, US Census Bureau, June 6, 2019, https://www.census.gov/library/stories/2019/06/america-keeps-on-trucking.html; US Bureau of

9. “Economics and Industry Data”, American Trucking Associations, accessed April 20, 2023, https://www.trucking.org/economics-and-industry-data; US Bureau of Labor Statistics, “Occupational Outlook Handbook, Passenger Vehicle Drivers – Summary”, US Department of Labor, accessed January 30, 2023, https://www.bls.gov/ooh/transportation-and-material-moving/passenger-vehicle-drivers.htm.

10. Mark Fahey, “Driverless Cars Will Kill the Most Jobs in Select US States”, CNBC, September 2, 2016, https://www.cnbc.com/2016/09/02/driverless-cars-will-kill-the-most-jobs-in-select-us-states.html.

11. Fahey, “Driverless Cars Will Kill the Most Jobs in Select US States”.

12. Cheeseman Day and Hait, “America Keeps on Truckin’”.

13. Bureau of Transportation Statistics, Transportation Economic Trends, US Department of Transportation, accessed April 20, 2023, https://data.bts.gov/stories/s/caxh-t8jd.

14. Carl Benedikt Frey and Michael A. Osborne. “The Future of Employment: How Susceptible Are Jobs to Computerisation?” (Oxford Martin School, September 17, 2013), 2, 36–38, https://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf.

15. Frey and Osborne, “Future of Employment: How Susceptible Are Jobs to Computerisation?”, 57–72.

16. Frey and Osborne, “Future of Employment: How Susceptible Are Jobs to Computerisation?”, 57–72.

17. Frey and Osborne, “Future of Employment: How Susceptible Are Jobs to Computerisation?”, 57–72.

18. Frey and Osborne, “Future of Employment: How Susceptible Are Jobs to Computerisation?”, 57–72.

19. Ljubica Nedelkoska and Glenda Quintini, “Automation, Skills Use and Training”, OECD Social, Employment and Migration Working Papers no. 202 (March 8, 2018), 7–8, https://doi.org/10.1787/2e2f4eea-en.

20. Nedelkoska and Quintini, “Automation, Skills Use and Training”, 7–8.

21. “A New Study Finds Nearly Half of Jobs Are Vulnerable to Automation”,Economist, April 24, 2018, https://www.economist.com/graphic-detail/2018/04/24/a-study-finds-nearly-half-of-jobs-are-vulnerable-to-automation; Frey and Osborne, “Future of Employment: How Susceptible Are Jobs to Computerisation?”.

22. Alexandre Georgieff and Anna Milanez, “What Happened to Jobs at High Risk of Automation?”, OECD Social, Employment and Migration Working Papers no. 255 (OECD Publishing, May 21, 2021), https://doi.org/10.1787/10bc97f4-en.

23. McKinsey & Company, “The Economic Potential of Generative AI: The Next Productivity Frontier ”, McKinsey & Company, June 2023: 37–41, https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier#introduction.

24. Richard Conniff, “What the Luddites Really Fought Against”,Smithsonian, March 2011, https://www.smithsonianmag.com/history/what-the-luddites-really-fought-against-264412.

25. “Hidden Histories: Luddites – A Short History of One of the First Labor Movements”, WRIR.org, May 23, 2010, https://www.wrir.org/2010/05/23/hidden-histories-luddites-a-short-history-of-one-of-the-first-labor-movemen; Conniff, “What the Luddites Really Fought Against”; Bill Kovarik,Revolutions in Communication: Media History from Gutenberg to the Digital Age(New York: Bloomsbury, 2015), 8, https://books.google.com/books?id= F6ugBQAAQBAJ; Jessica Brain, “The Luddites”, Historic UK, последняя проверка доступности 20 апреля 2023 года, https://www.historic-uk.com/HistoryUK/HistoryofBritain/The-Luddites.

26. Conniff, “What the Luddites Really Fought Against”; Brain, “The Luddites”.

27. Brain, “The Luddites”; Kevin Binfield, ed.,Writings of the Luddites(Baltimore: Johns Hopkins University Press, 2004); Frank Peel,The Risings of the Luddites(Heckmondwike, UK: T. W. Senior, 1880).

28. Stanley Lebergott, “Labor Force and Employment, 1800–1960”, inOutput, Employment, and Productivity in the United States After 1800, ed. Dorothy S. Brady (Washington, DC: National Bureau of Economic Research, 1966), 119, https://www.nber.org/chapters/c1567.pdf; US Bureau of Labor Statistics, “All Employees, Manufacturing (MANEMP)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated April 7, 2023, https://fred.stlouisfed.org/series/MANEMP; Organisation for Economic Co-operation and Development, “Employment by Economic Activity: Agriculture: All Persons for the United States (LFEAAGTTUSQ647S)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated April 20, 2023, https://fred.stlouisfed.org/series/LFEAAGTTUSQ647S; US Bureau of Labor Statistics, “Civilian Labor Force Level (CLF16OV)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated April 7, 2023, https://fred.stlouisfed.org/series/CLF16OV.

29. Lebergott, “Labor Force and Employment, 1800–1960”, 118; US Census Bureau, “Historical National Population Estimates July 1, 1900 to July 1, 1999”, Population Estimates Program, Population Division, US Census Bureau, revised June 28, 2000, https://www2.census.gov/programs-surveys/popest/tables/1900-1980/national/totals/popclockest.txt.

30. US Bureau of Labor Statistics, “Civilian Labor Force Level (CLF16OV)”; US Bureau of Economic Analysis, “Population (B230RC0A052NBEA)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated January 26, 2023, https://fred.stlouisfed.org/series/B230RC0A052NBEA.

31. Michael Huberman and Chris Minns, “The Times They Are Not Changin’: Days and Hours of Work in Old and New Worlds, 1870–2000”,Explorations in Economic History44, no. 4 (July 12, 2007): 548, https://personal.lse.ac.uk/minns/Huberman_Minns_EEH_2007.pdf; University of Groningen and University of California, Davis, “Average Annual Hours Worked by Persons Engaged for United States (AVHWPEUSA065NRUG)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated January 21, 2021, https://fred.stlouisfed.org/series/AVHWPEUSA065NRUG; Robert C. Feenstra, Robert Inklaar, and Marcel P. Timmer, “The Next Generation of the Penn World Table”,American Economic Review105, no. 10 (2015): 3150–82, https://www.rug.nl/ggdc/docs/the_next_genera tion_of_the_penn_world_table.pdf.

32. US Bureau of Labor Statistics, “Personal Income Per Capita (A792RC0A052NBEA)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated March 30, 2023, https://fred.stlouisfed.org/series/A792RC0A052NBEA; “CPI Inflation Calculator”, US Bureau of Labor Statistics, accessed April 20, 2023, https://data.bls.gov/cgi-bin/cpicalc.pl; US Bureau of Labor Statistics, “Civilian Labor Force Level (CLF16OV)”; US Bureau of Labor Statistics, “Real Median Personal Income in the United States (MEPAINUSA672N)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated September 13, 2022, https://fred.stlouisfed.org/series/MEPAINUSA672N.

33. Lebergott, “Labor Force and Employment, 1800–1960”, 118; US Bureau of Economic Analysis, “Population (B230RC0A052NBEA)”.

34. US Bureau of Labor Statistics, “Personal Income Per Capita (A792RC0A052NBEA)”; US Bureau of Labor Statistics, “Civilian Labor Force Level (CLF16OV)”; US Bureau of Economic Analysis, “Population (B230RC0A052NBEA)”.

35. US Bureau of Labor Statistics, “Real Median Personal Income in the United States (MEPAINUSA672N)”.

36. Huberman and Minns, “The Times They Are Not Changin’”, 548.

37. US Bureau of Labor Statistics, “Total Wages and Salaries, BLS (BA06RC1A027NBEA)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated October 12, 2022, https://fred.stlouisfed.org/series/BA06RC1A027NBEA; US Bureau of Labor Statistics, “Hours Worked by Full-Time and Part-Time Employees (B4701C0A222NBEA)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated October 12, 2022, https://fred.stlouisfed.org/series/B4701C0A222NBEA.

38. US Bureau of Labor Statistics, “Personal Income (PI)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated March 31, 2023, https://fred.stlouisfed.org/series/PI.

39. См., например, Microeconomix,The App Economy in the United States(London: Deloitte, August 17, 2018), 4, https://actonline.org/wp-content/uploads/Deloitte-The-App-Economy-in-US.pdf.

40. Lebergott, “Labor Force and Employment, 1800–1960”, 119.

41. F. M. L. Thompson, “The Second Agricultural Revolution, 1815–1880”,Economic History Review21, no. 1 (April 1968): 62–77, https://www.jstor.org/stable/2592204; Norman E. Borlaug, “Contributions of Conventional Plant Breeding to Food Production”,Science219, no. 4585 (February 11, 1983): 689–93, https://science.sciencemag.org/content/sci/219 /4585/689.full.pdf.

42. Подробнее о том, как индустриализация преобразовала сельское хозяйство: “Causes of the Industrial Revolution: The Agricultural Revolution”, ClickView, YouTube video, August 10, 2015, https://www.youtube.com/watch?v=6QKIts2_yJ0; John Green, “Coal, Steam, and the Industrial Revolution: Crash Course World History #32”, CrashCourse,

43. Lebergott, “Labor Force and Employment, 1800–1960”, 119.

44. Hannah Ritchie and Max Roser, “Crop Yields”, Our World in Data, updated 2022, https://ourworldindata.org/crop-yields; Sarah E. Cusick and Michael K. Georgieff, “The Role of Nutrition in Brain Development: The Golden Opportunity of the ‘First 1000 Days’”,Journal of Pediatrics175 (August 2016): 16–21, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4981537; Gary M. Walton and Hugh Rockoff,History of the American Economy, 11th ed. (Boston: Cengage Learning, 2009), 1–15.

45. “Provisional Cereal and Oilseed Production Estimates for England 2022”, Department for Environment Food & Rural Affairs (UK), December 21, 2022, https://www.gov.uk/govern ment/statistics/cereal-and-oilseed-rape-production/provisional-cereal-and-oilseed-production-estimates-for-england-2022.

46. “UK Population Estimates 1851 to 2014”, Office for National Statistics (UK), July 6, 2015, https://www.ons.gov.uk/peoplepopulationandcommunity/populationandmigration/populationestimates/adhocs/004356ukpopulationestimates1851to2014; Central Intelligence Agency, “Explore All Countries – United Kingdom”, CIA World Factbook, November 29, 2022, https://web.archive.org/web/20221207065501/https://www.cia.gov/the-world-factbook/countries/united-kingdom.

47. Organisation for Economic Co-operation and Development, “Employment by Economic Activity: Agriculture”; US Bureau of Labor Statistics, “Civilian Labor Force Level (CLF16OV)”; International Labour Organization, “Employment in Agriculture (% of Total Employment) (Modeled ILO Estimate)”, Worldbank.org, January 29, 2021, https://data.worldbank.org/indicator/SL.AGR.EMPL.ZS?locations=US.

48. Увлекательные материалы об автоматизации в сельском хозяйстве: Kyree Leary, “Crops Are Harvested Without Human Input, Teasing the Future of Agriculture”,Futurism, February 26, 2018, https://futurism.com/automated-agriculture-uk; “Growing Up: How Vertical Farming Works”, B1M, YouTube video, March 6, 2019, https://www.youtube.com/watch?v=QT4TWbPLrN8; “The Future of Farming”, The Daily Conversation, YouTube video, May 17, 2017, https://www.youtube.com/watch?v=Qmla9NLFBvU; Michael Larkin, “Labor Terminators: Farming Robots Are About To Take Over Our Farms”,Investor’s Business Daily, August 10, 2018, https://www.investors.com/news/farming-robot-agriculture-technology.

49. Lebergott, “Labor Force and Employment, 1800–1960”, 119; US Census Bureau,Statistical Abstract of the United States: 1999(Washington, DC: US Census Bureau, 1999): 879, https://www.census.gov/prod/99pubs/99statab/sec31.pdf; US Bureau of Labor Statistics, “Percent of Employment in Agriculture in the United States (USAPEMANA)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated June 10, 2013, https://fred.stlouisfed.org/series/USAPEMANA; International Labour Organization, “Employment in Agriculture”.

50. Lebergott, “Labor Force and Employment, 1800–1960”, 119.

51. Benjamin T. Arrington, “Industry and Economy During the Civil War”, National Park Service, August 23, 2017, https://www.nps.gov/articles/industry-and-economy-during-the-civil-war.htm; Lebergott, “Labor Force and Employment, 1800–1960”, 119.

52. Занимательное видео об изобретении конвейера и о том, какую роль тот сыграл во Второй промышленной революции: John Green, “Ford, Cars, and a New Revolution: Crash Course History of Science #28”, CrashCourse, YouTube video, November 12, 2018, https://www.youtube.com/watch?v=UPvwpYeOJnI.

53. Lebergott, “Labor Force and Employment, 1800–1960”, 119.

54. Lebergott, “Labor Force and Employment, 1800–1960”, 119; US Bureau of Labor Statistics, “Civilian Labor Force Level (CLF16OV)”; US Bureau of Labor Statistics, “All Employees, Manufacturing (MANEMP)”; US Bureau of Labor Statistics, “Manufacturing Sector: Real Output (OUTMS)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated March 2, 2023, https://fred.stlouisfed.org/series/OUTMS.

55. Увлекательные ролики о контейнерных перевозках и их влиянии на сферу логистики:Wall Street Journal, “How a Steel Box Changed the World: A Brief History of Shipping”, YouTube video, January 24, 2018, https://www.youtube.com/watch?v=0MUkgDIQdcM; PolyMatter, “How Container Ships Work”, YouTube video, November 2, 2018, https://www.youtube.com/watch?v= DY9VE3i-KcM.

56. US Bureau of Labor Statistics, “Manufacturing Sector: Real Output per Hour of All Persons (OPHMFG)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated March 2, 2023, https://fred.stlouisfed.org/series/OPHMFG.

57. US Bureau of Labor Statistics, “All Employees, Manufacturing (MANEMP)”.

58. US Bureau of Labor Statistics, “All Employees, Manufacturing (MANEMP)”; US Bureau of Labor Statistics, “Manufacturing Sector: Real Output (OUTMS)”.

59. US Bureau of Labor Statistics, “All Employees, Manufacturing (MANEMP)”.

60. US Bureau of Labor Statistics, “Manufacturing Sector: Real Output (OUTMS)”.

61. US Bureau of Labor Statistics, “All Employees, Manufacturing (MANEMP)”; US Bureau of Labor Statistics, “Manufacturing Sector: Real Output (OUTMS)”.

62. US Bureau of Labor Statistics, “All Employees, Manufacturing (MANEMP)”; US Bureau of Labor Statistics, “Civilian Labor Force Level (CLF16OV)”; Lebergott, “Labor Force and Employment, 1800–1960”, 119–20.

63. US Bureau of Labor Statistics, “All Employees, Manufacturing (MANEMP)”; US Bureau of Labor Statistics, “Civilian Labor Force Level (CLF16OV)”.

64. Стоит заметить, что доступные данные не отражают в полной мере ни влияние Великой депрессии, которая, вероятно, вызвала куда более резкое снижение занятости на производствах, чем показано на графике, ни роль Второй мировой войны, из-за которой произошел кратковременный, но сильный скачок в количестве трудоустроенных в индустриальном секторе – информация Бюро трудовой статистики не захватывает этот период времени. See US Bureau of Labor Statistics, “All Employees, Manufacturing (MANEMP)”; US Bureau of Labor Statistics, “Civilian Labor Force Level (CLF16OV)”; Lebergott, “Labor Force and Employment, 1800–1960”, 119–20.

