×
Герман Греф. ПМЭФ 2017: Всё, в конце концов, будет хорошо. И если что-то плохо, то это значит, что это ещё не конец

Герман Греф: О некоторых особенностях нашей сегодняшней сессии. На панели настолько замечательные лекторы, что очень жалко воровать их время. Я слушал по отдельности каждого из сидящих здесь людей, и я хочу сказать, что это потрясающе интересно. И мы решили сделать так, чтобы не устраивать какие-то дискуссии, а дать немножко больше времени каждому из находящихся на этой сцене людей для того, чтобы они могли немножко представить свои исследования. Они немножко разные, они немножко в разных сферах, но они все объединены одной темы: темой конкурентоспособности. Тема конкурентоспособности – это тема, которая больше всего интересует присутствующих в этом зале и отсутствующих в этом зале по нашему исследованию представителей бизнеса.

 

Тема конкурентоспособности касается конкурентоспособности на трёх уровнях.

 

Первое: на глобальном и национальном уровне, и то, что цифровое неравенство и разрыв в богатстве между развитыми странами, которые получают все прелести технологического развития и глобализации и бедными странами, которые не могут пользоваться этими компетенциями, этими достижениями.

 

Второй уровень – это уровень компаний. Конкуренция между компаниями, и перед всеми компаниями стоит сегодня вызов в диджитализации и входе в новый мир, в новый век.

 

И третий уровень, который касается всех нас – это личностный уровень. Как нам жить в эпоху, когда мы являемся абсолютно неконкурентоспособными по скорости изменений с машинами, искусственным интеллектом и вообще со всем тем, что сейчас происходит в мире. Как нам поддержать свою личную конкурентоспособность, как нам не отстать, как нам не проиграть наши рабочие места умным машинам.

 

Вопрос профессору Стребулаеву: Илья, расскажите, пожалуйста, что вы думаете о факторах успеха и факторах провала при строительстве современных экосистем? Какие ошибки чаще всего совершает государство на этом пути, и что может гарантировать успех?



Илья Стребулаев: В последнее время стало очень популярно строить различные инновационные экосистемы по всему миру. И большая часть таких попыток заканчивается неудачей. Кремниевая долина или, как её обычно по-русски называют, Силиконовая долина в Калифорнии является синонимом успешной инновации, успешной инновационной экосистемы. И, казалось бы, что все очень просто: вы просто едете в долину, вы выбираете самые очевидные составляющие Силиконовой долины, вы переносите её к себе, куда бы то ни было в мире, и успех гарантирован. К сожалению, это не так. Это не так, потому что имитаторы очень часто глубоко не вдумываются, а почему именно долина стала успешной, и почему она продолжает быть успешной.

 

И поэтому, отвечая на ваш вопрос, я позволю себе очень вкратце рассказать про три критических фактора, которые обычно строители таких инновационных экосистем не понимают до конца.

 

Первый фактор – это непонимание роли технологий. Я начну с примера. Несколько лет тому назад в Стэнфорд, университет, который находится в самом центре Силиконовой долины, и откуда трое из нас на этой панели приехали, приехала делегация из России, которая в то время отвечала за строительство новой инновационной экосистемы Сколково. Я организовал им встречу с коллегами из Стэнфорда. Очень быстро стало понятно, что их интересует только одно: их интересует технологии и наука. Они спрашивали, в основном, как бы возможно русскоговорящих профессоров из Стэнфорда или из других подобных западных университетов перевезти обратно в Россию, то есть они приравнивали технологию и науку, успех технологий с успехом инновационной экосистемы.

 

Они думали, что если взять 20 успешных русскоговорящих профессоров с лабораториями, и эти лаборатории переместить в Сколково, то успех гарантирован. К сожалению, это не так, потому что научные центры не только в Стэнфорде существуют, они существуют по всему миру. Прекрасные центры, в том числе, конечно, и в России, но вы можете иметь самые лучшие, самые передовые технологии, при этом ваша инновационная экосистема может быть абсолютно провальной.

 

Потому что чего обычно не хватает – это трансформации из мира лабораторий, из мира технологий и науки в реальный мир, и это не делают традиционные учёные.

 

Действительно, из стен Стэнфордского университета вышло очень много успешных кампаний, от HewlettPackard до Google. Но эти компании, эти идеи, может быть, и созданы были в университете, но их потом как компании, воплотили не традиционные учёные, а предприниматели, которые готовы были принять риск на себя, и менеджеры, которые были готовы масштабировать эти компании, делать из них огромные идеи.

 

Для этого нужны совершенно другие навыки, поэтому нужно думать, в большинстве, не о технологиях и не о создании прекрасной инфраструктуры, а о критической массе людей, критической массе предпринимателей и о критической массе управленцев, которые смогут создать такую инновационную экосистему.

