Все три исследовательницы указывают, что процесс взаимодействия человека с техническим устройством представляет собой особую исследовательскую проблему, не сводящуюся ни к техническим деталям, ни к структурным условиям взаимодействия. Теркл подчеркивает социально-психологические «загадки» этого процесса, Сачмен -- собственно ситуативные механизмы взаимодействия, Кнорр Цетина -- важность объектов для разделения труда и формирования профессиональных идентичностей. Тем не менее их исследования не являются специфичными именно для взаимодействий человека с ИИ (исключение отчасти составляет Теркл, однако она рассматривает более широкий класс явлений -- компьютеры).
Таким образом, концепция искусственной социальности определяет эмпирический объект -- феномены искусственной социальности -- и выделяет специфические черты ИИ в отличие от других объектов, которые выступают в качестве участников и посредников взаимодействия с людьми. Исследования изменений в разделении труда в связи с развитием вычислений и исследования взаимодействия людей с техническими объектами раскрывают различные аспекты, важные для понимания сложных механизмов влияния технологических изменений на характер труда и структуры профессий. Наконец, концепция интеракционной экспертизы позволяет сформулировать гипотезы, как именно могут меняться границы и содержание деятельности сотрудников организаций. Выделенные концептуальные основания служат ориентирами для анализа и интерпретации данных эмпирического исследования, к чему мы и переходим в следующем разделе.
Локальные определения ИИ в организациях
Как уже было отмечено, одна из целей исследования -- ухватить комплекс смыслов (и соответствующих им практик и технологий), связанных с понятием «искусственный интеллект». Словосочетание «искусственный интеллект» вошло в разговорный язык, и обыденное словоупотребление объединяет разные случаи использования ИИ и его категоризации. Кроме того, созданию и внедрению того, что именуют «искусственным интеллектом», сопутствуют иные технологии, например МО, соотношение которых с ИИ может выстраиваться по-разному. Все это подводит к необходимости рассмотрения, что под ИИ понимают сами информанты. Итак, с одной стороны, в качестве концептуального определения ИИ мы принимаем приведенное выше; с другой стороны, для прояснения, каким образом ИИ воплощается в конкретные продукты (агенты), мы обращаемся к определениям информантов.
Предложенные работниками организаций определения могут быть сгруппированы в несколько типов Одни и те же информанты иногда предлагали определения, относящиеся к разным типам, так что типы не являются взаимоисключающими. Некоторые информанты при этом рефлексировали о неопределенности и проблематичности понятия ИИ.. Отметим, что сам способ «производства» определения различается: одни из информантов формулировали его сразу, другие пытались артикулировать в процессе беседы, третьи специально указывали на то, что определение ИИ не является общепринятым. При этом особую роль зачастую играли два других понятия, с которыми ИИ сопоставляется (иногда --чему противопоставляется): человек (человеческий мозг) и машинное обучение (МО, ML, machine learning), иногда в более широком виде -- анализ данных. Отношения между ИИ и МО зависят от определения, принятого информантом. Иногда они выступают в качестве синонимов, иногда разграничиваются, причем по разным основаниям в зависимости от типа определения.
Первый тип связан с определением ИИ как математической/статистической модели. В одной из разновидностей подобных определений ключевой чертой ИИ выступает принятие решений, при этом информантами иногда выстраивается оппозиция: МО не принимает решения, ИИ -- принимает. В другой разновидности ИИ определяется через модель, делающую предсказания на основе анализа данных. В третьей отличия ИИ не выделяются, а сама идея «искусственного интеллекта» воспринимается скептически. В таком случае ИИ и МО обычно не разделяются.
«Ну, на сегодняшний момент, это очень сложная математическая модель, которая может принимать решения на основе большого количества данных» (Ресерчер, Организация 5, Россия) Должность информанта указывается с его/ее слов; номер организации присваивается в соответствии с очередностью, в которой проводились интервью..
«Это какая-то нейронная сеть, машина, которая с помощью изученной информации, изученной базы данных, делает предсказания» (Аккаунт-менеджер, Организация 2, Россия).
«И я все время посмеиваюсь над тем, что, как и машинное обучение, это [искусственный интеллект -- Н.Т.] на самом деле ребрендинг статистики. ... Как отнестись к искусственному интеллекту, я не знаю, потому что я по-прежнему глотаю улыбку, когда слушаю рядом с собой "искусственный интеллект". Нет у компьютера, нет у искусства, нет у “железа” никакого интеллекта и не появится» (Старший аналитик данных, Организация 10, Беларусь).