65. US Bureau of Labor Statistics, “Labor Force Participation Rate (CIVPART)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated September 3, 2021, https://fred.stlouisfed.org/series/CIVPART; US Bureau of Labor Statistics, “Civilian Labor Force Level (CLF16OV)”.

66. International Labour Organization, “Labor Force, Female (% of Total Labor Force)– United States”, retrieved from Worldbank.org, September 2019, https://data.worldbank.org/indicator/SL.TLF.TOTL.FE.ZS?locations=US; US Bureau of Labor Statistics, “Labor Force Participation Rate (CIVPART)”; US Bureau of Labor Statistics, “Civilian Labor Force Participation Rate: Women (LNS11300002)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated April 7, 2023, https://fred.stlouisfed.org/series/LNS11300002.

67. US Bureau of Labor Statistics, “Labor Force Participation Rate (CIVPART)”.

68. Federal Interagency Forum on Child and Family Statistics,America’s Children: Key National Indicators of Well-Being, 2021(Washington, DC: US Government Printing Office, 2021): 81, https://web.archive.org/web/20220721170310/https://www.childstats.gov/pdf/ac2021/ac_21.pdf.

69. Federal Interagency Forum on Child and Family Statistics,America’s Children, 81.

70. Federal Interagency Forum on Child and Family Statistics,America’s Children, 81.

71. US Bureau of Labor Statistics, “Civilian Labor Force Level (CLF16OV)”; US Bureau of Labor Statistics, “Population, Total for United States (POPTOTUSA647NWDB)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated July 5, 2022, https://fred.stlouisfed.org/series/POPTOTUSA647NWDB.

72. US Bureau of Labor Statistics, “Civilian Labor Force Level (CLF16OV)”; US Bureau of Labor Statistics, “Population, Total for United States (POPTOTUSA647NWDB)”; “U.S. and World Population Clock”, US Census Bureau, updated April 20, 2023, https://www.census.gov/popclock.

73. US Bureau of Labor Statistics, “Civilian Labor Force Level (CLF16OV)”; US Census Bureau,Statistical Abstract of the United States: 1999, 879; Lebergott, “Labor Force and Employment, 1800–1960”, 118; “U.S. and World Population

74. National Center for Education Statistics, “Enrollment in Elementary, Secondary, and Degree-Granting Postsecondary Institutions, by Level and Control of Institution: Selected Years, 1869–70 Through Fall 2030”, US Department of Education, 2021, https://nces.ed.gov/programs/digest/d21/tables/dt21_105.30.asp; Tom Snyder, ed.,120 Years of American Education: A Statistical Portrait(Washington, DC: National Center for Education Statistics, 1993), 64, http://web20kmg.pbworks.com/w/file/fetch/66806781/120%20Years%20of%20American%20Education%20A%20Statistical%20Portrait.pdf.

75. National Center for Education Statistics, “Enrollment in Elementary, Secondary, and Degree-Granting Postsecondary Institutions”.

76. National Center for Education Statistics, “Total and Current Expenditures per Pupil in Public Elementary and Secondary Schools: Selected Years, 1919–20 Through 2018–19”, US Department of Education, September 2021, https://nces.ed.gov/programs/digest/d21/tables/dt21_236.55.asp; “Consumer Price Index, 1913–”, Federal Reserve Bank of Minneapolis, accessed April 20, 2023, https://www.minneapolisfed.org/about-us/monetary-policy/inflation-calculator/consumer-price-index-1913-; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers: All Items in U.S. City Average (CPIAUCSL)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated April 12, 2023, https://fred.stlouisfed.org/series/CPIAUCSL.

77. National Center for Education Statistics, “Total and Current Expenditures per Pupil in Public Elementary and Secondary Schools”; “Consumer Price Index, 1913–”, Federal Reserve Bank of Minneapolis; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers: All Items in U.S. City Average”.

78. National Center for Education Statistics,120 Years of American Education: A Statistical Portrait, 65.

79. Несколько наиболее авторитетных исследований, показывающих, что глобальные тенденции имеют выгодное для нас направление: Max Roser, “Most of Us Are Wrong About How the World Has Changed (Especially Those Who Are Pessimistic About the Future)”, Our World in Data, July 27, 2018, https://ourworldindata.org/wrong-about-the-world; “Why Are We Working on Our World in Data?”, Our World in Data, July 20, 2017, https://ourworldindata.org/motivation; Steven Pinker, “Is the World Getting Better or Worse? A Look at the Numbers”, TED video, April 2018, https://www.ted.com/talks/steven_pinker_is_the_world_getting _better_or_worse_a_look_at_the_numbers.

80. Подробнее о взглядах Эрика Бриньолфсона: Erik Brynjolfsson, “The Key to Growth? Race with the Machines”, TED, February 2013, https://www.ted.com/talks/erik_brynjolfsson_the_key_to_growth_race_with_the_machines; Erik Brynjolfsson et al., Mind vs Machine: Implications for Productivity, Wages and Employment from AI”, The Artificial Intelligence Channel, YouTube video, November 20, 2017, https://www.youtube.com/watch?v=roemLDPy_Ww; Erik Brynjolfsson and Andrew McAfee,The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies(New York: W.W. Norton, 2014).

81. Подробное, опирающееся на факты и данные объяснение тенденции к деквалификации, начавшейся в 1950-е: David Kunst, “Deskilling Among Manufacturing Production Workers”, VoxEU, August 9, 2019, https://voxeu.org/article/deskilling-among-manufacturing-production-workers.

82. Подробнее о растущих требованиях к квалификации работников и процессе производства обуви в компании FitMyFoot: Pablo Illanes et al., “Retraining and Reskilling Workers in the Age of Automation”, McKinsey Global Institute, January 2018, https://www.mckinsey.com/featured-insights/future-of-work/retrain ing-and-reskilling-workers-in-the-age-of-automation; “The Science and Technology of FitMyFoot”, FitMyFoot, accessed April 20, 2023, https://fitmyfoot.com/pages/science.

83. Jack Kelly, “Wells Fargo Predicts That Robots Will Steal 200,000 Banking Jobs Within the Next 10 Years”,Forbes,October 8, 2019, https://www.forbes.com/sites/jackkelly/2019/10 /08/wells-fargo-predicts-that-robots-will-steal-200000-banking-jobs-within-the-next-10-years/#237ecaba68d7; James Bessen, “How Computer Automation Affects Occupations: Technology, Jobs, and Skills”, Boston University School of Law (Law & Economics working paper no. 15–49, November 13, 2015), 5, https://www.bu.edu/law/files /2015/11/NewTech-2.pdf.

84. G. M. Filisko, “Paralegals and Legal Assistants Are Taking on Expanded Duties”,ABA Journal, November 1, 2014, http://www.abajournal.com/magazine/article/techno_change_o_paralegal_legal_assistant_duties_expand; Jean O’Grady, “Analytics, AI and Insights: 5 Innovations That Redefined Legal Research Since 2010”, Above the Law, January 2, 2020, https://abovethelaw.com/2020/01/analytics-ai-and-insights-5-innovations-that-redefined-legal-research-since-2010.

85. Kevin Roose, “A.I.-Generated Art Is Already Transforming Creative Work”,New York Times,October 21, 2022, https://www.nytimes.com/2022/10/21/technology/ai-generated-art-jobs-dall-e-2.html.

86. Краткое и доступное объяснение различий между капиталом и трудом: BBC, “Methods of Production: Labour and Capital”, BBC Bitesize, accessed January 30, 2023, https://www.bbc.co.uk/bitesize/guides/zth78mn/revision/5; Sal Khan, “What Is Capital?”, Khan Academy, accessed April 20, 2023, https://www.khanacademy.org/economics-fi nance-domain/macroeconomics/macroeconomics-income-inequality/piketty-capital/v/what-is-capital; Catherine Rampell, “Companies Spend on Equipment, Not Workers”,New York Times,June 9, 2011, https://www.nytimes.com/2011/06/10/business/10capital.html; Tim Harford, “What Really Powers Innovation: High Wages”,Financial Times, January 11, 2013, https://www.ft.com/content/b7ad1c68-59fb-11e2-b728-00144feab49a.

87. US Bureau of Labor Statistics, “Nonfarm Business Sector: Real Output per Hour of All Persons (OPHNFB)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated March 2, 2023, https://fred.stlouisfed.org/series/OPHNFB.

88. US Bureau of Labor Statistics, “Nonfarm Business Sector: Real Output per Hour of All Persons (OPHNFB)”.

89. Soon-Yong Choi and Andrew B. Whinston, “The IT Revolution in the USA: The Current Situation and the Problems”, inThe Internet Revolution: A Global Perspective, ed. Emanuele Giovannetti, Mitsuhiro Kagami, and Masatsugu Tsuji (Cambridge, UK: Cambridge University Press, 2003), 219, https://books.google.com/books?id=1f6wD7gezP4C.

90. US Bureau of Labor Statistics, “Nonfarm Business Sector: Real Output per Hour of All Persons (OPHNFB)”.

91. “Descriptions of General Purpose Digital Computers”,Computers and Automation4, no. 6 (June 1965): 76, https://web.archive.org/web/20190723025854/http://www.bitsavers.org/pdf/computersAndAutomation/196506.pdf.

93. Подробнее о ВВП и предельных издержках: Tim Callen, “Gross Domestic Product: An Economy’s All”, International Monetary Fund, December 18, 2018, https://www.imf.org/external/pubs/ft/fandd/basics/gdp.htm; Alicia Tuovila, “Marginal Cost of Production”, Investopedia, September 20, 2019, https://www.investopedia.com/terms/m/marginalcostofpro duction.asp; Sal Khan, “Marginal Revenue and Marginal Cost”, Khan Academy, accessed April 20, 2023, https://www.khanacademy.org/economics-finance-domain/ap-microeco nomics/production-cost-and-the-perfect-competition-model-temporary/short-run-production-costs/v/marginal-revenue-and-marginal-cost; Jeremy Rifkin,The Zero Marginal Cost Society: The Internet of Things, the Collaborative Commons, and the Eclipse of Capitalism(New York: St. Martin’s, 2014).

94. Все источники данных для оценки соотношения цена/производительность компьютеров, упомянутых в этой книге, приведены в приложении.

95. “Introducing the AMD Radeon RX 7900 XT”, AMD, accessed January 30, 2023, https:// www.amd.com/en/products/graphics/amd-radeon-rx-7900xt; Michael Justin Allen Sexton, “AMD Radeon RX 7900 XT Review”,PC Magazine, December 17, 2022, https://www.pcmag.com/reviews/amd-radeon-rx-7900-xt.

96. Все источники данных для оценки соотношения цена/производительность компьютеров, упомянутых в этой книге, приведены в приложении.

97. US Bureau of Labor Statistics, “A Review of Hedonic Price Adjustment Techniques for Products Experiencing Rapid and Complex Quality Change”, US Bureau of Labor Statistics, September 15, 2022, https://www.bls.gov/cpi/quality-adjustment/hedonic-price-adjustment-techniques.htm; Dave Wasshausen and Brent R. Moulton, “The Role of Hedonic Methods in Measuring Real GDP in the United States”, Bureau of Economic Analysis, October 2006, https://www.bea.gov/system/files/papers/P2006-6_0.pdf.

98. Erik Brynjolfsson, Avinash Collis, and Felix Eggers, “Using Massive Online Choice Experiments to Measure Changes in Well-Being”,Proceedings of the National Academy of Sciences116, no. 15 (April 9, 2019): 7250–55, https://doi.org/10.1073/pnas.1815663116.

101. Jasmine Enberg, “Social Media Update Q1 2021”, eMarketer, March 30, 2021, https://www.emarketer.com/content/social-media-update-q1-2021.

102. “Social Media Fact Sheet”, Pew Research Center, April 7, 2021, https://www.pewresearch.org/internet/fact-sheet/social-media; Stella U. Ogunwoleet al., “Population Under Age 18 Declined Last Decade”, US Census Bureau, August

103. Simon Kemp, “Digital 2020: 3.8 Billion People Use Social Media”, We Are Social, January 30, 2020, https://web.archive.org/web/20210808051917/https://wearesocial.com/blog/2020 /01/digital-2020-3-8-billion-people-use-social-media; Paige Cooper, “43 Social Media Advertising Statistics That Matter to Marketers in 2020”, Hootsuite, April 23, 2020, https://web.archive.org/web/20200729070657/https://blog.hootsuite.com/social-media-advertising-stats.

104. US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers: Medical Care in U.S. City Average (CPIMEDSL)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated April 12, 2023, https://fred.stlouisfed.org/series/CPIMEDSL#0; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers: All Items in U.S. City Average (CPIAUCSL)”; Xavier Jaravel, “The Unequal Gains from Product Innovations: Evidence from the U.S. Retail Sector”,Quarterly Journal of Economics134, no. 2 (May 2019): 715–83, https://doi.org/10.1093/qje/qjy031; Peter H. Diamandis and Steven Kotler,Abundance: The Future Is Better Than You Think(New York: Simon & Schuster, 2012).

105. US Bureau of Labor Statistics, “Labor Force Participation Rate (CIVPART)”.

106. Краткое объяснение этих определений и данных, лежащих в их основе: Clay Halton, “Civilian Labor Force”, Investopedia, July 23, 2019, https://www.investopedia.com/terms/c/civilian-labor-force.asp; US Census Bureau, “Growth in U.S. Population Shows Early Indication of Recovery amid COVID-19 Pandemic”, US Census Bureau press release CB22-214, December 22, 2022, https://www.census.gov/newsroom/press-releases/2022/2022-popula tion-estimates.html; “Population, Total – United States”, World Bank, accessed April 20, 2023, https://data.worldbank.org/indicator/SP.POP.TOTL?locations=US; US Bureau of Labor Statistics, “Civilian Labor Force Level (CLF16OV)”.

107. US Census Bureau, “Growth in U.S. Population Shows Early Indication of Recovery amid COVID-19 Pandemic”; US Bureau of Labor Statistics, “Civilian Labor Force Level (CLF16OV)”.

108. Data from US Bureau of Labor Statistics, “Labor Force Participation Rate (CIVPART)”.

109. Lauren Bauer et al., “All School and No Work Becoming the Norm for American Teens”, Brookings Institution, July 2, 2019, https://www.brookings.edu/blog/up-front/2019/07/02/all-school-and-no-work-becoming-the-norm-for-american-teens; Mitra Toossi, “Labor Force Projections to 2022: The Labor Force Participation Rate Continues to Fall”,Monthly Labor Review, US Bureau of Labor Statistics, December 2013, https://www.bls.gov/opub/mlr/2013/article/labor-force-projections-to-2022-the-labor-force-participation-rate-continues-to-fall.htm.

110. Jonnelle Marte, “Aging Boomers Explain Shrinking Labor Force, NY Fed Study Says”,Bloomberg, March 30, 2023, https://www.bloomberg.com/news/articles/2023-03-30/aging-boomers-explain-shrinking-labor-force-ny-fed-study-says; Richard Fry, “The Pace of Boomer Retirements Has Accelerated in the Past Year”, Pew Research Center, November 9, 2020, https://www.pewresearch.org/short-reads/2020/11/09/the-pace-of-boomer-retire ments-has-accelerated-in-the-past-year.

111. US Bureau of Labor Statistics, “Civilian Labor Force Participation Rate: 25 to 54 years (LNU01300060)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated April 7, 2023, https://fred.stlouisfed.org/series/LNU01300060.

112. Organisation for Economic Co-operation and Development, “Working Age Population: Aged 25–54: All Persons for the United States (LFWA25TTUSM647N)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated April 20, 2023, https://fred.stlouisfed.org/series/LFWA25TTUSM647N.