 

Для того, чтобы масштабировать такие идеи, также нужны деньги. И второй фактор, который обычно не понимают – это как финансировать инновации. Я это вижу повсеместно по всему миру, государства, которые пытаются начать инновационную экосистему, финансируют, выдают тысячи и тысячи грантов маленьким стартапам, и кажется, это очевидно, если вы посмотрите на Силиконовую долину…

 

Все знают, что Силиконовая долина – это страна стартапов. Это очень распространённое заблуждение.

 

Конечно, в долине очень много стартапов, но большая часть из стартапов исчезают без всякого эффекта. Только отдельные из них набирают масштаб и набирают масштаб очень и очень быстро. И реального эффекта можно добиться от своей инновационной экосистемы тогда и только тогда, когда вы сможете поддержать такие компании, которые из маленьких стартапов станут крупными компаниями. Я называют такие компании газелями. Газели – это не только животные, которые очень быстро бегают, но они необычайно быстро набирают скорость. И поддержание таких газелей принципиально важно. То есть если мы соединим газели и людей, то это будут два критических фактора таких стартапов.

 

Я изучаю венчурных капиталистов, людей, которые инвестируют в стартапы, инвестируют в инновации, и, в частности, я изучаю, какие критерии важны для отбора инвестиций. И вне всяких сомнений, самый важный критерий, которые используют венчурные капиталисты – это предпринимательская команда.

 

Для строителей инновационных экосистем стоит запомнить такое простое мнемоническое правило: лучше поддержать отличную команду, работающую над хорошим проектом, чем поддержать хорошую команду, работающую над отличным проектом.

 

Или ещё проще – это идей в жизни очень много, а вот людей, которые готовы их исполнить и превратить в газели – очень мало. Чтобы превратить такие компании в газели, необходим частный гибкий крупномасштабный венчурный капитал, который готов поддержать не только самые начальные стартапы, но который готов быстро этим компаниям, которые становятся газелями, выделить дополнительный капитал, быстро и своевременно. Один факт из моих недавних исследований: если мы посмотрим на все американские публичные компании, которые были созданы примерно в течение последних 40 лет, то с каждого доллара, который эти компании тратят на НИОКР, на исследования и разработки, 82 цента приходится на компании, которые поддержал венчурный капитал.

 

Если вы вдумаетесь, это совершенно сумасшедшая, фантастическая цифра. 82 цента из доллара на исследования и разработки. Фактически, можно сказать, что венчурный капитал стоит за нетривиальной долей долгосрочного макроэкономического роста США в последние 40 лет.

 

Для строителей инновационных экосистем также очень важно понять, каким образом венчурные капиталисты принимают решения, и как поддержать целую цепочку венчурного финансирования, а не только начальную, когда маленький стартап, и не конечную, когда уже крупная компания.

 

Третий фактор, о котором я хотел бы поговорить вкратце – очень простой. Инновации невозможны без провалов. В долине девять из десяти стартапов терпят крах. И только меньше, чем один из тысячи стартапов становится газелями, становится крупными, удачными масштабными компаниями.

 

Если вы подумаете, это достаточно уникальная цифра. Когда я встречаюсь с предпринимателями в долине, они мне очень часто говорят: я работаю над своим третьим стартапом. Я всегда их спрашиваю: а что случилось с первыми двумя? На что они мне говорят: первые два провалились, но вот третий точно будет успешным.

 

То есть они не боятся признавать свои неудачи, но при этом также у них остается оптимизм, и они готовы создавать новые компании и дальше, и более того, венчурные капиталисты готовы и дальше их поддерживать. А вот вам противоположный пример. У меня был несколько лет тому назад один студент, японец. И, приехав в Стэнфорд, он загорелся духом предпринимательства, и он решил вернуться в Японию и там работать над своим стартапом. Он мне сказал по секрету, что он будет вынужден скрыть тот факт, что он будет работать над стартапом от своих родителей и от своей девушки, потому что

сам факт, что он пошёл работать не на крупную компанию, а будет работать над маленьким стартапом, будет означать, что он стал неудачником в жизни. И что девушка от него уйдёт и так далее. В результате, сколько Uber и Google мы знаем в Японии, сколько газелей мы знаем?

 

Силиконовая долина уникальна по производству этих газелей. Если вы вдумаетесь, Facebook понадобилось примерно 10 месяцев, чтобы достичь первого миллиона пользователей. Uber понадобилось примерно пять лет, чтобы добиться первого миллиарда поездок, и ещё год для двух миллиардов поездок. Компании SpaceEx понадобилось всего шесть лет, чтобы запустить первую космическую ракету. То есть для того, чтобы инновационная экосистема была успешной, поддержка газелей также означает, что вы должны не бояться провала. Заимствуя из мира рекламы, из каждого доллара, который вы вкладываете в стартапы, в инвестиции, в инновации, 50 центов теряется, просто мы не знаем какие из 50 центов. Поэтому, пожалуй, очень важный момент, что за потерю денег в инновациях не надо наказывать, когда вы теряете 50 центов.

