Как мы учимся работать с «умными» машинами?

Путь к мастерству по всей Земле тысячи лет был одинаковым: учиться под руководством эксперта и выполнять маленькие, лёгкие задачи, пока не достигнешь такого уровня, когда сможешь взяться за что-то более рискованное и сложное. Но сейчас с появлением ИИ этот путь становится невозможным, и обучение приносится в жертву продуктивности, говорит организационный антрополог Мэтт Бэйн. Что с этим можно сделать? Бэйн разделяет точку зрения, согласно которой компьютеризированное обучение даст нам возможность извлечь максимум пользы из удивительных возможностей ИИ и одновременно улучшить наши навыки.

Сейчас 6:30 утра,

и Кристен везёт в операционную пациента,
у которого проблемы с простатой.

Она врач-ординатор, хирург на практике.

Её работа — учиться.

Сегодня она рассчитывает
провести нервосберегающую,

крайне деликатную диссекцию, которая
позволит сохранить эректильную функцию.

Это будет зависеть от наблюдающего
пациента хирурга, но его ещё нет на месте.

Она с командой вводит пациента в наркоз,

и она делает первый надрез
в 20 сантиметров в нижней части живота.

Наложив зажимы, она просит медсестру
позвать лечащего врача-хирурга.

Он приходит, переодевается,

и с этого момента они работают
над пациентом в четыре руки —

он даёт указания, а Кристен им следует.

После извлечения простаты — Кристен дают
провести нервосберегающую операцию, —

он снимает хирургический костюм

и приступает к бумажной работе.

Кристен зашивает пациента в 8:15,

младший ординатор
заглядывает ей через плечо.

Она позволяет ему наложить
последнюю линию швов.

Кристен отлично себя чувствует.

Пациент пойдёт на поправку,

и нет сомнений, что сейчас она
более опытный хирург, чем была в 6:30.

Это работа в экстремальных условиях.

Но Кристен учится работать так же,
как это делает большинство из нас:

наблюдает за работой эксперта,

подключается к работе
на лёгких и безопасных этапах

и растёт, чтобы приступить
к более сложным задачам,

когда эксперты решат, что она готова.

Всю жизнь меня очень интересовал
такой способ обучения.

Он кажется чем-то само собой
разумеющимся, свойственным людям.

Ученичество, коучинг, наставничество,
обучение на рабочем месте.

В хирургии это называется
«наблюдай, выполняй, обучай».

Но сам процесс всё тот же,

и тысячи лет это был во всём мире
главный путь к мастерству.

Сейчас появился ИИ, и этот способ
больше не действует.

Мы принесли обучение
в жертву продуктивности.

Впервые я столкнулся с этим
в хирургии, когда учился в МТИ,

но есть свидетельства,
что это происходит повсюду

в разных сферах и с разными типами ИИ.

Если мы ничего не сделаем, миллионы людей
столкнутся с непреодолимыми трудностями,

пытаясь научиться управляться с ИИ.

Посмотрим, как это происходит в хирургии.

Прошло шесть месяцев.

Снова 6:30 утра, и Кристен
везёт нового пациента с простатой,

но в этот раз на операцию с роботом.

Лечащий хирург оперирует, управляя

четвероруким роботом весом в полтонны.

На них нет хирургических костюмов,

они находятся у панели управления
в трёх–пяти метрах от пациента,

и Кристен только наблюдает.

Благодаря роботу лечащий хирург
может провести всю операцию сам,

что он и делает.

Он знает, что Кристен нужна практика.

Он хочет передать ей управление.

Но он знает, что она будет работать
медленнее и сделает больше ошибок,

а пациент — прежде всего.

Так что у Кристен нет шансов поближе
взглянуть на этот нерв во время операции.

Ей повезёт, если ей удастся оперировать
15 минут из четырёхчасовой процедуры.

И она знает, что когда она ошибётся,

хирург коснётся сенсорного экрана
и она снова будет наблюдать,

чувствуя себя как ребёнок,
которого поставили в угол.

Как все мои исследования работы
с роботами за последние восемь лет,

это исследование я начал
с большого открытого вопроса:

как мы будем учиться работать
с «умными» машинами?

Я провёл два с половиной года,
наблюдая массу ординаторов и хирургов

во время традиционной и роботизированной
хирургии, интервьюируя их

и следя за тем, как ординаторы
пытаются учиться.

Я побывал в 18 лучших
учебных госпиталях США,

и везде одна и та же история.

Большинство ординаторов
были в положении Кристен.

У них была возможность наблюдать,

но практики почти не было.

Поэтому они не могли ничему научиться.

Важная новость для хирургов, но я хотел
знать, как широко это распространено.