113. US Bureau of Labor Statistics, “Civilian Labor Force Participation Rate: 25 to 54 years (LNU01300060)”.

114. Заметим, что, хотя уровень участия в рабочей силе среди американцев 55 лет и старше растет, он все равно гораздо ниже, чем среди более молодых слоев населения, поэтому общий уровень участия в рабочей силе снижается. Кроме того, доля жителей старшего возраста сама по себе увеличивается, потому что беби-бумеров намного больше, чем представителей того поколения, которому они пришли на смену. См. US Census Bureau, “65 and Older Population Grows Rapidly as Baby Boomers Age”, US Census Bureau press release CB2099, June 25, 2020, https://www.census.gov/newsroom/press-releases/2020/65-older-population-grows.html; William E. Gibson, “Age 65+ Adults Are Projected to Outnumber Children by 2030”, AARP, March 14, 2018, https://www.aarp.org/home-family/friends-family/info-2018/census-baby-boomers-fd.html; US Bureau of Labor Statistics, “Civilian Labor Force Participation Rate by Age, Sex, Race, and Ethnicity”, US Bureau of Labor Statistics, updated September 8, 2022, https://www.bls.gov/emp/tables/civilian-labor-force-partici pation-rate.htm.

115. “Life Expectancy at Birth, Total (Years) – United States”, World Bank, accessed April 20, 2023, https://data.worldbank.org/indicator/SP.DYN.LE00.IN?locations=US.

116. Подробнее об изменениях в демографической структуре рабочей силы: см. Audrey Breitwieser, Ryan Nunn, and Jay Shambaugh, “The Recent Rebound in Prime-Age Labor Force Participation”, Brookings Institution, August 2, 2018, https://www.brookings.edu/blog/up-front/2018/08/02/the-recent-rebound-in-prime-age-labor-force-participation; Jo Harper, “Automation Is Coming: Older Workers Are Most at Risk”, Deutsche Welle, July 24, 2018, https://www.dw.com /en/automation-is-coming-older-workers-are-most-at-risk/a-44749804; Peter Gosselin, “If You’re Over 50, Chances Are the Decision to Leave a Job Won’t Be Yours”,ProPublica, December 28, 2018, https://www.propublica.org/article/older-workers-united-states-pushed-out-of-work-forced-retirement; Karen Harris, Austin Kimson, and Andrew Schwedel, “Labor 2030: The Collision of Demographics, Automation and Inequality”, Bain & Co., February 7, 2018, https://www.bain.com/insights/labor-2030-the-collision-of-demographics-automation-and-inequality; Alana Semuels, “This Is What Life Without Retirement Savings Looks Like”,Atlantic, February 22, 2018, https://www.theatlantic.com/business/ar chive/2018/02/pensions-safety-net-california/553970.

117. “Top 10 °Cryptocurrencies by Market Capitalization”, CoinMarketCap, последняя проверка доступности 20 апреля 2023 года, https://coinmarketcap.com.

118. “USD Exchange Trade Volume”, Blockchain.com, accessed July 31, 2023, https://www.blockchain.com/charts/trade-volume?timespan=all.

119. “USD Exchange Trade Volume”, Blockchain.com.

120. Bank for International Settlements,BIS Quarterly Review: International Banking and Financial Market Developments(Bank for International Settlements, December 2022), 16, https://www.bis.org/publ/qtrpdf/r_qt2212.pdf.

121. “Top 10 °Cryptocurrencies by Market Capitalization”, CoinMarketCap; “Bitcoin Price”, Coinbase, accessed April 20, 2023, https://www.coinbase.com/price/bitcoin.

122. “Bitcoin Price”, Coinbase.

123. “Bitcoin Price”, Coinbase.

124. “Bitcoin Price”, Coinbase.

125. Подробнее о растущей роли лидеров мнений в экономике: “How Big Is the Influencer Economy?”,TechCrunch, YouTube video, November 13, 2019, https://www.youtube.com/watch?v=RJBn2JDfDS0.

126. Sarah Perez, “iOS App Store Has Seen Over 170B Downloads, Over $130B in Revenue Since July 2010”,TechCrunch, May 31, 2018, https://techcrunch.com/2018/05/31/ios-app-store-has-seen-over-170b-downloads-over-130b-in-revenue-since-july-2010.

127. “Number of Available Applications in the Google Play Store from December 2009 to September 2022”, Statista, updated March 2023, https://www.statista.com/statistics/266210/number-of-available-applications-in-the-google-play-store.

128. “Number of Available Applications in the Google Play Store”, Statista.

129. Trevor Mogg, “App Economy Creates Nearly Half a Million US Jobs”,Digital Trends, February 7, 2012, https://web.archive.org/web/20170422014624/https://www.digitaltrends.com/android/app-economy-creates-nearly-half-a-million-us-jobs.

130. Microeconomix,App Economy in the United States, 4.

131. ACT: The App Association,State of the U.S. App Economy: 2020, 7th ed. (Washington, DC: ACT: The App Association, 2021), 4, https://actonline.org/wp-content/uploads/2020-App-economy-Report.pdf.

132. Frey and Osborne, “Future of Employment: How Susceptible Are Jobs to Computerisation?”.

133. Dusty Stowe, “Why Star Trek: The Original Series Was Cancelled After Season 3”,Screen Rant, May 21, 2019, https://screenrant.com/star-trek-original-series-cancelled-season-3-reason-why.

134. Kayla Cobb, “From ‘South Park’ to ‘BoJack Horseman’, Tracking the Rise of Continuity in Adult Animation”,Decider, December 16, 2015, https://decider.com/2015/12/16/tracking-the-rise-of-continuity-in-animated-comedies; Gus Lubin, “‘BoJack Horseman’ Creators Explain Why Netflix Is So Much Better Than TV”,Business Insider, October 3, 2014, https://www.businessinsider.com/why-bojack-horseman-went-to-netflix-2014-9.

135. International Telecommunication Union, “Key ICT Indicators for Developed and Developing Countries”.

136. Подробнее об истории и задачах системы социального страхования в США: Craig Benzine, “Social Policy: Crash Course Government and Politics #49”, CrashCourse, YouTube video, February 27, 2016, https://www.youtube.com/watch?v=mlxLX8Fto_A; “Here’s How the Great Depression Brought on Social Security”, History, YouTube

137. В связи с искажениями, вызванными пандемией COVID-19, 2020-й – последний год, для которого во время написания книги существовала подходящая статистика по программам социального страхования. Более свежие данные по разным странам трудно сопоставить между собой, потому что расходы на меры противодействия пандемии в разных государствах сильно различаются. См. Organisation for Economic Co-operation and Development, “Social Expenditure Database (SOCX)”, OECD.org, January 2023, https://www.oecd.org/social/expenditure.htm.

138. Organisation for Economic Co-operation and Development, “Social Expenditure Database”.

139. Organisation for Economic Co-operation and Development, “Social Expenditure Database”.

140. “GDP (Current US$) – United Kingdom”, World Bank, accessed April 20, 2023, https://data.worldbank.org/indicator/NY.GDP.MKTP.CD?locations=GB; “Population, Total – United Kingdom”, World Bank, последняя проверка доступности 20 апреля 2023 года, https://data.worldbank.org/indi cator/SP.POP.TOTL?locations=GB.

141. Organisation for Economic Co-operation and Development, “Social Expenditure Database”; “GDP (Current US$) – United States”, World Bank, accessed April 20, 2023, https://data.worldbank.org/indicator/NY.GDP.MKTP.CD?locations=US.

142. “Population, Total – United States”, World Bank.

143. Noah Smith, “The U.S. Social Safety Net Has Improved a Lot”,Bloomberg, May 16, 2018, https://www.bloomberg.com/opinion/articles/2018-05-16/the-u-s-social-safety-net-has-improved-a-lot.

144. Государственные расходы США очень сложно точно оценить, причем на всех уровнях: местных властей, штата и федерального правительства. К тому же данные с начала XX века трудно сопоставить с информацией последних лет. Так что самый тщательный подсчет все равно будет основываться на ряде предположений и методических допущений, правильный выбор которых не всегда очевиден. Особенно это касается расходов, связанных с программой социального страхования. Поэтому суммы затрат на социальное страхование, упомянутые в этой главе, следует понимать как первые приближения, а не совершенно точные значения. К тому же из-за отличий в методике сбора данных годовые затраты на соцобеспечение не совпадают с суммами так называемых «социальных расходов», которые значатся в базе данных ОЭСР. Тем не менее общая тенденция – что сеть социального страхования растет независимо от того, какая партия у власти – отчетливо просматривается.

145. US Census Bureau, “Historical National Population Estimates, July 1, 1900 to July 1, 1999”; US Bureau of Economic Analysis, “Population (B230RC0A052NBEA)”; “U.S. and World Population Clock – July 1, 2021”, US Census Bureau, updated January 30, 2023, https://www.census.gov/popclock; US Bureau of Economic Analysis, “Gross Domestic Product (GDP)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated March 30, 2023, https://fred.stlouisfed.org/series/GDP; “Consumer Price Index, 1913–”, Federal Reserve Bank of Minneapolis; Christopher Chantrill, “Government Spending Chart”, usgovernmentspending.com, accessed April 20, 2023, https://www.usgovernmentspending.com/spending_chart_1900_2021USk_22s2li011mcny_10t40t00t; “CPI Inflation Calculator” for July 2012–July 2021, US Bureau of Labor Statistics, accessed April 20, 2023, https://www.bls.gov/data/inflation_calculator.htm; Christopher Chantrill, “Government Spending Chart”, usgovernmentspending.com, последняя проверка доступности 20 апреля 2023 года, https://www.usgovernmentspending.com/spending_chart_1900_2021USk_22s2li011mcny_F0t; Jutta Bolt and Jan Luiten van Zanden,Maddison Project Database, version 2020, Groningen Growth and Development Centre, November 2, 2020, https://www.rug.nl/ggdc/historicaldevelopment/maddison/releases/maddison-project-database-2020; Jutta Bolt and Jan Luiten van Zanden, “Maddison Style Estimates of the Evolution of the World Economy. A New 2020 Update” (working paper WP-15, Maddison Project, October 2020), https://www.rug.nl/ggdc/historicaldevelopment/maddison/publications/wp15.pdf; John J. McCusker, “Colonial Statistics”, inHistorical Statistics of the United States: Earliest Times to the Present, ed. Susan G. Carter et al. (Cambridge, UK: Cambridge University Press, 2006), V-671; Richard Sutch, “National Income and Product”, inHistorical Statistics of the United States: Earliest Times to the Present, ed. Susan G. Carter et al. (Cambridge, UK: Cambridge University Press, 2006), III-23–25; Leandro Prados de la Escosura, “Lost Decades? Economic Performance in Post-Independence Latin America”,Journal of Latin American Studies41, no. 2 (May 2009): 279–307, https://www.jstor.org/stable/27744128; “CPI Inflation Calculator” for July 2011–July 2021, US Bureau of Labor Statistics, accessed January 30, 2023, https://www.bls.gov/data/inflation_calculator.htm; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers: All Items in U.S. City Average (CPIAUCSL)”; US Bureau of Economic Analysis, “Real Gross Domestic Product per Capita (A939RX0Q048SBEA)”, retrieved from FRED, Federal Reserve Bank of St. Louis, updated March 30, 2023, https://fred.stlouisfed.org/series/A939RX0Q048SBEA.

146. Источники данных для этого графика приведены в п. 145.

147. Источники данных для этого графика приведены в п. 145.

148. Источники данных для этого графика приведены в п. 145.

149. Видео нашей беседы: Ray Kurzweil and Chris Anderson, “Ray Kurzweil on What the Future Holds Next”,The TED Interviewpodcast, December 2018, https://www.ted.com/talks/the_ted_interview_ray_kurzweil_on_what_the_future_holds_next.

150. Подробнее о растущей поддержке концепции универсального базового дохода (или аналогичной идеи «всеобщего доступа к базовым услугам») и свидетельствах в пользу этой идеи: Will Bedingfield, “Universal Basic Income, Explained”,Wired,August 25, 2019, https://www.wired.co.uk/article/universal-basic-income-explained; Karen Yuan, “A Moral Case for Giving People Money”,Atlantic, August 22, 2018, https://www.theatlantic.com/mem bership/archive/2018/08/a-moral-case-for-giving-people-money/568207; Annie Lowrey, “Stockton’s Basic-Income Experiment Pays Off”,Atlantic, March 3, 2021, https://www.theatlantic.com/ideas/archive/2021/03/stocktons-basic-income-experiment-pays-off/618174; Dylan Matthews, “Basic Income: The World’s Simplest Plan to End Poverty, Explained”,Vox, April 25, 2016, https://www.vox.com/2014/9/8/6003359/basic-income-negative-income-tax-questions-explain; Sigal Samuel, “Everywhere Basic Income Has Been Tried, in One Map”,Vox, October 20, 2020, https://www.vox.com/future-perfect/2020/2/19/21112570/universal-basic-income-ubi-map; Ian Gough, “Move the Debate from Universal Basic Income to Universal Basic Services”, UNESCO Inclusive Poverty Lab, January 19, 2021, https://en.unesco.org/inclusivepolicylab/analytics/move-debate-universal-basic-income-universal-basic-services.

151. Derek Thompson, “A World Without Work”,Atlantic, July/August 2015, https://www.theatlantic.com/magazine/archive/2015/07/world-without-work/395294.

152. Все источники данных для оценки соотношения цена/производительность компьютеров, упомянутых в этой книге, приведены в приложении; Jaravel, “The Unequal Gains from Product Innovations”, 715–83; Diamandis and Kotler,Abundance.

153. US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers: Medical Care in U.S. City Average (CPIMEDSL)”; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers: All Items in U.S. City Average (CPIAUCSL)”; “Consumer Price Index, 1913–”, Federal Reserve Bank of Minneapolis; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers: All Items in U.S. City Average (CPIAUCSL)”.

154. US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers: Medical Care in U.S. City Average (CPIMEDSL)”; US Bureau of Labor Statistics, “Consumer Price Index for All Urban Consumers: All Items in U.S. City Average (CPIAUCSL)”; “Consumer Price Index, 1913–”, Federal Reserve Bank of Minneapolis.

155. Весьма содержательная книга о связи между управлением страной и ее процветанием: Daron Acemoglu and James A. Robinson,Why Nations Fail: The Origins of Power, Prosperity, and Poverty(New York: Crown, 2012).

156. Полезное наглядное объяснение пирамиды Маслоу и ее значения: “Why Maslow’s Hierarchy of Needs Matters”, The School of Life, YouTube video, April 10, 2019, https://www.youtube.com/watch?v=L0PKWTta7lU.

157. Sandra L. Colby and Jennifer M. Ortman,Projections of the Size and Composition of the U.S. Population:

158. Skip Descant, “Autonomous Vehicles to Have Huge Impact on Economy, Tech Sector”,Government Technology, June 27, 2018, https://www.govtech.com/fs/automation/Autonomous-Vehicles-to-Have-Huge-Impact-on-Economy-Tech-Sector.html; Kirsten Korosec, “Intel Predicts a $7 Trillion Self-Driving Future”,The Verge, June 1, 2017, https://www.theverge.com/2017/6/1/15725516/intel-7-trillion-dollar-self-driving-autonomous-cars; Adam Ozimek, “The Massive Economic Benefits of Self-Driving Cars”,Forbes,November 8, 2014, https://www.forbes.com/sites/modeledbehavior/2014/11/08/the-massive-economic-benefits-of-self-driving-cars/#723609f53273.