Второй тип определений характеризует ИИ как машину для решения задач той или иной сложности, с той или иной степенью авто- номности,действующей часто в режиме реального времени. Если первое определение ИИ через модель фокусируется на том, чем он является, то определение ИИ как машины для решения задач сосредотачивается на цели ИИ, на том, для чего именно он нужен. МО в таком случае рассматривается как инструмент для решения задач.
«Если исходить из трактовки, что [искусственный интеллект -- это -- Н.Т.] способность использовать опыт для решения новых задач, то это уже давно есть и давно работает» (Развитие социальной сети, Организация 15, Россия).
«Вообще, "искусственный интеллект" -- более широкое понятие [чем “машинное обучение" -- Н.Т.], да. Есть искусственный интеллект общего назначения, который сейчас не достижим, по-моему, сильно далеко. А машинное обучение -- это некая область знаний, с помощью которой мы можем создавать вот эти вот простые искусственные интеллекты, которые потом решают наши задачи. Я для себя это так примерно разделяю. То есть машинное обучение -- это какие-то паттерны, алгоритмы, с помощью которых мы можем создавать искусственный интеллект» (Веб-разработчик, Организация 5, Россия).
Третий тип определений рассматривает ИИ через имитацию человеческого поведения или мышления. Данное определение конкретизирует, какие именно задачи решает ИИ. Здесь могут рефлекси- роваться и отличия человека от машины.
«Мне кажется, что граница проходит там, где мы используем компьютер, алгоритмы и технологии для того, чтобы решать задачи, которые традиционно считаются решаемыми с помощью естественного интеллекта» (Руководитель отдела лингвистики, Организация 4, Россия).
«Все-таки человеческий мозг совершеннее, и ребенок может проецировать на то, чему он обучен, свой предыдущий опыт, который может быть никак не связан с данным конкретным объектом. Искусственный интеллект на данном этапе все-таки он очень прямолинейно: вот задача, вот ее выполнение, и пока сильно не привязываются какие-то еще категории» (Исполнительный директор, Организация 2, Россия).
Наконец, четвертый тип определений связывает ИИ с характеристиками интеллекта, такими как самостоятельность или целостное восприятие мира. В отличие от третьего типа определений, который предполагает имитацию того, что может сделать человек (необязательно способами, свойственными для человеческой деятельности), четвертый тип определяет ИИ как нечто, похожее на человека и в перспективе его превосходящее. В таком случае информанты выражают сомнение, что ИИ (в отличие от МО) уже существует.
«Все алгоритмы машинного обучения, они связаны с каким-то автоматическим подбором параметров, и человек самостоятельно без вычислительной техники на сегодняшний день такой набор параметров подобрать не в состоянии... И можно ли на основании этого сказать, что вычислительная система обладает искусственным интеллектом? Наверное, все-таки нельзя. Да, подбор параметров--это более сложная задача, чем умножение двух чисел, но она основана на методах оптимизации, которые придуманы тем же самым человеком. И, таким образом, интеллектуальная часть осталась в руках человека, она просто была один раз им реализована, и теперь она применяется при обучении разных моделей машинного обучения» (ML-аналитик и разработчик, Организация 7, Россия).
«Проблема в том, что все сейчас очень узко специализировано, и часто идет уклон в сильно прикладные вещи вроде Инстаграма, таких вещей, распознавания каких-то запросов в поисковике, то есть это немножко частные решения. В принципе я не сказала бы, что это проблема, но это уход от, наверное, той цели, которую все подразумевают, когда говорят "искусственный интеллект"» (Инженер-исследователь, Организация 3, Россия).
В отношении определения ИИ следует сделать еще одно замечание: некоторые работники отмечали, что не используют термин «искусственный интеллект», употребляя иные термины. Они связывали это с тем, что ИИ, -- с одной стороны, популярный и привлекающий внимание слоган, с другой--не означает ничего конкретного. Терминология здесь разграничивает внешнюю публику и профессионалов в организации.
«Мы это не называем искусственным интеллектом, мы это называем моделями. Мы можем предсказывать на основании того, как человек себя ведет, как похожие на него люди себя вели в прошлом, можем предсказать [его поведение в будущем -- Н.Т.]» (Менеджер продукта, Организация 6, Россия).
