Πώς θα μάθουμε να δουλεύουμε με έξυπνες μηχανές;

Σε ολόκληρο τον πλανήτη, ο δρόμος προς τη γνώση έχει παραμείνει απαράλλαχτος για χιλιάδες χρόνια: εκπαιδευόμαστε δίπλα σ' έναν ειδικό και αναλαμβάνουμε μικρά και εύκολα καθήκοντα, πριν προχωρήσουμε στα πιο επικίνδυνα και δύσκολα. Όμως αυτή τη στιγμή, χειριζόμαστε την Τεχνητή Νοημοσύνη μ' έναν τρόπο που παρεμποδίζει αυτό τον δρόμο και θυσιάζει τη γνώση στον βωμό της παραγωγικότητας, ισχυρίζεται ο Εθνογράφος Ματ Μπιν. Τι μπορούμε να κάνουμε; Ο Μπιν μοιράζεται ένα όραμα που ανατρέπει την παρούσα κατάσταση, σε μία κατανεμημένη, εμπλουτισμένη καθοδήγηση που εκμεταλλεύεται στο έπακρο τις απίστευτες δυνατότητες της ΤΝ, ενώ παράλληλα εμπλουτίζει και τις δικές μας δεξιότητες.

Είναι 6:30 το πρωί,

και η Κρίστεν μεταφέρει
έναν ασθενή με προστάτη στο χειρουργείο.

Είναι ειδικευόμενη ιατρός,
εκπαιδευόμενη χειρουργός.

Η δουλειά της είναι να μαθαίνει.

Σήμερα, πραγματικά ελπίζει να κάνει
ένα μέρος της νευροπροστατευτικής,

εξαιρετικά λεπτής τομής που μπορεί
να προστατεύσει τη λειτουργία της στύσης.

Αυτό θα το αποφασίσει ο επιβλέπων
χειρουργός όμως δεν έχει φτάσει ακόμα.

Εκείνη και η ομάδα του έκαναν αναισθησία,

κι εκείνη καθοδηγεί στην αρχική τομή
των 20 εκατοστών στην κοιλιακή χώρα.

Μόλις την πιάσει με τις λαβίδες, ζητάει
από τη νοσηλεύτρια να φωνάξει τον επιβλέποντα.

Εκείνος έρχεται, φοράει την ποδιά του,

κι έπειτα, τα τέσσερα χέρια τους
βρίσκονται κυρίως μέσα στον ασθενή

μ' εκείνον να δίνει οδηγίες,
αλλά με την Κρίστεν να προχωράει.

Όταν ο προστάτης χειρουργείται (και ναι,
την άφησε να κάνει λίγη νευροπροστατευτική),

πετάει την ποδιά του.

Συμπληρώνει τα έγγραφα.

Η Κρίστεν κλείνει τον ασθενή στις 8:15,

μ' ένα νέο ασκούμενο
να κοιτάζει τη δουλειά της.

Και τον αφήνει να κάνει
τα τελευταία ράμματα.

Η Κρίστεν νιώθει θαυμάσια.

Ο ασθενής θα τα πάει μια χαρά,

και αναμφίβολα, είναι καλύτερη χειρουργός
απ' ό,τι ήταν στις 6:30.

Αυτή, βέβαια, είναι μια ακραία δουλειά.

Όμως η Κρίστεν μαθαίνει να δουλεύει
όπως και οι περισσότεροι από εμάς:

παρατηρεί έναν ειδικό για λίγο,

συμμετέχει στις εύκολες
και ασφαλείς φάσεις της δουλειάς

και σταδιακά προχωρά
στα πιο δύσκολα καθήκοντα

καθώς την καθοδηγούν
κι αποφασίζουν ότι είναι έτοιμη.

Σε όλη μου τη ζωή, αυτό
το είδος μάθησης με έχει συνεπάρει.

Φαίνεται κάτι το στοιχειώδες,
ένα κομμάτι του μας κάνει ανθρώπους.

Έχει διάφορα ονόματα: μαθητεία, προπόνηση,
συμβουλευτική, μάθηση στην πράξη.