159. Существуют данные о 42 915 смертях в авариях на дорогах США в 2021 году. Хотя могут быть разные мнения относительно того, какой процент погибших можно отнести на ошибки водителей, совершенно ясно, что аварий, в которых человеческий фактор сыграл ключевую роль, подавляющее большинство – от 90 до 99 %. Беспилотные автомобили, управляемые достаточно продвинутым ИИ, смогли бы избежать почти всех ДТП. См. Bryant Walker Smith, “Human Error as a Cause of Vehicle Crashes”, Center for Internet and Society, Stanford Law School, December 18, 2013, https://cyberlaw.stanford.edu/blog/2013/12/human-error-cause-vehicle-crashes; David Zipper, “The Deadly Myth That Human Error Causes Most Car Crashes”,Atlantic, November 26, 2021, https://www.theatlantic.com/ideas/archive/2021/11/deadly-myth-human-error-causes-most-car-crashes/620808; National Highway Traffic Safety Administration, “Critical Reasons for Crashes Investigated in the National Motor Vehicle Crash Causation Survey”, NHTSA National Center for Statistics and Analysis report DOT HS 812 115, US Department of Transportation, February 2015, https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/812115; National Highway Traffic Safety Administration, “Early Estimates of Motor Vehicle Traffic Fatalities and Fatality Rate by Sub-Categories in 2021”, NHTSA National Center for Statistics and Analysis report DOT HS 813 298, US Department of Transportation, May 2022, https://crashstats.nhtsa.dot.gov/Api/Public/ViewPubli cation/813298.

160. Carl Benedikt Frey et al., “Political Machinery: Did Robots Swing the 2016 US Presidential Election?”,Oxford Review of Economic Policy34, no. 3 (2018): 418–42, https://www.ox fordmartin.ox.ac.uk/downloads/academic/Political_Machinery_July_2018.pdf.

161. Подробнее о долгосрочной тенденции к снижению уровня насилия в мире: Max Roser and Hannah Ritchie, “Homicides”, Our World in Data, December 2019, https://ourworldindata.org /homicides; Manuel Eisner, “From Swords to Words: Does Macro-Level Change in SelfControl Predict Long-Term Variation in Levels of Homicide?”,Crime and Justice43, no. 1 (September 2014): 80–81; UN Office on Drugs and Crime, “Intentional Homicides (Per 100,000 People) – France, Netherlands, Sweden, Germany, Switzerland, Italy, United Kingdom, Spain”, retrieved from Worldbank.org, accessed April 20, 2023, https://data.worldbank.org/indicator/VC.IHR.PSRC.P5?end=2020&locations=FR-NL-SE-DE-CH-IT-GB-ES&start=2020&view=bar; “Appendix Tables: Homicide in England and Wales”, UK Office for National Statistics, February 9, 2023, https://www.ons.gov.uk/file?uri=/peoplepopulationandcommunity/crimeandjustice/datasets/appendixtableshomicideinenglandandwales/current/homicideyemarch22appendixtables.xlsx; European Commission,Investing in Europe’s Future: Fifth Report on Economic, Social and Territorial Cohesion(Luxembourg: Publications Office of the European Union, 2010), https://ec.europa.eu/regional_policy/sources/docoffic/official/reports/cohesion5/pdf/5cr_part1_en.pdf;Global Study on Homicide, United Nations Office on Drugs and Crime, 2019, https://www.unodc.org/docu ments/data-and-analysis/gsh/Booklet1.pdf;Global Study on Homicide, United Nations Office on Drugs and Crime, 2011, http://www.unodc.org/documents/data-and-analysis/statistics/Homicide/Globa_study_on_homicide_2011_web.pdf; Steven Pinker,The Better Angels of Our Nature: Why Violence Has Declined(New York: Penguin, 2011).

162. Подробная лекция Пинкера на эту тему: “Steven Pinker: Better Angels of Our Nature”, Talks at Google, YouTube video, November 1, 2011, https://www.youtube.com/watch?v=_gGf7fXM3jQ.

163. Большинство из этих прогнозов опубликовано в моей книге «Век разумных машин» (1990). См. Raymond Kurzweil,The Age of Intelligent Machines(Cambridge, MA: MIT Press, 1990), 429–34.

164. Kurzweil,Age of Intelligent Machines, 432–34.

165. Alex Shashkevich, “Meeting Online Has Become the Most Popular Way U.S. Couples Connect, Stanford Sociologist Finds”, Stanford News, August 21, 2019, https://news.stanford.edu/2019/08/21/online-dating-popular-way-u-s-couples-meet; Michael J. Rosenfeld, Reuben J. Thomas, and Sonia Hausen, “Disintermediating Your Friends: How Online Dating in the United States Displaces Other Ways of Meeting”,Proceedings of the National Academy of Sciences116, no. 36 (September 3, 2019): 17753–58, https://doi.org/10.1073 /pnas.1908630116.

166. Даже если бы у смартфона образца 2024 года не было доступа к мобильной сети, весь англоязычный сегмент «Википедии» мог быть сохранен в его внутренней памяти. По разным оценкам объем текстовой информации в «Википедии» составляет около 150Гб, в то время как современные модели iPhone обладают памятью до 1Тб. См. Nick Lewis and Matt Klein, “How to Download Wikipedia for Offline, At-Your-Fingertips Reading”,How-To Geek, March 25, 2022, https://www.howtogeek.com/260023/how-to-download-wikipedia-for-offline-at-your-fingertips-reading; “Buy iPhone 14 Pro”, Apple, accessed April 20, 2023, https://www.apple.com/shop/buy-iphone/iphone-14-pro/6.7-inch-display-1tb-space-black-unlocked.

167. Чтобы внести ясность: здесь я говорю о той стадии, когда люди будут жить в симбиозе с ИИ, а также будет достигнуто изобилие материальных ресурсов. В переходный период, как мы уже обсуждали в этой главе, будут определенные трения и проявление конкуренции по мере того, как ИИ будет замещать работников, а некоторые рабочие места и вовсе будут становиться ненужными в новой экономической парадигме.

Глава 6. Какой будет забота о здоровье в следующие тридцать лет

1. Один из мировых лидеров в сфере биомоделирования, компания Insilico Medicine разработала систему ИИ под названием Pharma.AI и воспользовалась ей для разработки INS018_055, низкомолекулярного лекарственного средства, которое сейчас проходит вторую фазу клинических испытаний. Препарат предназначается для лечения редкого заболевания – идиопатического легочного фиброза. Это первый раз, когда ИИ не просто улучшил разработку исследователей, а спроектировал лекарство от и до: выявил неизвестную прежде биомолекулярную мишень и обнаружил молекулу, способную воздействовать на эту мишень. Потрясающий рассказ о работе компании Insilico: “How AI Is Accelerating Drug Discovery”, YouTube video, April 3, 2023, https://www.youtube.com/watch?v=mqB vitxD05M; Hayden Field, “The First Fully A.I.-Generated Drug Enters Clinical Trials in Human Patients”, CNBC, June 29, 2023, https://www.cnbc.com/2023/06/29/ai-generated-drug-begins-clinical-trials-in-human-patients.html.

2. Больше информации о создании препаратов с помощью ИИ: Vanessa Bates Ramirez, “Drug Discovery AI Can Do in a Day What Currently Takes Months”, SingularityHub, May 7, 2017, https://singularityhub.com/2017/05/07/drug-discovery-ai-can-do-in-a-day-what-currently-takes-months; “MIT Quest for Intelligence Launch: AI-Driven Drug Discovery”, Massachusetts Institute of Technology, YouTube video, March 9, 2018, https://www.youtube.com/watch?v=aqMRrRS_0JY; “Developer Spotlight: Opening a New Era of Drug Discovery with Amber”, NVIDIA Developer, YouTube video, July 29, 2019, https://www.youtube.com/watch?v=FqnPGHdh7iM; “We’re Teaching Robots and AI to Design New Drugs”, SciShow, YouTube video, September 30, 2021, https://www.youtube.com/watch?v=eRXqD-7FANg; Francesca Properzi et al., “Intelligent Drug Discovery: Powered by AI” (Deloitte Centre for Health Solutions, 2019), https://www2.deloitte.com/content/dam/insights/us/articles/32961_intelligent-drug-discovery/DI_Intelligent-Drug-Discovery.pdf; Nic Fleming, “How Artificial Intelligence Is Changing Drug Discovery”,Nature557, no. 7707 (May 31, 2018): S55–S57, https://doi.org/10.1038 /d41586-018-05267-x; David H. Feedman, “Hunting for New Drugs with AI”,Nature576, no. 7787 (December 18, 2019): S49–S53, https://www.nature.com/articles/d41586-019-03846-0.

3. Abhimanyu S. Ahuja, Vineet Pasam Reddy, and Oge Marques, “Artificial Intelligence and COVID-19: A Multidisciplinary Approach”,Integrative Medicine Research9, no. 3, article 100434 (May 27, 2020), https://doi.org/10.1016/j.imr.2020.100434; Jared Sagoff, “Argonne’s Researchers and Facilities Playing a Key Role in the Fight Against

26. Ray Kurzweil, “AI-Powered Biotech Can Help Deploy a Vaccine in Record Time”,Wired,May 19, 2020, https://www.wired.com/story/opinion-ai-powered-biotech-can-help-deploy-a-vaccine-in-record-time; Aaron Dubrow, “AI Fast-Tracks Drug Discovery to Fight COVID-19”, Texas Advanced Computing Center, April 22, 2020, https://www.tacc.utexas.edu/-/ai-fast-tracks-drug-discovery-to-fight-covid-19; Thompson, “How Long Will a Vaccine Really Take?”; Tina Morrison et al., “Advancing Regulatory Science with Computational Modeling for Medical Devices at the FDA ’s Office of Science and Engineering Laboratories”,Frontiers in Medicine5, article 241 (September 25, 2018), https://doi.org/10.3389/fmed.2018.00241.

27. “The Drug Development Process: Step 3: Clinical Resarch”, US Food and Drug Administration.

28. Daniel Bastardo Blanco, “Our Cells Are Filled with ‘Junk DNA’—Here’s Why We Need It”,Discover, August 13, 2019, https://www.discovermagazine.com/health/our-cells-are-filled-with-junk-dna-heres-why-we-need-it.

29. Jian Zhou et al., “Whole-Genome Deep-Learning Analysis Identifies Contribution of Noncoding Mutations to Autism Risk”,Nature Genetics51, no. 6 (May 27, 2019): 973–80, https://doi.org/10.1038/s41588-019-0420-0; Thomas Sumner, “New Causes of Autism Found in ‘Junk’ DNA”, Simons Foundation, May 27, 2019, https://www.simonsfounda tion.org/2019/05/27/autism-noncoding-mutations.

30. Sumner, “New Causes of Autism Found in ‘Junk’ DNA”.

31. Nancy Fliesler, “Using Multiple Data Streams and Artificial Intelligence to ‘Nowcast’ Local Flu Outbreaks”,Vector, Boston Children’s Hospital, January 14, 2019, https://web.archive.org/web/20210121214157/https://vector.childrenshospital.org/2019/01/local-fluprediction-argonet.

32. Fliesler, “Using Multiple Data Streams and Artificial Intelligence to ‘Nowcast’ Local Flu Outbreaks”.

33. Fliesler, “Using Multiple Data Streams and Artificial Intelligence to ‘Nowcast’ Local Flu Outbreaks”.

34. Fliesler, “Using Multiple Data Streams and Artificial Intelligence to ‘Nowcast’ Local Flu Outbreaks”; Fred S. Lu et al., “Improved State-Level Influenza Nowcasting in the United States Leveraging Internet-Based Data and Network Approaches”,Nature Communications10, article 147 (January 11, 2019), https://doi.org/10.1038/s41467-018-08082-0.

35. Подробнее о CheXNet и ее преемнике CheXpert: “CheXNet and Beyond”, Matthew Lungren, YouTube video, November 10, 2018, https://www.youtube.com/watch?v=JqYte9UMJCg; Pranav Rajpurkar et al., “CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning”, Stanford Machine Learning Group working paper, November 14, 2017, https://arxiv.org/pdf/1711.05225v1.pdf; Jeremy Irvin et al., “CheXpert: A Large Chest Radiograph Dataset with Uncertainty Labels and Expert Comparison”,Proceedings of the AAAI Conference on Artificial Intelligence33, no. 1 (July 17, 2019): AAAI-10, IAAI-19, EAAI-20, https://www.aaai.org/ojs/index.php/AAAI/article/view/3834.

36. Huiying Liang et al., “Evaluation and Accurate Diagnoses of Pediatric Diseases Using Artificial Intelligence”,Nature Medicine25, no. 3 (February 11, 2019): 433–38, https://doi.org/10.1038/s41591-018-0335-9.

37. Dimitrios Mathios et al., “Detection and Characterization of Lung Cancer Using Cell-Free DNA Fragmentomes”,Nature Communications12, article 5060 (August 20, 2021), https://doi.org/10.1038/s41467-021-24994-w.

38. Sophie Bushwick, “Algorithm That Detects Sepsis Cut Deaths by Nearly 20 Percent”,Scientific American,August 1, 2022, https://www.scientificamerican.com/article/algorithm-that-detects-sepsis-cut-deaths-by-nearly-20-percent; Roy Adams et al., “Prospective, Multi-Site Study of Patient Outcomes After Implementation of the TREWS Machine Learning-Based Early Warning System for Sepsis”,Nature Medicine28 (July 21, 2022): 1455–60, https://doi.org/10.1038/s41591-022-01894-0; Katharine E. Henry et al., “Factors Driving Provider Adoption of the TREWS Machine Learning-Based Early Warning System and Its Effects on Sepsis Treatment Timing”,Nature Medicine28 (July 21, 2022), 1447–54, https://doi.org/10.1038/s41591-022-01895-z.

39. Lungren, “CheXNet and Beyond”; Rajpurkar et al., “CheXNet: Radiologist-Level Pneumonia Detection”; Irvin et al., “CheXpert: A Large Chest Radiograph Dataset with Uncertainty Labels and Expert Comparison”, AAAI-10, IAAI-19, EAAI-20; Thomas Davenport and Ravi Kalakota, “The Potential for Artificial Intelligence in Healthcare”,Future Healthcare Journal6, no. 2 (June 2019): 94–98, https://doi.org/10.7861/futurehosp.6-2-94.

40. Dario Amodei and Danny Hernandez, “AI and Compute”, OpenAI, May 16, 2018, https://openai.com/blog/ai-and-compute.

41. Eliza Strickland, “Autonomous Robot Surgeon Bests Humans in World First”,IEEE Spectrum, May 4, 2016, https://spectrum.ieee.org/the-human-os/robotics/medical-robots/autonomous-robot-surgeon-bests-human-surgeons-in-world-first.

42. Alice Yan, “Chinese Robot Dentist Is First to Fit Implants in Patient’s Mouth Without Any Human Involvement”,South China Morning Post, September 21, 2017, https://www.scmp.com/news/china/article/2112197/chinese-robot-dentist-first-fit-implants-patients-mouth-without-any-human.

43. Илон Маск рассказывает о технологии автоматического вживления электродов компании Neuralink: “Neuralink: Elon Musk’s Entire Brain Chip Presentation in 14 Minutes (Supercut)”, CNET, YouTube video, August 28, 2020, https://www.youtube.com/watch?v= CLUWDLKAF1M.

44. Wallace P. Ritchie Jr., Robert S. Rhodes, and Thomas W. Biester, “Work Loads and Practice Patterns of General Surgeons in the United States, 1995–1997”,Annals of Surgery230, no. 4 (October 1999): 533–43, https://doi.org/10.1097/00000658-199910000-00009.

45. Hans Moravec,Mind Children: The Future of Robot and Human Intelligence(Cambridge, MA: Harvard University Press, 1988).