Где ещё использование ИИ
мешает обучению на рабочем месте?

Чтобы выяснить это, я связался
с группой молодых исследователей,

которые изучали, как происходит
работа с привлечением ИИ

в таких разных областях,
как стартапы, работа полиции,

инвестиционный банкинг
и онлайн-образование.

Как и я, они потратили минимум год
и много сотен часов на наблюдения,

интервьюирования и работы бок о бок
с людьми, которых они изучали.

Мы обменялись данными
и стали искать общие схемы.

О какой бы сфере, работе или ИИ
ни шла речь — везде одна и та же история.

Организации пытались выжать максимум
из ИИ ради достижения результатов

и отстраняли практикантов
от экспертной работы.

Менеджеры стартапов передавали
свои дела на аутсорсинг.

Копы осваивали криминологическое
прогнозирование без поддержки экспертов.

Молодые банкиры не могли
заниматься комплексным анализом,

а профессора разрабатывали
онлайн-курсы без помощников.

Эффект во всех этих сферах
был такой же, как в хирургии.

Обучаться на рабочем месте
стало намного сложнее.

Так не может продолжаться.

По оценкам школы McKinsey
от полумиллиарда до миллиарда людей

вынуждены будут освоиться с ИИ
в своей повседневной работе к 2030 году.

Мы предполагаем,
что обучение на рабочем месте

пригодится нам и там, если постараться.

Последний опрос Accenture
показал, что ключевые навыки

большинство получает на работе,
а не во время формального обучения.

Мы много говорим о том,
как ИИ повлияет на будущее,

но прямо сейчас куда большее
значение имеет то,

что, используя ИИ, мы блокируем
возможность учиться на рабочем месте

именно тогда, когда это нужнее всего.

Во всех сферах лишь немногие
находят возможность учиться.

Они делают это, нарушая правила.

Одобренные методы не работают,
поэтому им приходится нарушать правила,

чтобы практиковаться с экспертами.

В моём окружении ординаторы
практикуются в роботизированной хирургии

в медицинских школах
в ущерб общему образованию.

Они тратят сотни дополнительных часов
на видеозаписи и симуляторы,

хотя предполагается, что они должны
обучаться во время операций.

И самое важное, что они находят
возможность поучаствовать

в реальных процедурах под ограниченным
экспертным наблюдением.

Я называю это всё «теневым обучением»,
потому что это — нарушение правил,

это делают, не привлекая внимания.

И все закрывают на это глаза,
потому что это приносит результаты.

Помните, речь идёт о лучших учениках.

Очевидно, что это недопустимо и ненадёжно.

Никто не должен рисковать увольнением,

чтобы изучить навыки,
необходимые для работы.

Но нам стоит поучиться у этих людей.

Они серьёзно рискуют, чтобы учиться.

Они понимают, что связанные с работой
риски и сложности важно сохранить,

чтобы люди могли учиться
справляться со сложными проблемами

на пределе своих возможностей.

И что рядом должен быть эксперт,

чтобы вовремя дать указание
и уберечь от катастрофы.

Это сочетание экспертной поддержки
и постоянной борьбы

должно сохраняться и при работе с ИИ.

Вот один очевидный пример,
который я могу привести.

До появления роботов

техник, обезвреживающий бомбы, должен
был подойти к СВУ, чтобы сделать что-то.

Младший офицер был в сотнях шагов от него

и мог только смотреть и прийти на помощь,
если техник решит, что это безопасно,

и пригласит его подойти.

Сейчас они сидят бок о бок
во взрывобезопасном грузовике.

Оба смотрят передающееся видео.

Они управляют роботом на расстоянии
и комментируют работу вслух.

И стажёры обучаются лучше,
чем это было до появления роботов.

Этот подход можно перенести
на хирургию, стартапы, работу полиции,

инвестиционный банкинг,
онлайн-образование и всё остальное.

Хорошая новость в том, что у нас
есть для этого новые инструменты.

Благодаря интернету и облачным сервисам
экспертам больше не нужно

физически находиться рядом со стажёрами
или даже работать в той же организации.

Мы можем разработать ИИ,

который поможет и обучающимся,
и экспертам, которые их учат,

поможет установить эффективную связь
между этими двумя группами.

Люди, работающие в таких системах,

в основном сосредоточены
на формальном обучении.

А обучение на рабочем месте
в глубоком кризисе.

Мы должны это исправить.

Эти проблемы нужно решить,

если мы хотим использовать в работе
невероятные возможности ИИ

и одновременно улучшать наши навыки.

Это то будущее,
о котором я мечтал ребёнком.

И создать его мы можем сейчас.

Спасибо.

(Аплодисменты)