Στο χειρουργείο ονομάζεται:
«δες ένα, κάνε ένα, δίδαξε ένα».

Μα είναι η ίδια διαδικασία,

και εδώ και χιλιάδες χρόνια,
αποτελεί την πορεία προς την ικανότητα.

Την παρούσα στιγμή, χειριζόμαστε την ΤΝ
με τρόπο που μπλοκάρει αυτόν τον δρόμο.

Θυσιάζουμε τη γνώση,
στον βωμό της παραγωγικότητας.

Το κατάλαβα πρώτη φορά
σ' ένα χειρουργείο όσο ήμουν στο ΜΙΤ,

μα τώρα έχω αποδείξεις
ότι συμβαίνει παντού,

σε πολύ διαφορετικές βιομηχανίες
και με πολλά διαφορετικά είδη ΤΝ.

Αν δεν κάνουμε κάτι γι' αυτό,

εκατομμύρια άνθρωποι
θα φτάσουμε σε αδιέξοδο,

προσπαθώντας να χειριστούμε
την Τεχνητή Νοημοσύνη.

Πάμε να δούμε πώς, πίσω στο χειρουργείο.

Πάμε έξι μήνες μπροστά.

Και πάλι είναι 6:30, και η Κρίστεν
φέρνει άλλον έναν ασθενή με προστάτη,

αυτή τη φορά στο ρομποτικό χειρουργείο.

Ο επιβλέπων ξεκινά προσαρτώντας

ένα ρομπότ τεσσάρων χεριών,
πεντακοσίων κιλών στον ασθενή.

Και οι δύο βγάζουν τις ποδιές,

και κατευθύνονται προς τα χειριστήρια
στα τρία ή τέσσερα μέτρα από εκεί,

και η Κρίστεν απλώς παρακολουθεί.

Το ρομπότ αφήνει τον επιβλέποντα
να κάνει όλη τη διαδικασία,

οπότε και το κάνει.

Γνωρίζει ότι εκείνη πρέπει να εξασκηθεί.

Θέλει να της δώσει τον έλεγχο.

Μα ξέρει επίσης ότι θα είναι πιο αργή
και θα κάνει περισσότερα λάθη,

και πάνω απ' όλα είναι ο ασθενής.

Έτσι, η Κρίστεν δεν έχει καμία ελπίδα
να πλησιάσει αυτά τα νεύρα.

Θα είναι τυχερή αν χειρουργήσει
πάνω από 15 λεπτά σε μια 4ωρη επέμβαση.

Και ξέρει ότι με το πρώτο λάθος,

εκείνος θα πατήσει μια οθόνη αφής
και θα βρεθεί πάλι να κοιτάζει,

νιώθοντας σαν τον μαθητή στη γωνία
με το καπέλο τιμωρίας.

Όπως σε κάθε μελέτη για ρομπότ
και κάθε δουλειά μου εδώ και οκτώ χρόνια,

άρχισα αυτήν εδώ,
κάνοντας μια ανοικτή ερώτηση:

Πώς μαθαίνουμε να εργαζόμαστε
μαζί με τις ευφυείς μηχανές;

Για να το βρω, επί 2,5 χρόνια μελετούσα
δεκάδες ειδικευόμενους και χειρουργούς

που χειρουργούσαν παραδοσιακά
και ρομποτικά, κάνοντας συνεντεύξεις,

και συζητούσα με τους ειδικευόμενους,
καθώς προσπαθούσαν να μάθουν.

Κάλυψα 18 από τα κορυφαία
Πανεπιστημιακά Νοσοκομεία στις ΗΠΑ,

και η ιστορία επαναλαμβανόταν.

Οι πιο πολλοί ειδικευόμενοι
ήταν στην ίδια θέση με την Κρίστεν.

Αναλωνόντουσαν υπερβολικά στο «δες»,

αλλά σχεδόν ποτέ δεν έφταναν στο «κάνε».

Δεν πάσχιζαν, και συνεπώς δεν μάθαιναν.