46. Peter Weibel, “Virtual Worlds: The Emperor’s New Bodies”, inArs Electronica: Facing the Future, ed. Timothy Druckery (Cambridge, MA: MIT Press, 1999), 215, https://monoskop.org/images/4/47/Ars_Electronica_Facing_the_Future_A_Survey_of_Two_Decades_1999.pdf.

47. “Neuron Firing Rates in Humans”, AI Impacts, April 14, 2015, https://aiimpacts.org/rate-of-neuron-firing; Suzana Herculano-Houzel, “The Human Brain in Numbers: A Linearly Scaled-up Primate Brain”,Frontiers in Human Neuroscience3, no. 31 (November 9, 2009), https://doi.org/10.3389/neuro.09.031.2009; David A. Drachman, “Do We Have Brain to Spare?”,Neurology64, no. 12 (June 27, 2005), https://doi.org/10.1212/01.WNL.00001 66914.38327.BB; Antony Leather, “Intel Fires Back at AMD with Fastest Ever Processors: Mobile CPUs with up to 8 Cores and 5.3GHz Inbound”,Forbes,April 2, 2020, https://www.forbes.com/sites/antonyleather/2020/04/02/intel-fires-back-at-amd-with-fastest-ever-processors-mobile-cpus-with-up-to-8-cores-and-53ghz-inbound/#210c5243643d.

48. Mladen Božanić and Saurabh Sinha, “Emerging Transistor Technologies Capable of Terahertz Amplification: A Way to Re-Engineer Terahertz Radar Sensors”,Sensors19, no. 11 (May 29, 2019), https://doi.org/10.3390/s19112454; “Intel Core i9-10900K Processor”, Intel, accessed December 23, 2022, https://ark.intel.com/content/www/us/en/ark/products/199332/intel-core-i910900k-processor-20m-cache-up-to-5-30-ghz.html.

49. Ray Kurzweil,The Singularity Is Near(New York: Viking, 2005), 125; Moravec,Mind Children, 59.

50. “June 2022”, Top500.org, accessed October 20, 2022, https://www.top500.org/lists /top500/2022/06.

51. Статья, содержащая пересказ лекции Фейнмана от 29 декабря 1959 года: Richard Feynman, “There’s Plenty of Room at the Bottom”,Engineering and Science23, no. 5 (February 1960): 22–26, 30–36, http://calteches.library.caltech.edu/47/2/1960Bottom.pdf.

52. Feynman, “There’s Plenty of Room at the Bottom”, 22–26, 30–36.

53. John von Neumann,Theory of Self-reproducing Automata(Urbana, IL: University of Illinois Press, 1966), https://archive.org/details/theoryofselfrepr00vonn_0/mode/2up; John G. Kemeny, “Man Viewed as a Machine”,Scientific American192, no. 4 (April 1955): 58–67, in nearly complete form at https://dijkstrascry.com/sites/default/files/papers/JohnKemenyManViewedasaMachine.pdf.

54. Von Neumann,Theory of Self-reproducing Automata, 251–96, 377.

55. For Drexler’s original books, see K. Eric Drexler,Engines of Creation:

56. Drexler,Engines of Creation, 18–19, 105–8, 247.

57. Drexler,Nanosystems, 343–66.

58. Drexler,Nanosystems, 354–55.

59. Ralph C. Merkle, et al., “Mechanical Computing Systems Using Only Links and Rotary Joints”,Journal of Mechanisms and Robotics, Vol. 10, no. 6, article 061006, September 17, 2018, arXiv:1801.03534v2 [cs.ET], March 25, 2019, https://arxiv.org/pdf/1801.03534.pdf.

60. «Молекулярно-механический логический элемент» по проекту Меркла состоит из 87 595 атомов углерода и 33 100 атомов водорода. Его объем составляет 27 нм × 32 нм × 7нм, то есть 6048 кубических нанометров. Это означает, что в одном литре поместится примерно 1,65 × 1020 (165 квинтиллионов) логических элементов. При рабочей частоте в 100МГц они смогут выполнять максимум 1028 логических операций в секунду на литр. Заметим, что это теоретический максимум без учета инженерных ограничений. Пока не ясно, насколько близко мы на практике сможем подобраться к этим значениям. См. Merkle et al., “Mechanical Computing Systems Using Only Links and Rotary Joints”, arXiv, 24–27; Drexler,Nanosystems, 370–71.

61. По данным Меркла и соавторов, на выполнение одной операции вышеописанный логический элемент будет тратить порядка 10-26 джоулей энергии (на порядок больше, чем 10-27 Дж – таковы будут затраты на одно поворотное соединение). Таким образом, на 1028 операций в секунду у этого гипотетического литрового компьютера уйдет 100 ватт. См. Merkle et al., “Mechanical Computing Systems Using Only Links and Rotary Joints”, arXiv, 24–27.

62. Liqun Luo, “Why Is the Human Brain So Efficient?”,Nautilus, April 12, 2018, http://nautil.us/issue/59/connections/why-is-the-human-brain-so-efficient.

63. Ralph C. Merkle, “Design Considerations for an Assembler”,Nanotechnology7, no. 3 (September 1996): 210–15, https://doi.org/10.1088/0957-4484/7/3/008, mirrored in similar version at http://www.zyvex.com/nanotech/nano4/merklePaper.html.

64. Merkle, “Design Considerations for an Assembler”, 210–15; Ralph. C. Merkle, “Self Replicating Systems and Molecular Manufacturing”,Journal of the British Interplanetary Society45, no. 12 (December 1992): 407–13, available in adapted version at http://www.zyvex.com/nanotech/selfRepJBIS.html; Neil Jacobstein, “Foresight Guidelines for Responsible Nanotechnology Development”, Foresight Institute, April 2006, https://foresight.org/guidelines/current.php.

65. Robert A. Freitas Jr., “The Gray Goo Problem”, KurzweilAI.net, March 20, 2001, https://www.kurzweilai.net/the-gray-goo-problem; Robert A. Freitas Jr., “Some Limits to Global Ecophagy by Biovorous Nanoreplicators, with Public Policy Recommendations”, Foresight Institute, April 2000, http://www.rfreitas.com/Nano/Ecophagy.htm.

66. James Lewis, “Ultrafast DNA Robotic Arm: A Step Toward a Nanofactory?”, Foresight Institute, January 25, 2018, https://foresight.org/ultrafast-robotic-arm-step-toward-nanofactory; Kohji Tomita et al., “Self-Description for Construction and Execution in Graph Rewriting Automata”, inAdvances in Artificial Life: 8th European Conference, ECAL 2005, Canterbury, UK, September 5–9, 2005, Proceedings, ed. Mathieu S. Capcarrere et al. (Heidelberg, Germany: Springer Science & Business Media, 2005), 705–14.

67. Подробнее об успешных попытках построить работающие наноразмерные машины и запчасти для них: Eric Drexler, “Big Nanotech: Building a New World with Atomic Precision”,Guardian, October 21, 2013, https://www.theguardian.com/science/small-world/2013/oct/21/big-nanotech-atomically-precise-manufacturing-apm; Mark Peplow, “The Tiniest Lego: A Tale of Nanoscale Motors, Rotors, Switches and Pumps”,Nature525, no. 7567 (September 2, 2015): 18–21, https://doi.org/10.1038/525018a; Carlos Manzano et al., “Step-by-Step Rotation of a Molecule-Gear Mounted on an Atomic-Scale Axis”,Nature Materials8, no. 6 (June 14, 2009): 576–79, https://doi.org/10.1038/nmat2467; Babak Kateb and John D. Heiss,The Textbook of Nanoneuroscience and Nanoneurosurgery(Boca Raton, FL: CRC Press, 2013): 500–501, https://www.google.com/books/edition/The_Textbook_of_Nanoneuroscience_and_Nan/rCbOBQAAQBAJ; Torben Jasper-Toennies et al., “Rotation of Ethoxy and Ethyl Moieties on a Molecular Platform on Au(111)”,ACS Nano14, no. 4 (February 19, 2020): 3907–16, https://doi.org/10.1021/acsnano.0c00029; Kwanoh Kim et al., “Man-Made Rotary Nanomotors: A Review of Recent Development”,Nanoscale8, no. 20 (May 19, 2016): 10471–90, https://doi.org/10.1039/c5nr08768f; The Optical Society, “Nanoscale Machines Convert Light into Work”, Phys.org, October 8, 2020, https://phys.org/news/2020-10-nanoscale-machines.html.

68. Дебаты Дрекслера и Смолли, мои комментарии к ним, записи двух бесед с Дрекслером и обзор последних исследований, открывающих путь к созданию молекулярных ассемблеров: Richard E. Smalley, “Of Chemistry, Love and Nanobots”,Scientific American,September 2001, https://www.scientificamerican.com/article/of-chemistry-love-and-nanobots; Rudy Baum, “Nano technology: Drexler and Smalley Make the Case for and Against ‘Molecular Assemblers’”,Chemical & Engineering News81, no. 48 (September 8, 2003): 37–42, https://web.archive.org/web/20230116122623/http://pubsapp.acs.org/cen/coverstory/8148/8148counterpoint.html; Eric Drexler, “Transforming the Material Basis of Civilization | Eric Drexler | TEDxISTAlameda”, TEDx Talks, YouTube video, November 16, 2015, https://www.youtube.com/watch?v=Q9RiB_o7Szs; Eric Drexler, “Dr. Eric Drexler – The Path to Atomically Precise Manufacturing”, The Artificial Intelligence Channel, YouTube video, September 18, 2017, https://www.youtube.com/watch?v=dAA-HWMaF9o; UT-Battelle,Productive Nanosystems: A Technology Roadmap, Battelle Memorial Institute and Foresight Nanotech Institute, 2007, https://foresight.org/wp-content/uploads/2023/05/Nanotech_Roadmap_2007_main.pdf; James Lewis, “Atomically Precise Manufacturing as the Future of Nanotechnology”, Foresight Institute, March 8, 2015, https://foresight.org/atomically-precise-manu facturing-as-the-future-of-nanotechnology; Xiqiao Wang et al., “Atomic-Scale Control of Tunneling in Donor-Based Devices”,Communications Physics3, article 82 (May 11, 2020), https://doi.org/10.1038/s42005-020-0343-1; “Paving the Way for Atomically Precise Manufacturing”, UT Dallas, YouTube video, February 9, 2018, https://www.youtube.com/watch?v=or3jYNZ6fn8; University of Texas at Dallas, “Microscopy Breakthrough Paves the Way for Atomically Precise Manufacturing”, Phys.org, February 12, 2018, https://phys.org/news/2018-02-microscopy-breakthrough-paves-atomically-precise.html; Kiel University, “Towards a Light Driven Molecular Assembler”, Phys.org, July 23, 2019, https://phys.org/news/2019-07-driven-molecular.html; Jonathan Wyrick et al., “Atom-by-Atom Fabrication of Single and Few Dopant Quantum Devices”,Advanced Functional Materials29, no. 52 (August 14, 2019), https://doi.org/10.1002/adfm.201903475; Farid Tajaddodianfar et al., “On the Effect of Local Barrier Height in Scanning Tunneling Microscopy: Measurement Methods and Control Implications”,Review of Scientific Instruments89, no. 1, article 013701 (January 2, 2018), https://doi.org/10.1063/1.5003851.

69. Ray Kurzweil, “The Drexler-Smalley Debate on Molecular Assembly”, KurzweilAI.net, December 1, 2003, https://www.kurzweilai.net/the-drexler-smalley-debate-on-molecular-assembly.

70. Drexler,Nanosystems, 398–410.

71. Drexler,Nanosystems, 238–49, 458–68.

72. Drexler,Engines of Creation; Drexler,Nanosystems; Dexter Johnson, “Diamondoids on Verge of Key Application Breakthroughs”,IEEE Spectrum, March 31, 2017, https://spec trum.ieee.org/nanoclast/semiconductors/materials/diamondoids-on-verge-of-key-application-breakthroughs.

73. Neal Stephenson,The Diamond Age: Or, a Young Lady’s Illustrated Primer(New York: Bantam, 1995).

74. Matthew A. Gebbie et al., “Experimental Measurement of the Diamond Nucleation Landscape Reveals Classical and Nonclassical Features”,Proceedings of the National Academy of Sciences115, no. 33 (August 14, 2018): 8284–89, https://doi.org/10.1073/pnas.1803654115.

75. Hongyao Xie et al., “Large Thermal Conductivity Drops in the Diamondoid Lattice of CuFeS2 by Discordant Atom Doping”,Journal of the American Chemical Society141, no. 47 (November 2, 2019): 18900–909, https://doi.org/10.1021/jacs.9b10983; Shenggao Liu, Jeremy Dahl, and Robert Carlson, “Heteroatom-Containing Diamondoid Transistors”, U.S. Patent 7,402,835 (filed July 16, 2003; issued July 22, 2008), US Patent and Trademark Office, https://patents.google.com/patent/US7402835B2/en.

76. См., например, Robert A. Freitas Jr., “A Simple Tool for Positional Diamond Mechanosynthesis, and Its Method of Manufacture”,

77. Подробности об этой разработке и ссылки на другие работы Меркла в области нанотехнологий можно найти в: Ralph C. Merkle, “A Proposed ‘Metabolism’ for a Hydrocarbon Assembler”,Nanotechnology8, no. 4 (December 1997): 149–62, https://iopscience.iop.org/article /10.1088/0957-4484/8/4/001/meta, mirrored at http://www.zyvex.com/nanotech/hydro CarbonMetabolism.html; “Papers by Ralph C. Merkle”, Merkle.com, accessed October 20, 2022, http://www.merkle.com/merkleDir/papers.html.

78. Merkle, “A Proposed ‘Metabolism’ for a Hydrocarbon Assembler”.

79. Об успехах в изучении графена, углеродных нанотрубок, наноцепей, а также о впечатляющем проекте МТИ по созданию компьютерного чипа с 14 000 транзисторов, целиком состоящего из углеродных нанотрубок: “The Graphene Times”,Nature Nanotechnology14, no. 10, article 903 (October 3, 2019), https://doi.org/10.1038/s41565-019-0561-4; “Nova: Car bon Nanotubes”, Mangefox, YouTube video, January 28, 2011, https://www.youtube.com/watch?v=19nzPt62UPg; Elizabeth Gibney, “Biggest Carbon-Nanotube Chip Yet Says ‘Hello, World!’”,Nature, August 28, 2019, https://doi.org/10.1038/d41586-019-02576-7; Haifei Zhan et al., “The Best Features of Diamond Nanothread for Nanofibre Applications”,Nature Communications8, article 14863 (March 17, 2017), https://doi.org/10.1038 /ncomms14863; Haifei Zhan et al., “High Density Mechanical Energy Storage with Carbon Nanothread Bundle”,Nature Communications11, article 1905 (April 20, 2020), https:// doi.org/10.1038/s41467-020-15807-7; Keigo Otsuka et al., “Deterministic Transfer of Optical-Quality Carbon Nanotubes for Atomically Defined Technology”,Nature Communications12, article 3138 (May 25, 2021), https://doi.org/10.1038/s41467-021-23413-4.

80. По-видимому, наиболее подробное исследование того, как можно осуществить механосинтез на базе алмазоидов, описано в статье Роберта Фрайтаса и Ральфа Меркла 2008 года о наборе реакций, необходимых для работы универсального наноассемблера. См. Robert A. Freitas Jr. and Ralph C. Merkle, “A Minimal Toolset for Positional Diamond Mechanosynthesis”,Journal of Computational and Theoretical Nanoscience5, no. 5 (May 2008): 760–862, https://doi.org/10.1166/jctn.2008.2531, mirrored at http://www.molecularassembler.com/Papers/MinToolset.pdf.