«В Здесь и далее в цитатах: В. -- вопрос интервьюера, О. -- ответ информанта.: Вы называете то, что создаете, разрабатываете, искусственным интеллектом или это как-то по-другому вы называете?
О: Мы называем это “робо-уроки”, "робо-звонки", устоявшееся такое название. “Искусственный интеллект” -- это такое немного распиа- ренное словосочетание, мы не очень его любим.
В.: Интересно, именно потому что оно везде звучит сейчас?
О: Ну да. Когда ты говоришь “искусственный интеллект”, сразу у всех ожидания завышаются» (Ресерчер, Организация 5, Россия).
Сравнение представленных определений показывает, что информанты определяют ИИ через его сущность или через функцию. Если речь идет о сущности, ИИ либо определяется через математическую модель (что согласуется с теоретическим определением ИИ как ансамбля формализованных правил), либо через понятие интеллекта, сходного по своим свойствам с человеческим. В последнем случае информанты заявляют, что ИИ еще не существует. Определение ИИ через функцию указывает или на решение задач в общем виде, или конкретизирует их как задачи, связанные с имитацией человеческого поведения (что также согласуется с принимаемым теоретическим определением ИИ). Наконец, некоторые информанты предпочитают говорить не об ИИ, а о «моделях», «робо-звонках» и проч.
Кроме того, необходимо отметить важность понятия «машинное обучение», которое часто в разных вариациях, в паре или оппозиции, появляется вместе с «искусственным интеллектом».
Исходя из сравнения определений, можно сделать три вывода. Во-первых, среди информантов не существует единого представления, что такое ИИ, существует ли он сейчас и как проводить границы между ИИ и МО. Во-вторых, определения информантов тем не менее в целом укладываются в концепцию искусственного интеллекта и искусственной социальности, принимаемую в настоящей статье, высвечивая разные ее аспекты. В-третьих, большинство информантов понимают под ИИ модель и совокупность реализующих ее алгоритмов, а не конкретное ее воплощение (не агентов ИИ в нашей терминологии).
Техническое «ядро» и онлайн-культура
Из анализа определений следует, что граница между ИИ и другими технологиями не всегда проводится одинаково и не всегда четко различима. Данная ситуация, на наш взгляд, связана с тем, чем обусловлен рост эффективности и широкое распространение технологий ИИ.
Из нарративов наших информантов могут быть выделены несколько технических факторов, которые они связывают с развитием ИИ. Это нарастание вычислительных мощностей и объемов памяти компьютеров, постоянное накопление разнообразных данных, а также совершенствование алгоритмов обработки и анализа данных. Обобщая оценки информантов, можно говорить, что ни один из этих факторов не является достаточным, но вместе они становятся необходимыми для развития ИИ в том виде, в котором он существует сегодня. Так, популярные алгоритмы не эффективны без вычислительных мощностей и без больших объемов данных, сбор данных не имеет смысла, если негде их хранить и нет способов их обрабатывать, а рост мощностей и памяти подстегивается растущими нуждами сбора и анализа данных.
«Уже в конце 90-х было понятно, что у всяких банков, у них данных электронных накопится вагон. Не было именно технической возможности с ними работать» (Руководитель отдела лингвистики, Организация 4, Россия).
«Академический у меня был всегда интерес именно к областям, связанным с искусственным интеллектом и нейросетями. И вот в последние годы я, собственно, возвращаюсь в эту область, и сейчас с удивлением обнаруживаю, что, с одной стороны, ничего нового, как ни странно, почти ничего нового не изобрели; с другой стороны, возможности техники и, что намного более важно, количество данных, которые доступны в открытом виде, стало достаточным, чтобы количество переросло в качество» (Управляющий партнер, Организация 1, Россия).
Технический конгломерат алгоритмов, данных и вычислительной техники образует «ядро», которое кристаллизуется в социально-экономической среде, характеризующейся двумя важными условиями. Первое -- это появление и распространение общедоступного программного обеспечения, существенно снижающего требования к квалификации разработчиков.
«Сейчас уже все инструменты для разработки подобного рода решений они есть... То есть нужно написать несколько строчек кода, и модель будет обучена» (Развитие социальной сети, Организация 15, Россия).
«Сейчас, собственно, с машинным обучением происходит примерно то же самое, что происходило с языками программирования когда-то. Потому что когда-то языками программирования, да и вообще программированием, могли заниматься [только те--Н.Т.] люди, которые являются хорошими математиками» (Тим-лидер продукта, Организация 14, Россия).