Ήταν σημαντικά νέα για τους χειρουργούς,
μα έπρεπε να μάθω πόσο διαδεδομένα ήταν:

Πού αλλού η ΤΝ που χρησιμοποιούταν
μπλόκαρε τη μάθηση στην εργασία;

Για να το μάθω, συνδέθηκα με μια μικρή
μα ανερχόμενη ομάδα νέων ερευνητών

που έκαναν μελέτες για το ζήτημα
της δουλειάς που περιλαμβάνει χρήση ΤΝ

σε ένα ευρύ φάσμα,
όπως οι νέες επιχειρήσεις, η αστυνόμευση,

οι τράπεζες επενδύσεις
και η διδασκαλία εξ' αποστάσεως.

Όπως κι εγώ, πέρασαν τουλάχιστον έναν
χρόνο και εκατοντάδες ώρες παρατηρώντας,

παίρνοντας συνεντεύξεις και δουλεύοντας
στο πλευρό των ατόμων που μελετούσαν.

Ανταλλάξαμε στοιχεία, κι έψαξα για μοτίβα.

Ανεξάρτητα από τη βιομηχανία, την εργασία,
την ΤΝ, η ιστορία επαναλαμβανόταν.

Οι οργανισμοί προσπαθούσαν
να δουν αποτελέσματα απ' την ΤΝ

και κάνοντάς το, απομάκρυναν
τους μαθητευόμενους απ' τους ειδικούς.

Οι διευθυντές νεοφυών εταιριών
ανέθεταν σ' εξωτερικούς συνεργάτες

την επαφή με πελάτες.

Οι αστυνομικοί χειριζόντουσαν
τις προβλέψεις εγκλήματος δίχως στήριξη.

Νέα τραπεζικά στελέχη
δεν είχαν πρόσβαση στη σύνθετη ανάλυση

και οι ακαδημαϊκοί σχεδίαζαν
διαδικτυακά μαθήματα χωρίς στήριξη.

Και οι συνέπειες από όλα αυτά
ήταν ανάλογες με εκείνες στο χειρουργείο.

Το να μάθεις τη δουλειά
γινόταν ολοένα και δυσκολότερο.

Αυτό δεν μπορεί να συνεχιστεί.

Η McKinsey υπολογίζει
ότι μισό με ένα δισεκατομμύριο από εμάς

θα έχουμε εφαρμόσει την ΤΝ
στην καθημερινή μας δουλειά έως το 2030.

Και υποθέτουμε ότι η μαθητεία στη δουλειά

θα είναι εφικτή, καθώς προσπαθούμε.

Η Accenture ανακάλυψε ότι οι εργαζόμενοι
απέκτησαν βασικές δεξιότητες

επί τω έργω, και όχι κατά την εκπαίδευση.

Άρα, καθώς μιλάμε πολύ
για το μελλοντικό αντίκτυπο της ΤΝ,

αυτό που έχει περισσότερη σημασία
αυτή τη στιγμή

είναι ότι το χειριζόμαστε με τρόπο
που μπλοκάρει τη μάθηση επί τω έργω

ακριβώς όταν τη χρειαζόμαστε περισσότερο.

Σε όλες τις τοποθεσίες που ερευνήσαμε,
ένα μικρό ποσοστό κατόρθωσε να μάθει.

Και τα κατάφεραν
παραβιάζοντας τους κανονισμούς.

Οι εγκεκριμένες μέθοδοι δεν απέδωσαν,
οπότε παραβίασαν τους κανόνες

για ν' αναμειχθούν
στη δουλειά των ειδικών.

Στον χώρο μου, οι ειδικευόμενοι
ασχολήθηκαν με τις ρομποτικές επεμβάσεις

στην Ιατρική Σχολή, σε βάρος
των γενικών τους γνώσεων.

Και αφιέρωσαν πολλές επιπλέον ώρες
με προσομοιώσεις και καταγραφές επεμβάσεων

όταν θα έπρεπε να μαθαίνουν
μέσα στο χειρουργείο.

Και το κυριότερο, ίσως,
είναι ότι μπόρεσαν να αντεπεξέλθουν

σε ζωντανές διαδικασίες
με ελάχιστη επιτήρηση απ' τους ειδικούς.