81. Masayuki Endo and Hiroshi Sugiyama, “DNA Origami Nanomachines”,Molecules23, no. 7 (article 1766), July 18, 2018, https://doi.org/10.3390/molecules23071766; Fei Wang et al., “Programming Motions of DNA Origami Nanomachines”,Small15, no. 26, article 1900013 (March 25, 2019), https://doi.org/10.1002/smll.201900013.

82. Suping Li et al., “A DNA Nanorobot Functions as a Cancer Therapeutic in Response to a Molecular TriggerIn Vivo”,Nature Biotechnology36, no. 3 (February 12, 2018): 258–64, https://doi.org/10.1038/nbt.4071; Stephanie Lauback et al., “Real-Time Magnetic Actuation of DNA Nanodevices via Modular Integration with Stiff Micro-Mevers”,Nature Communications9, no. 1, article 1446 (April 13, 2018), https://doi.org/10.1038/s41467-018-03601-5.

83. Liang Zhang, Vanesa Marcos, and David A. Leigh, “Molecular Machines with BioInspired Mechanisms”,Proceedings of the National Academy of Sciences115, no. 38 (February 26, 2018), https://doi.org/10.1073/pnas.1712788115.

84. Christian E. Schafmeister, “Molecular Lego”,Scientific American,February 2007, https://www.scientificamerican.com/article/molecular-lego.

85. Matthias Koch et al., “Spin Read-Out in Atomic Qubits in an All-Epitaxial Three-Dimensional Transistor”,Nature Nanotechnology14, no. 2 (January 7, 2019): 137–40, https://doi.org/10.1038/s41565-018-0338-1.

86. Mukesh Tripathi et al., “Electron-Beam Manipulation of Silicon Dopants in Graphene”,Nano Letters18, no. 8 (June 27, 2018): 5319–23, https://doi.org/10.1021/acs.nanolett.8b02406.

87. John N. Randall et al., “Digital Atomic Scale Fabrication an Inverse Moore’s Law – A Path to Atomically Precise Manufacturing”,Micro and Nano Engineering1 (November 2018): 1–14, https://doi.org/10.1016/j.mne.2018.11.001.

88. Roshan Achal et al., “Lithography for Robust and Editable Atomic-Scale Silicon Devices and Memories”,Nature Communications9, no. 1, article 2778 (July 23, 2018), https://doi.org/10.1038/s41467-018-05171-y.

89. Chalmers University of Technology, “Graphene and Other Carbon Nanomaterials Can Replace Scarce Metals”, Phys.org, September 19, 2017, https://phys.org/news/2017-09-graphene-carbon-nanomaterials-scarce-metals.html; Rickard Arvisson and Björn A. Sandén, “Carbon Nanomaterials as Potential Substitutes for Scarce Metals”,Journal of Cleaner Production156 (July 10, 2017): 253–61, https://doi.org/10.1016/j.jclepro.2017.04.048.

90. K. Eric Drexler,Radical Abundance: How a Revolution in Nanotechnology Will Change Civilization(New York: PublicAffairs, 2013), 168–72.

91. Paul Sullivan, “A Battle over Diamonds: Made by Nature or in a Lab?”,New York Times,February 9, 2018, https://www.nytimes.com/2018/02/09/your-money/synthetic-diamond-jewelry.html.

92. Milton Esterow, “Art Experts Warn of a Surging Market in Fake Prints”,New York Times,January 24, 2020, https://www.nytimes.com/2020/01/24/arts/design/fake-art-prints.html; Kelly Crow, “Leonardo da Vinci Painting ‘Salvator Mundi’ Smashes Records with $450.3 Million Sale”,Wall Street Journal, November 16, 2017, https://www.wsj.com/articles /leonardo-da-vinci-painting-salvator-mundi-sells-for-450-3-million-1510794281.

93. Ray Kurzweil and Terry Grossman,Transcend: Nine Steps to Living Well Forever(Emmaus, PA: Rodale, 2009).

94. Больше информации о последних исследованиях в биогеронтологии, нацеленных на понимание и устранение механизмов старения: “Why Age? Should We End Aging Forever?”, Kurzgesagt – In a Nutshell, YouTube video, October 20, 2017, https://www.youtube.com/watch?v=GoJsr4IwCm4; “How to Cure Aging – During Your Lifetime?”, Kurzgesagt – In a Nutshell, YouTube video, November 3, 2017, https://www.youtube.com/watch?v=MjdpR-TY6QU; “Daphne Koller, Chief Computing Officer, Calico Labs”, CB Insights, YouTube video, January 18, 2018, https://www.youtube.com/watch?v=0EIZ8wJYAEA; “Ray Kurzweil – Physical Immortality”, Aging Reversed, YouTube video, January 3, 2017, https://www.youtube.com /watch?v=BUExzREe9oo; Peter H. Diamandis, “Nanorobots: Where We Are Today and Why Their Future Has Amazing Potential”, SingularityHub, May 16, 2016, https://singu larityhub.com/2016/05/16/nanorobots-where-we-are-today-and-why-their-future-has-amazing-potential.

95. Nicola Davis, “Human Lifespan Has Hit Its Natural Limit, Research Suggests”,Guardian, October 5, 2016, https://www.theguardian.com/science/2016/oct/05/human-lifespan-has-hit-its-natural-limit-research-suggests; Craig R. Whitney, “Jeanne Calment, World’s Elder, Dies at 122”,New York Times,August 5, 1997, https://www.nytimes.com/1997/08/05/world/jeanne-calment-world-s-elder-dies-at-122.html.

96. “Actuarial Life Table”, US Social Security Administration, последняя проверка доступности 20 октября 2022 года, https://www.ssa.gov/oact/STATS/table4c6.html.

97. France Meslé and Jacques Vallin, “Causes of Death at Very Old Ages, Including for Supercentenarians”, inExceptional Lifespans, ed. Heiner Maier et al. (Cham, Switzerland: Springer, 2020): 72–82, https://link.springer.com/content/pdf/10.1007/978-3-030-49970-9.pdf?pdf=button.

98. “Aubrey De Grey – Living to 1,000 Years Old”, Aging Reversed, YouTube video, May 26, 2018, https://www.youtube.com/watch?v=ZkMPZ8obByw; “One-on-One: An Investigative Interview with Aubrey de Grey—44th St. Gallen Symposium”, StGallenSymposium, YouTube video, May 8, 2014, https://www.youtube.com/watch?v=DkBfT_EPBIo; “Aubrey de Grey, PhD: ‘The Science of Curing Aging’”, Talks at Google, YouTube video, January 4, 2018, https://www.youtube.com/watch?v=S6ARUQ5LoUo.

99. “A Reimagined Research Strategy for Aging”, SENS Research Foundation, accessed December 27, 2022, https://web.archive.org/web/20221118080039/https://www.sens.org/our-research/intro-to-sens-research.

100. “Longevity: Reaching Escape Velocity”, Foresight Institute, YouTube video, December 12, 2017, https://www.youtube.com/watch?v=M4b19vZ57U4.

101. Richard Zijdeman and Filipa Ribeira da Silva, “Life Expectancy at Birth (Total)”, IISH Data Collection, V1 (2015), https://hdl.handle.net/10622/LKYT53.

102. Robert A. Freitas Jr., “The Life-Saving Future of Medicine”,Guardian, March 28, 2014, https://www.theguardian.com/what-is-nano/nano-and-the-life-saving-future-of-medicine.

103. Jacqueline Krim, “Friction at the Nano-Scale”,Physics World, February 2, 2005, https://physicsworld.com/a/friction-at-the-nano-scale.

104. Rose

105. Простым языком о том, как работают гормоны и иммунная система: “How the Immune System Actually Works – Immune”, Kurzgesagt – In a Nutshell, YouTube video, August 10, 2021, https://www.youtube.com/watch?v=lXfEK8G8CUI; “How Does Your Immune System Work? – Emma Bryce”, TED-Ed, YouTube video, January 8, 2018, https://www.youtube.com/watch?v=PSRJfaAYkW4; “How Do Your Hormones Work? – Emma Bryce”, TED-Ed, YouTube video, June 21, 2018, https://www.youtube.com/watch?v=-SPRPkLoKp8.

106. Простым языком о том, как работают легкие: “How Do Lungs Work? – Emma Bryce”, TED-Ed, YouTube video, November 24, 2014, https://www.youtube.com/watch?v=8NUxvJS0k.

107. Простым языком о том, как работают почки: “How Do Your Kidneys Work? – Emma Bryce”, TED-Ed, YouTube video, February 9, 2015, https://www.youtube.com /watch?v=FN3MFhYPWWo.

108. Простым языком о том, как работает пищеварительная система: “How Your Digestive System Works – Emma Bryce”, TED-Ed, YouTube video, December 14, 2017, https://www.youtube.com/watch?v=Og5xAdC8EUI.

109. Простым языком о том, зачем нужна и как работает поджелудочная железа: “What Does the Pancreas Do? – Emma Bryce”, TED-Ed, YouTube video, February 19, 2015, https://www.youtube.com/watch?v=8dgoeYPoE-0.

110. George Dvorsky, “FDA Approves World’s First Automated Insulin Pump for Diabetics”,Gizmodo, September 29, 2016, https://gizmodo.com/fda-approves-worlds-first-automated-insulin-pump-for-di-1787227150.

111. Простым языком о том, какую роль играют гормоны в развитии диабета: “Role of Hormones in Diabetes”, Match Health, YouTube video, December 6, 2013, https://www.you tube.com/watch?v=sPwoMm9cv1M; Matthew McPheeters, “What Is Diabetes Mellitus? | Endocrine System Diseases | NCLEX-RN”, Khan Academy Medicine, YouTube video, May 14, 2015, https://www.youtube.com/watch?v=ulxyWZf7BWc.

112. Краткий рассказ без сложных терминов о взаимосвязи между сном и гормонами: Hormone Health Network, “Sleep and Circadian Rhythm”, Hormone.org, Endocrine Society, June 2019, https://www.hormone.org/your-health-and-hormones/sleep-and-circadian-rhythm.

113. Подробнее о рецидиве рака и раковых стволовых клетках: “Why Is It So Hard to Cure Cancer? – Kyuson Yun”, TED-Ed, YouTube video, October 10, 2017, https://www.you tube.com/watch?v=h2rR77VsF5c; “Recurrent Cancer: When Cancer Comes Back”, National Cancer Institute, January 18, 2016, https://www.cancer.gov/types/recurrent-cancer; Kyle Davis, “Investigating Why Cancer Comes Back”, National Human Genome Research Institute, September 8, 2015, https://www.genome.gov/news/news-release/Investigating-why-cancer-comes-back.

114. Zuoren Yu et al., “Cancer Stem Cells”,International Journal of Biochemical Cell Biology44, no. 12 (December 2012): 2144–51, https://doi.org/10.1016/j.biocel.2012.08.022.

115. “How Does Chemotherapy Work? – Hyunsoo Joshua No”, TED-Ed, YouTube video, December 5, 2019, https://www.youtube.com/watch?v=RgWQCGX3MOk; “Why People with Cancer Are More Likely to Get Infections”, American Cancer Society, March 13, 2020, https://www.cancer.org/treatment/treatments-and-side-effects/physical-side-effects/low-blood-counts/infections/why-people-with-cancer-are-at-risk.html.

116. Nirali Shah and Terry J. Fry, “Mechanisms of Resistance to CAR T Cell Therapy”,Nature Reviews Clinical Oncology16 (March 5, 2019): 372–85, https://doi.org/10.1038/s41571-019-0184-6; Robert Vander Velde et al., “Resistance to Targeted Therapies as a Multifactorial, Gradual Adaptation to Inhibitor Specific Selective Pressures”,Nature Communications11, article 2393 (May 14, 2020), https://doi.org/10.1038/s41467-020-16212-w.

117. Отличное простое объяснение процесса клеточного деления: Hank Green, “Mitosis: Splitting Up Is Complicated – Crash Course Biology #12”, CrashCourse, YouTube video, April 16, 2012, https://www.youtube.com/watch?v=L0k-enzoeOM.

118. Краткое введение в CRISPR, один из самых перспективных подходов к редактированию генома на сегодняшний день: Brad Plumer et al., “A Simple Guide to CRISPR, One of the Biggest Science Stories of the Decade”,Vox, updated December 27, 2018, https://www.vox.com/2018/7/23/17594864/crispr-cas9-gene-editing.

119. Eveleth, “There Are 37.2 Trillion Cells in Your Body”.

120. Ознакомительное видео об этом процессе: “Regulation of Gene Expression: Operons, Epigenetics, and Transcription Factors”, Professor Dave Explains, YouTube video, October 15, 2017, https://www.youtube.com/watch?v=J9jhg90A7Lw.

121. Bert M. Verheijen and Fred W. van Leeuwen, “Commentary: The Landscape of Transcription Errors in Eukaryotic Cells”,Frontiers in Genetics8, article 219 (December 14, 2017), https://doi.org/10.3389/fgene.2017.00219.

122. Patricia Mroczek, “Nanoparticle Chomps Away Plaques That Cause Heart Attacks”, MSUToday, Michigan State University, January 27, 2020, https://msutoday.msu.edu/news /2020/nanoparticle-chomps-away-plaques-that-cause-heart-attacks; Alyssa M. Flores,Nature Nanotechnology15, no. 2 (January 27, 2020): 154–61, https://doi.org/10.1038/s41565-019-0619-3; Ira Tabas and Andrew H. Lichtman, “Monocyte-Macrophages and T Cells in Atherosclerosis”,Immunity47, no. 4 (October 17, 2017): 621–34, https://doi.org/10.1016 /j.immuni.2017.09.008.

123. American Stroke Association “Understanding Diagnosis and Treatment of Cryptogenic Stroke: A Health Care Professional Guide”, American Heart Association, 2019, https://web.archive.org/web/20211023144019/https://www.stroke.org/-/media/stroke-files/cryptogenic-professional-resource-files/crytopgenic-professional-guide-ucm-477051.pdf.

124. Занятное и несложное видео о фолдинге белков: “Protein Structure and Folding”, Amoeba Sisters, YouTube video, September 24, 2018, https://www.youtube.com/watch?v= hok2hyED9go.

125. Максимальная (чисто теоретически) частота возбуждения биологических нейронов около 1000 Гц, в то время как наноразмерная механическая система Ральфа Меркла предположительно сможет достигать 100 МГц, то есть окажется в 100 000 раз быстрее. Предел прочности на разрыв у коллагеновых волокон находится в районе 90 МПа; многослойные углеродные нанотрубки в экспериментах выдерживали усилие примерно в 63 ГПа, а нанонити из алмазоида – 98 ГПа (при том что теоретический максимум для алмазоида приблизительно 100 ГПа). Все эти числа на три порядка превосходят величину прочности коллагена. См. “Neuron Firing Rates in Humans”, AI Impacts; Ralph C. Merkle et al., “Mechanical Computing Systems Using Only Links and Rotary Joints”, 24–27; Yehe Liu, Roberto Ballarini, and Steven J. Eppell, “Tension Tests on Mammalian Collagen Fibrils”,Interface Focus6, no. 1, article 20150080 (February 6, 2016), https://doi.org/10.1098/rsfs.2015.0080; Min-Feng Yu et al., “Strength and Breaking Mechanism of Multiwalled Carbon Nanotubes Under Tensile Load”,Science287, no. 5453 (January 28, 2000): 637–40, https://doi.org/10.1126/science.287.5453.637; Amit Banerjee et al., “Ultralarge Elastic Deformation of Nanoscale Diamond”,Science360, no. 6386 (April 20, 2018): 300–302, https://doi.org/10.1126/science.aar4165; Drexler,Nanosystems, 24–35, 142–43.

126. Robert A. Freitas, “Exploratory Design in Medical Nanotechnology: A Mechanical Artificial Red Cell”,Artificial Cells, Blood Substitutes, and Biotechnology26, no. 4 (1998): 411–30, https://doi.org /10.3109/10731199809117682.

127. Freitas, “Exploratory Design in Medical Nanotechnology”, 426; Robert A. Freitas Jr., “Respirocytes: A Mechanical Artificial Red Cell: Exploratory Design in Medical Nanotechnology”, Foresight Institute/Institute for Molecular Manufacturing,” April 17, 1996, https://web.archive.org/web/20210509160649/https://foresight.org/Nanomedicine/Respi rocytes.php.

128. Herculano-Houzel, “The Human Brain in Numbers”; Drachman, “Do We Have Brain to Spare?”; Hervé Lemaître et al., “Normal Age-Related Brain Morphometric Changes: Non-uniformity Across Cortical Thickness, Surface Area and Grey Matter Volume?”,Neurobiology of Aging33, no. 3 (March 2012): 617.e1–617.e9, https://doi.org/10.1016/j.neurobio laging.2010.07.013; Merkle et al., “Mechanical Computing Systems Using Only Links and Rotary Joints”, 24–27.

129. “Neuron Firing Rates in Humans”, AI Impacts; Merkle et al., “Mechanical Computing Systems Using Only Links and Rotary Joints”, 24–27; Drexler,Nanosystems, 370–71.

130. Herculano-Houzel, “The Human Brain in Numbers”; Drachman, “Do We Have Brain to Spare?”; “Firing Behavior and Network Activity of Single Neurons in Human Epileptic Hypothalamic Hamartoma”,Frontiers in Neurology2, no. 210 (December 27, 2013), https://doi.org/10.3389/fneur.2013.00210; Ernest L. Abel,Behavioral Teratogenesis and Behavioral Mutagenesis: A Primer in Abnormal Development(New York: Plenum Press, 1989), 113, https://books.google.co.uk/books?id=gV0rBgAAQBAJ; Anders Sandberg and Nick Bostrom,Whole

131. Herculano-Houzel, “The Human Brain in Numbers”; Drachman, “Do We Have Brain to Spare?”; “Firing Behavior and Network Activity of Single Neurons in Human Epileptic Hypothalamic Hamartoma”; Abel,Behavioral Teratogenesis and Behavioral Mutagenesis; Sandberg and Bostrom,Whole Brain Emulation, 80; see the appendix for the sources used for all the cost-of-computation calculations in this book.

Глава 7. Предстоящие трудности

1. Bill McKibben, “How Much Is Enough? The Environmental Movement as a Pivot Point in Human History”, Harvard Seminar on Environmental Values, October 18, 2000, 11, http://docshare04.docshare.tips/files/9552/95524564.pdf.

2. Robert M. Pirsig,Zen and the Art of Motorcycle Maintenance(New York: Quill, 1999, 26; first published by William Morrow, 1974). В своей работе Пёрсиг объединил восточные и западные идеи и разработал философскую концепцию, известную как «Метафизика качества», которая изучает, как жизненный опыт людей порождает знания и идеи. Она стала одной из самых продаваемых философских книг всех времен. См. также Tim Adams, “The Interview: Robert Pirsig”,Guardian, November 19, 2006, https://www.theguardian.com/books/2006 /nov/19/fiction.

3. Hans M. Kristensen and Matt Korda, “Status of World Nuclear Forces”, Federation of American Scientists, March 2, 2022, https://fas.org/issues/nuclear-weapons/status-world-nuclear-forces.

4. Hans M. Kristensen, “Alert Status of Nuclear Weapons”, Briefing to Short Course on Nuclear Weapon and Related Security Issues, George Washington University Elliott School of International Affairs, April 21, 2017, 2, https://uploads.fas.org/2014/05/Brief2017_GWU_2s.pdf.

5. Вы можете сами оценить последствия ядерной войны с помощью увлекательного онлайн-сервиса Nukemap, разработанного Алексом Веллерстейном и доступного по адресу: https://nuclearsecrecy.com/nukemap. См. также Kyle Mizokami, “335 Million Dead: If America Launched an All-Out Nuclear War”,National Interest, March 13, 2019, https://nationalinterest.org/blog/buzz/335-million-dead-if-america-launched-all-out-nuclear-war-57262; Dylan Matthews, “40 Years Ago Today, One Man Saved Us from World-Ending Nuclear War”,Vox, September 26, 2023, https:// www.vox.com/2018/9/26/17905796/nuclear-war-1983-stanislav-petrov-soviet-union; Owen B. Toon et al., “Rapidly Expanding Nuclear Arsenals in Pakistan and India Portend Regional and Global Catastrophe”,Science Advances5, no. 10 (October 2, 2019), https:// advances.sciencemag.org/content/5/10/eaay5478.

6. Seth Baum, “The Risk of Nuclear Winter”, Federation of American Scientists, May 29, 2015, https://fas.org/pir-pubs/risk-nuclear-winter; Bryan Walsh, “What Could a Nuclear War Do to the Climate – and Humanity?”,Vox, August 17, 2022, https://www.vox.com/future-perfect/2022/8/17/23306861/nuclear-winter-war-climate-change-food-starvation-existential-risk-russia-united-states.

7. Anders Sandberg and Nick Bostrom,Global Catastrophic Risks Survey, technical report 2008-1, Future of Humanity Institute, Oxford University (2008): 1, https://www.fhi.ox.ac.uk/reports/2008-1.pdf.

8. Kristensen and Korda, “Status of World Nuclear Forces”; Arms Control Association, “Nuclear Weapons: Who Has What at a Glance”, Arms Control Association, June 2023, https://www.armscontrol.org/factsheets/Nuclearweaponswhohaswhat.

9. Заслуживающий внимания обзор международных соглашений в отношении ядерного оружия: “U.S.-Russian Nuclear Arms Control Agreements at a Glance”, Arms Control Association, August 2019, https://www.armscontrol.org/factsheets/USRussiaNuclearAgreements.

10. Max Roser and Mohamed Nagdy, “Nuclear Weapons”, Our World in Data, 2019, https:// ourworldindata.org/nuclear-weapons; Hans M. Kristensen and Robert S. Norris, “The Bulletin of the Atomic Scientists’ Nuclear Notebook”, Federation of American Scientists, 2019, https://thebulletin.org/nuclear-notebook-multimedia; Kristensen and Korda, “Status of World Nuclear Forces”.

11. Treaty Banning Nuclear Weapon Tests in the Atmosphere, in Outer Space, and Under Water, October 10, 1963, https://treaties.un.org/doc/Publication/UNTS/Volume%20480/volume-480-I-6964-English.pdf.

12. Полезная подборка международных законов, касающихся этой темы: “International Legal Agreements Relevant to Space Weapons”, Union of Concerned Scientists, February 11, 2004, https:// www.ucsusa.org/nuclear-weapons/space-weapons/international-legal-agreements.

13. Ученые осознали это несколько десятилетий назад. См., например, Martin E. Hellman, “Arms Race Can Only Lead to One End: If We Don’t Change Our Thinking, Someone Will Drop the Big One”,Houston Post, April 4, 1985, available in very similar form at https://ee.stanford.edu/~hellman/opinion/inevitability.html.

14. Кратко для получения четкого представления о том, как работает система взаимного гарантированного уничтожения, см. “Mutually Assured Destruction: When the Only Winning Move Is Not to Play”,Farnam Street, June 2017, https://fs.blog/2017/06/mutually-assured-destruction.

15. Подробнее о системах противоракетной обороны США: “Current U.S. Missile Defense Programs at a Glance”, Arms Control Association, August 2019, https://www.armscontrol.org/factsheets/usmissiledefense.

16. Alan Robock and Owen Brian Toon, “Self-Assured Destruction: The Climate Impacts of Nuclear War”,Bulletin of the Atomic Scientists68, no. 5 (September 1, 2012): 66–74, https://thebulletin.org/2012/09/self-assured-destruction-the-climate-impacts-of-nuclear-war.

17. Valerie Insinna, “Russia’s Nuclear Underwater Drone Is Real and in the Nuclear Posture Review”,DefenseNews, January 12, 2018, https://www.defensenews.com/space/2018/01/12/russias-nuclear-underwater-drone-is-real-and-in-the-nuclear-posture-review; Douglas Barrie and Henry Boyd, “Burevestnik: US Intelligence and Russia’s ‘Unique’ Cruise Missile”, International Institute for Strategic Studies, February 5, 2021, https://www.iiss.org/blogs /military-balance/2021/02/burevestnik-russia-cruise-missile.

18. Richard Stone, “‘National Pride Is at Stake.’ Russia, China, United States Race to Build Hypersonic Weapons”,Science, January 8, 2020, https://www.science.org/content/article/national-pride-stake-russia-china-united-states-race-build-hypersonic-weapons.

19. Joshua M. Pearce and David C. Denkenberger, “A National Pragmatic Safety Limit for Nuclear Weapon Quantities”,Safety4, no. 2 (2018): 25, https://www.mdpi.com/2313-576X/4/2/25.

20. “Safety Assistance System Warns of Dirty Bombs”, Fraunhofer, September 1, 2017, https://www.fraunhofer.de/en/press/research-news/2017/september/safety-assistance-system-warns-of-dirty-bombs-.html.

21. Jaganath Sankaran, “A Different Use for Artificial Intelligence in Nuclear Weapons Command and Control”, War on the Rocks, April 25, 2019, https://warontherocks.com/2019/04/a-different-use-for-artificial-intelligence-in-nuclear-weapons-command-and-control; Jill Hruby and M. Nina Miller, “Assessing and Managing the Benefits and Risks of Artificial Intelligence in Nuclear-Weapon Systems”, Nuclear Threat Initiative, August 26, 2021, https://www.nti.org/analysis/articles/assessing-and-managing-the-benefits-and-risks-of-artificial-intelligence-in-nuclear-weapon-systems.

22. Краткий рассказ о Черной смерти и других эпидемиях чумы: Jenny Howard, “Plague, Explained”,National Geographic, August 20, 2019, https://www.nationalgeographic.com/science/health-and-human-body/human-diseases/the-plague.

23. “Historical Estimates of World Population”, US Census Bureau, July 5, 2018, https://www.census.gov/data/tables/time-series/demo/international-programs/historical-est-worldpop.html.

24. Elizabeth Pennisi, “Black Death Left a Mark on Human Genome”,Science, February 3, 2014, https://www.sciencemag.org/news/2014/02/black-death-left-mark-human-genome.

25. В генетической терапии, например, ради благих целей часто используются модифицированные вирусы. Краткий обзор этой области: “Gene Therapy Inside Out”, US Food and Drug Administration, YouTube video, December 19, 2017, https://www.youtube.com/watch?v=GbJasFgJkLg.

26. Обзор опасностей, связанных с биотерроризмом: R. Daniel Bressler and Chris Bakerlee, “‘Designer Bugs’: How the Next Pandemic Might Come from a Lab”,Vox, December 6, 2018, https://www.vox.com/future-perfect/2018/12/6/18127430/superbugs-biotech-pathogens-biorisk-pandemic.

27. Подробнее об асиломарской конференции и принятых положениях: M. J. Peterson, “Asilomar Conference on Laboratory Precautions When Conducting Recombinant DNA Research – Case Summary”, International Dimensions of Ethics Education in Science and Engineering Case Study Series, June 2010, https://scholarworks.umass.edu/cgi/viewcontent.cgi?article=1023&context=edethicsinscience.

28. Alan McHughen and Stuart Smyth, “US Regulatory System for Genetically Modified [Genetically Modified Organism (GMO), rDNA or Transgenic] Crop Cultivars”,Plant BiotechnologyJournal6, no. 1 (January 2008): 2–12, https://doi.org/10.1111/j.1467–7652.2007.00300.x.

29. Подробнее о работе Международной группы быстрого реагирования: Tasha Stehling-Ariza et al., “Establishment of CDC Global Rapid Response Team to Ensure Global Health Security”,Emerging Infectious Diseases23, no. 13 (December 2017), https://wwwnc.cdc.gov/eid/article /23/13/17-0711_article; Centers for Disease Control and Prevention, “Global Rapid Response Team Expands Scope to U.S. Response”,Updates

30. Подробности о деятельности НМОБИ и НИИИЗА США по борьбе с биотерроризмом можно узнать на веб-сайтах этих организаций: https://www.nicbr.mil и https://www.usamriid.army.mil.

31. Françoise Barré-Sinoussi et al., “Isolation of a T-Lymphotropic Retrovirus from a Patient at Risk for Acquired Immune Deficiency Syndrome (AIDS)”,Science220, no. 4599 (May 20, 1983): 868–71, https://www.jstor.org/stable/1690359; Jean K. Carr et al., “Full-Length Sequence and Mosaic Structure of a Human Immunodeficiency Virus Type 1 Isolate from Thailand”,Journal of Virology70, no. 9 (August 31, 1996): 5935–43, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC190613; Kristen Philipkoski, “SARS Gene Sequence Unveiled”,Wired,April 15, 2003, https://www.wired.com/2003/04/sars-gene-sequence-unveiled; Cameron Walker, “Rapid Sequencing Method Can Identify New Viruses Within Hours”,Discover, December 11, 2013, https://web.archive.org/web/20201111180212; “Rapid Sequencing of RNA Virus Genomes”, Nanopore Technologies, 2018, https://nanoporetech.com/resource-centre/rapid-sequencing-rna-virus-genomes.

32. Darren J. Obbard et al., “The Evolution of RNAi as a Defence Against Viruses and Transposable Elements”,Philosophical Transactions of the Royal Society B: Biological Sciences364, no. 1513 (99–115), https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2592633.

33. Краткое объяснение принципа действия классических вакцин на базе антигена: “Understanding How Vaccines Work”, Centers for Disease Control, July 2018, https://www.cdc.gov/vaccines/hcp/conversations/understanding-vacc-work.html.

34. Ray Kurzweil, “AI-Powered Biotech Can Help Deploy a Vaccine in Record Time”,Wired,May 19, 2020, https://www.wired.com/story/opinion-ai-powered-biotech-can-help-deploy-a-vaccine-in-record-time.

35. Asha Barbaschow, “Moderna Leveraging Its ‘AI Factory’ to Revolutionise the Way Diseases Are Treated”,ZDNet, May 17, 2021, https://www.zdnet.com/article/moderna-leveraging-its-ai-factory-to-revolutionise-the-way-diseases-are-treated.

36. Barbaschow, “Moderna Leveraging Its ‘AI Factory’”; “Moderna COVID-19 Vaccine”, US Food and Drug Administration, December 18, 2020, https://www.fda.gov/emergency-preparedness-and-response/coronavirus-disease-2019-covid-19/moderna-covid-19-vaccine.

37. Philip Ball, “The Lightning-Fast Quest for COVID Vaccines – and What It Means for Other Diseases”,Nature589, no. 7840 (December 18, 2020): 16–18, https://www.nature.com/articles/d41586-020-03626-1.

38. Доводы за и против этой гипотезы хорошо представлены в следующих материалах: Amy Maxmen and Smriti Mallapaty, “The COVID Lab-Leak Hypothesis: What Scientists Do and Don’t Know”,Nature594, no. 7863 (June 8, 2021): 313–15, https://www.nature.com/articles/d41586-021-01529-3; Jon Cohen, “Call of the Wild”,Science373, no. 6559 (September 2, 2021): 1072–77, https://www.science.org/content/article/why-many-scientists-say-unlikely-sars-cov-2-originated-lab-leak.

39. James Pearson and Ju-Min Park, “North Korea Overcomes Poverty, Sanctions with Cut-Price Nukes”, Reuters, January 11, 2016, https://www.reuters.com/article/us-northkorea-nuclear-money-idUSKCN0UP1G820160111.