Μου αρέσει να τ' ονομάζω «πλάγια μάθηση»
επειδή παρακάμπτει τους κανόνες

και ο μαθητής δεν βρίσκεται στο επίκεντρο.

Και όλοι κάνουν τα στραβά μάτια,
επειδή αποδίδει καρπούς.

Να θυμάστε, αυτοί είναι τα «αστέρια»
της φουρνιάς των φοιτητών.

Προφανώς, αυτό δεν είναι ούτε αποδεκτό,
μα ούτε και βιώσιμο.

Κανείς δεν θα 'πρεπε
να ρισκάρει ν' απολυθεί,

για να μάθει πώς να κάνει
σωστά τη δουλειά του.

Πρέπει να παραδειγματιστούμε απ' αυτούς.

Διακινδύνευσαν πολλά για να μάθουν.

Κατανόησαν ότι έπρεπε ν' αντιμετωπίσουν
δυσκολίες και προκλήσεις στη δουλειά τους

για να πιέσουν τον εαυτό τους
και ν' αντιμετωπίσουν προβλήματα

που τους έφερναν σχεδόν στα όριά τους.

Ακόμα, βεβαιώνονταν
ότι ήταν κοντά ένας έμπειρος

για να τους καθοδηγεί
και ν' αποτρέπει την καταστροφή.

Ας εμφυτεύσουμε τον συνδυασμό
του αγώνα και της υποστήριξης των ειδικών

σε κάθε εφαρμογή ΤΝ.

Εδώ έχουμε ένα σαφές παράδειγμα
για ν' αναλύσουμε.

Πριν τα ρομπότ,

αν εξουδετερώνατε βόμβες, είχατε επαφή
με Ευφυείς Ηλεκτρονικές Διατάξεις.

Ένας κατώτερος αξιωματικός
ήταν σε μεγάλη απόσταση

ώστε μπορούσε μόνο να βλέπει
και να βοηθάει μόνο αν το κρίνατε ασφαλές

και τον καλούσατε κοντά σας.

Τώρα, κάθεστε δίπλα-δίπλα
σε ένα ένα ασφαλές καταφύγιο.

Και οι δύο είδατε τη ροή των βίντεο.

Χειρίζονται από μακριά ένα ρομπότ,
κι εσείς τους καθοδηγείτε φωνάζοντας.

Οι μαθητές μαθαίνουν καλύτερα
σε σχέση με την εποχή πριν την ΤΝ.

Μπορούμε να το επεκτείνουμε
στο χειρουργείο, τις νεοφυείς εταιρίες,

την αστυνόμευση, τις τραπεζικές
επενδύσεις, τη διδασκαλία εξ' αποστάσεως.

Ευτυχώς, έχουμε νέα εργαλεία
για να το καταφέρουμε.

Με το διαδίκτυο, δεν χρειάζεται πάντα
να υπάρχει ένας ειδικός ανά εκπαιδευόμενο,

να βρίσκεται στον ίδιο χώρο μ' εκείνον
ή και να δουλεύουν για την ίδια οργάνωση.

Και μπορούμε να βελτιώσουμε
την ΤΝ για να συμβάλει:

στην καθοδήγηση μαθητευόμενων,
στην υποστήριξη των ειδικών που διδάσκουν,

και να συνδέσει αυτές
τις δύο ομάδες με έξυπνο τρόπο.

Υπάρχουν άτομα που
δουλεύουν αυτά τα συστήματα,

αλλά επικεντρώνονται κυρίως
στους τίτλους εκπαίδευσης.

Το κυριότερο πρόβλημα
είναι η μάθηση στην εργασία.

Πρέπει να βελτιωθούμε.

Τα τωρινά προβλήματα καθιστούν
επιτακτική τη βελτίωση,

για να εκμεταλλευτούμε στο έπακρο
τις εκπληκτικές ικανότητες της ΤΝ

ενώ παράλληλα εμπλουτίζουμε τη γνώση μας.

Αυτό είναι το μέλλον
που ονειρευόμουν, όταν ήμουν παιδί.

Και η στιγμή για να το φτιάξουμε, έφτασε.

Σας ευχαριστώ.

(Χειροκρότημα)