40. Lord Lyell, “Chemical and Biological Weapons: The Poor Man’s Bomb”, draft general report, Science and Technology Committee (96) 8, North Atlantic Assembly, October 4, 1996, https://irp.fas.org/threat/an253stc.htm.

41. United Nations Secretary-General, “Chemical and Bacteriological (Biological) Weapons and the Effects of Their Possible Use: Report of the Secretary-General”, United Nations, August 1969; discussed in Gregory Koblentz, “Pathogens as Weapons: The International Security Implications of Biological Warfare”,International Security28, no. 3 (Winter 2003/ 2004): 88, https://doi.org/10.1162/016228803773100084.

42. Здравый и содержательный обзор потенциальных опасностей нанотехнологий: Louis A. Del Monte,Nanoweapons: A Growing Threat to Humanity(Lincoln: University of Nebraska Press, 2017).

43. K. Eric Drexler,Engines of Creation: The Coming Era of Nanotechnology(New York: Anchor Press/Doubleday, 1986), 172.

44. Ralph C. Merkle, “Self Replicating Systems and Low Cost Manufacturing”, Zyvex.com, accessed March 5, 2023, http://www.zyvex.com/nanotech/selfRepNATO.html.

45. Йинон М. Бар-Он, Роб Филлипс и Рон Майло подсчитали, что все живые существа на планете, вместе взятые, содержат 550 гигатонн углерода (не считая подземных запасов в виде залежей угля, которые тоже образовались из живых организмов). Итак, у нас есть 5,5 × 1017 граммов углерода. Учитывая, что молярная масса углерода равна 12,011, можно вычислить количество вещества по формуле 5,5 × 1017 / 12,011 = 4,6 × 1016 моль. Зная эту величину, мы можем найти количество атомов углерода во всей биомассе на планете: (4,6 × 1016) × (6,022 × 1023) (число Авогадро) = 2,8 × 1040 атомов. На самом деле органического углерода может быть намного больше, если учесть его количество в атмосфере и почве, а также залежи углеводородов под землей, но нельзя точно сказать, до какой части этих запасов смогут добраться нанороботы в случае, если сценарий «серой слизи» будет реализован. См. Yinon M. Bar-On et al., “The Biomass Distribution on Earth”,PNAS115, no. 25 (June 19, 2018): 6506–11, https://doi.org/10.1073/pnas.1711842115.

46. По мнению эксперта по нанотехнологиям Роба Фрайтаса, самовоспроизводящийся робот будет состоять приблизительно из 70 миллионов атомов углерода. Это пока предположение, но за неимением лучшей оценки можно считать эту величину ориентиром при обсуждении рассматриваемого сценария. См. Robert A. Freitas Jr., “Some Limits to Global Ecophagy by Biovorous Nanoreplicators, with Public Policy Recommendations”, Foresight Institute, April 2000, http://www.rfreitas.com/Nano/Ecophagy.htm.

47. Эта оценка выведена в предположении, что углерод распределен более-менее равномерно и непрерывно. В реальности многое будет зависеть от конкретных условий на месте. Кое-где запасы углерода будут исчерпаны меньшим числом поколений, в других зонах потребуется больше нанороботов, чтобы поглотить весь углерод, и этот процесс займет несколько больше времени.

48. Freitas, “Some Limits to Global Ecophagy by Biovorous Nanoreplicators”.

49. Freitas, “Some Limits to Global Ecophagy by Biovorous Nanoreplicators”.

50. Robert A. Freitas Jr. and Ralph C. Merkle,Kinematic Self-Replicating Machines(Austin, TX: Landes Bioscience, 2004), http://www.molecularassembler.com/KSRM/4.11.3.3.htm.

51. Ознакомиться с обновленными руководящими принципами и некоторой полезной информацией о них можно в: Neil Jacobstein, “Foresight Guidelines for Responsible Nanotechnology Development”, Foresight Institute, 2006, http://www.imm.org/policy/guidelines.

52. Больше выразительных терминов типа «серой и голубой слизи», которыми названы различные явления в сфере нанотехнологий, можно найти в: Chris Phoenix, “Goo vs. Paste”,Nanotechnology Now, September 2002, http://www.nanotech-now.com/goo.htm.

53. Freitas, “Some Limits to Global Ecophagy by Biovorous Nanoreplicators”.

54. Bill Joy, “Why the Future Doesn’t Need Us”,Wired,April 1, 2000, https://www.wired.com/2000/04/joy-2.

55. World Health Organization, “WHO Coronavirus Dashboard”, World Health Organization, accessed October 16, 2023, https://covid19.who.int.

56. Miles Brundage et al.,The Malicious Use of Artificial Intelligence: Forecasting, Prevention, and Mitigation(Oxford, UK: Future of Humanity Institute, February 2018), https://img1.wsimg.com/blobby/go/3d82daa4-97fe-4096-9c6b-376b92c619de/downloads/MaliciousUseofAI.pdf?ver=1553030594217.

57. Evan Hubinger, “Clarifying Inner Alignment Terminology”, AI Alignment Forum, November 9, 2020, https://www.alignmentforum.org/posts/SzecSPYxqRa5GCaSF/clarifying-inner-alignment-terminology; Paul Christiano, “Current Work in AI Alignment”, Effective Altruism, accessed March 5, 2023, https://www.effectivealtruism.org/articles/paul-christiano-current-work-in-ai-alignment.

58. Hubinger, “Clarifying Inner Alignment Terminology”; Christiano, “Current Work in AI Alignment”.

59. Более-менее подробное объяснение концепции обучения через имитацию: Beth Barnes, “Imitative Generalisation (AKA ‘Learning the Prior’)”, AI Alignment Forum, January 9, 2021, https://www.alignmentforum.org/posts/JKj5Krff5oKMb8TjT/imitative-generalisation-aka-learning-the-prior-1.

60. Geoffrey Irving and Dario Amodei, “AI Safety via Debate”, OpenAI, May 3, 2018, https://openai.com/blog/debate.

61. Важная серия заметок с объяснением концепции итерационного усиления от ее основного автора: Paul Christiano, “Iterated Amplification”, AI Alignment Forum, October 29, 2018, https://www.alignmentforum.org/s/EmDuGeRw749sD3GKd.

62. Подробнее о технических сложностях обеспечения безопасности работы с ИИ: Dario Amodei et al., “Concrete Problems in AI Safety”, arXiv:1606.06565v2 [cs.AI], July 25, 2016, https://arxiv.org/pdf/1606.06565.pdf.

63. Асиломарские принципы в сфере ИИ, а также постоянно обновляемый список подписантов: “Asilomar

64. Винт Серф, один из создателей интернета, написал важную статью о роли агентства DARPA в создании Всемирной сети. См. Vint Cerf, “A Brief History of the Internet and Related Networks”, Internet Society, последняя проверка доступности 5 марта 2023 года, https://www.internetsociety.org/internet/history-internet/brief-history-internet-related-networks.

65. “Asilomar AI Principles”, Future of Life Institute.

66. “Lethal Autonomous Weapons Pledge”, Future of Life Institute, 2019, https://futureoflife.org/lethal-autonomous-weapons-pledge.

67. Kelley M. Sayler, “Defense Primer: U.S. Policy on Lethal Autonomous Weapon Systems” (report IF11150, Congressional Research Service, updated November 14, 2022), https://crsreports.congress.gov/product/pdf/IF/IF11150.

68.Department of Defense Directive 3000.09—Autonomy in Weapon Systems, US Department of Defense, November 21, 2012 (effective January 25, 2023), https://www.esd.whs.mil/Portals/54/Documents/DD/issuances/dodd/300009p.pdf.

69. Erico Guizzo and Evan Ackerman, “Do We Want Robot Warriors to Decide Who Lives or Dies?”,IEEE Spectrum, May 31, 2016, https://spectrum.ieee.org/robotics/military-robots/do-we-want-robot-warriors-to-decide-who-lives-or-dies.

70. Guizzo and Ackerman, “Do We Want Robot Warriors to Decide Who Lives or Dies?”.

71. Bureau of Arms Control, Verification and Compliance, “Political Declaration on Responsible Military Use of Artificial Intelligence and Autonomy”, US Department of State, February 16, 2023, https://www.state.gov/political-declaration-on-responsible-military-use-of-artificial-intelligence-and-autonomy.

72. Brian M. Carney, “Air Combat by Remote Control”,Wall Street Journal, May 12, 2008, https://www.wsj.com/articles/SB121055519404984109.

73. “Supporters of a Ban on Killer Robots”, Campaign to Stop Killer Robots, updated May 18, 2021, https://web.archive.org/web/20210518133318/https://www.stopkillerrobots.org/en dorsers.

74. Brian Stauffer, “Stopping Killer Robots: Country Positions on Banning Fully Autonomous Weapons and Retaining Human Control”, Human Rights Watch, August 10, 2020, https://www.hrw.org/report/2020/08/10/stopping-killer-robots/country-positions-banning-fully-autonomous-weapons-and.

75. Для лучшего понимания проблемы непрозрачности работы ИИ можно рассмотреть аналогичную ситуацию в математике, а именно: разницу между нахождением решения задачи и проверкой, что предоставленное решение верно. В некоторых случаях человеку не составит труда убедиться, что ответ, предоставленный машиной, действительно правильный. Например, если программе дана команда найти наибольшее нечетное число, не превосходящее 1 000 000, то несложно увидеть, что 999 999 удовлетворяет заданным требованиям. С другой стороны, если мы попросим компьютер найти наибольшее простое число, не превосходящее 1 000 000, нам очень сложно будет убедиться, что 999 983 и вправду простое. Аналогично, если программа дает ответ на основе алгоритма, содержащего четко сформулированные программистами критерии, можно легко «заглянуть под капот» и узнать, какие конкретно факторы повлияли на решение. Например, ИИ, который оценивает ход игры го на основании заданных правил, может сразу сказать оператору, почему выбранный ход ему кажется наилучшим. Но в случае нейросетевого подхода наподобие глубокого обучения ответ «почему», как правило, недоступен не только оператору, но и самому ИИ. По-видимому, универсального метода для получения понятной человеку мотивировки решения нейросети не существует. Подробнее о так называемой «проблеме черного ящика» в сфере ИИ: Will Knight, “The Dark Secret at the Heart of AI”,MIT Technology Review, April 11, 2017, https://www.technologyreview.com/s/604087/the-dark-secret-at-the-heart-of-ai.

76. Paul Christiano, “Eliciting Latent Knowledge”, AI Alignment,Medium, February 25, 2022, https://ai-alignment.com/eliciting-latent-knowledge-f977478608fc.

77. John-Clark Levin and Matthijs M. Maas, “Roadmap to a Roadmap: How Could We Tell When AGI Is a ‘Manhattan Project’ Away?”, arXiv:2008.04701 [cs.CY], August 6, 2020, https://arxiv.org/pdf/2008.04701.pdf.

78. “The Bletchley Declaration by Countries Attending the AI Safety Summit, 1–2 November 2023”, UK Government, November 1, 2023, https://www.gov.uk/government/publications/ai-safety-summit-2023-the-bletchley-declaration/the-bletchley-declaration-by-countries-attending-the-ai-safety-summit-1-2-november-2023.

79. Что касается долгосрочной тенденции к снижению уровня насилия в мире, в прекрасной книге моего друга Стивена Пинкера можно найти множество интересных соображений, основывающихся на анализе данных. См. Steven Pinker,The Better Angels of Our Nature(New York: Viking, 2011).

80. Хороший обзор антипрогрессивных настроений, подпитываемых страхом перед опасностями, которые несут новые технологии: Lawrence Lessig, “Stamping Out Good Science”,Wired,July 1, 2004, https://www.wired.com/2004/07/stamping-out-good-science.

81. Walter Suza, “I Fight Anti-GMO Fears in Africa to Combat Hunger”,The Conversation, February 7, 2019, https://theconversation.com/i-fight-anti-gmo-fears-in-africa-to-combat-hunger-109632; Editorial Board, “There’s No Choice: We Must Grow GM Crops Now”,Guardian, March 16, 2014, https://www.theguardian.com/commentisfree/2014/mar/16/gm-crops-world-food-famine-starvation.

82. Обзор характерных возражений: Joël de Rosnay, “Artificial Intelligence: Transhumanism Is Narcissistic. We Must Strive for Hyperhumanism”, Crossroads to the Future, April 26, 2015, https://web.archive.org/web/20230322182945/https://www.crossroads-to-the-future.com/articles/artificial-intelligence-transhumanism-is-narcissistic-we-must-strive-for-hyperhumanism; Wesley J. Smith, “Jeffrey Epstein, a Narcissistic Transhumanist”,National Review, August 1, 2019, https://www.nationalreview.com/corner/jeffrey-epstein-a-narcissistic-transhumanist; Sarah Spiekermann, “Why Transhumanism Will Be a Blight on Humanity and Why It Must Be Opposed”, The Privacy Surgeon, July 6, 2017, https://web.archive.org/web/20180212062523/http://www.privacysurgeon.org/blog/incision/why-transhumanism-will-be-a-blight-on-humanity-and-why-it-must-be-opposed.

83. В 2021 году мировое потребление энергии составило 595,15 эксаджоулей, или 165 320 тераватт-часов, что эквивалентно круглогодичной выработке 18,8 тераватта. Для сравнения, поток солнечной энергии, достигающий нашей планеты, равен примерно 173 000–175 000 ТВт. По оценкам Сандийских национальных лабораторий поверхности Земли достигает поток в 89 300 ТВт, из которых 58 300 ТВт можно преобразовать в электричество с помощью солнечных панелей. 7500 ТВт, в свою очередь, можно получить на хорошо освещенных участках планеты, применяя технологии 2006 года. Построив солнечные электростанции, обеспечивающие получение всего лишь четверти процента этой доступной мощности, мы покроем все наши потребности в энергии на сегодняшний день, причем не только электрической, но и вырабатываемой благодаря сжиганию ископаемого топлива. См.BP Statistical Review of World Energy 2022(London: BP, 2022), https://www.bp.com/content/dam/bp/business-sites/en/global/corporate/pdfs/energy-economics/statistical-review/bp-stats-review-2022-full-report.pdf, 9; Jeff Tsao et al., “Solar FAQs”, US Department of Energy (working paper SAND 2006-2818P, Sandia National Laboratories 2006), 9, https://web.archive.org/web/20200424084337/https://www.sandia.gov/~jytsao/Solar%20FAQs.pdf.

84. Два отличных обзора мнений ведущих мировых футурологов об экзистенциальных рисках, то есть вероятности событий, которые могут привести к полному вымиранию человечества: Sebastian Farquhar et al.,Existential Risk: Diplomacy and Governance, Global Priorities Project, 2017, https://www.fhi.ox.ac.uk/wp-content/uploads/Existential-Risks-2017-01-23.pdf; Nick Bostrom, “Existential Risks: Analyzing Human Extinction Scenarios and Related Hazards”,Journal of Evolution and Technology9, no. 1 (2002), https:// www.nickbostrom.com/existential/risks.html.

Сноски

1

Книга выходила на русском языке под названием «Всеобщее благоденствие. Как нанотехнологическая революция изменит цивилизацию» в Издательстве Институт Гайдара (Москва), в 2014 году. –Прим. ред.

2

Рос. хим. ж. (Ж. Рос. хим. об-ва им. Д. И. Менделеева), 2002, т. XLVI, № 5. Перевод с английского канд. физ. – мат. наук А. В. Хачояна. –Прим. пер

3

Перевод Геннадия Башкова. –Прим. пер

4

Безумный. –Прим. пер

5

Скорбный. –Прим. пер

6

В древнегреческой мифологии имя Кассандра носила троянская царевна, наделенная даром пророчества. Однако из-за наложенного на нее проклятия никто не верил в ее предсказания. –Прим. пер

Спасибо за чтение

Вернуться к книге