 

Как Герман сказал, я преподаю в Стэнфорде в основном на английском, поэтому про Россию знаю не так много, но я слышал, что, например, в компанию Роснано очень часто приходят в гости товарищи из органов, когда компания Роснано инвестировала в какую-то инновационную компанию, а та потерпела крах. Я ничего не знаю про инвестиции Роснано и не могу судить, но я бы сказал бы, что если компания Роснано не теряет деньги на многих своих проектах, а задача у неё инновационные проекты, то это означает, что менеджеры Роснано неправильно что-то делают, не по-настоящему принимают инноваторские решение, и Тогда бы я наказывал.

 

Реальная опасность заключается в том, что вас будут наказывать за потерю денег при попытке сделать что-нибудь новаторское, и тогда из-за боязни потерять деньги вы вообще ничего не будете делать и потеряете уникальную возможность.

 

Те критические факторы, о которых я рассказал, также я считаю очень своевременными, и вопрос Германа тоже очень своевременный. По очень простой причине.

 

Я считаю, что в следующие 10 – 15 лет в мире произойдет гораздо больше технологических и социально-экономических потрясений, чем за предыдущие 50 лет.

 

Этому есть очень простое экономическое объяснение. Пример: 15 лет тому назад студенты Стэнфордского университета, которые хотели создать компанию по программному обеспечению, им нужно было поднять 5 млн. долларов. Только чтобы начать бизнес. Им нужно было арендовать дорогой офис, нанять дорогих разработчиков программного обеспечения, купить за миллион долларов систему Oracle и так далее. Очень мало людей найдётся, у которых есть лишние 5 млн. долларов.

 

Сегодня, в прошлой учебной четверти, за одну учебную четверть студенты Стэнфорда, работающие над похожими проектами, должны были предоставить уже готовый прототип, используя, может быть, 20 – 25 тысяч долларов.

 

Если вы вдумаетесь, то мало у кого есть 5 миллионов, но много у кого есть 25 тысяч долларов. Это означает, что если у вас есть какая-то абсолютно сумасшедшая идея, то вам достаточно найти одного – другого сумасшедшего, который готов, но у которого ещё есть 25 тысяч долларов и, кстати говоря, Uber и родился из именно такого сумасшедшего, основателя компании и такого же сумасшедшего инвестора, потому что остальные не захотели проинвестировать, все считали, что это просто полный бред.

 

И мы знаем, где теперь этот Uber. То есть идей сумасшедших очень много, и, более того, они возникают в разных необычайных отраслях.

 

Я вам приведу пример сумасшедшей идеи, про которую, может быть, не все из вас знают, но хотя Герман, который недавно побывал в долине, у него была возможность в буквальном смысле попробовать сумасшедшую идею: компания Impossible Food, что по-русски означает «Невозможная еда», изготовила пищевой продукт, который выглядит как мясо, у которого текстура мяса, вкус мяса, цвет мяса, все, как мясо, но это не мясо. Абсолютно не мясо. И Герман не смог определить, и я не смог определить, и профессиональные дегустаторы не смогли определить мясной фарш и фарш, приготовленный этой компанией.

 

Если среди вас в зале есть представитель сельского хозяйства, то пора бросить эту панель и бежать узнавать про эту компанию.

 

 Это просто пример, а такие идеи есть во всех отраслях и во всех экономиках. Важно понимать, что это сумасшедшие идеи, которые раньше невозможно было профинансировать. Компания Impossible Food получила в начале 100 тысяч долларов, потому что они за 100 тысяч долларов могли построить интересный прототип, а теперь, конечно, они подняли в долине уже более 200 млн. долларов и являются серьезными конкурентами.

В заключение я хотел бы вкратце рассказать про видение про Россию, очень короткую заметку из Силиконовой долины. Вы не можете себе представить, сколько стран посылают чиновников, топовых чиновников, топменеджеров в долину, чтобы узнать про инновации.

 

Прекрасный пример – это Китай. В буквальном смысле, поскольку я занимаюсь этими исследованиями и также преподаю про инновации, буквально недели не проходит, чтобы не просили прочитать лекцию про долину, про инновации китайцам либо в долине, либо в Китае. Их очень интересует, каким образом венчурные капиталисты принимают решения, каким образом они оценивают стартапы, как государство может помочь и так далее.

 

 

К сожалению, я вынужден констатировать факт, что Россия не относится к числу этих стран.

 

Я знаю только одну компанию, только одну большую российскую организацию – Сбербанк, которая уже более чем четыре года каждый год приезжает в долину узнать про инновации, можно сказать, и в жару и в стужу, при любых погодных условиях. Герман Греф его команда приезжает, и результат налицо, потому что я считаю, что Сбербанк сейчас и Сбербанк пять лет тому назад – это две большие разницы. Я думаю, что роль долины, роль Стэнфордского университета в этом совсем не маленькая, в трансформации Сбербанка.

 

Но это пока единственная крупная организация в России, которую я знаю. Мне бы очень хотелось бы, чтобы пример Сбербанка, а также те вызовы, о которых я рассказал, что в следующие 10 – 15 лет мир очень очень сильно изменится, я надеюсь, что это послужит сигналом лидерам присутствующих здесь или смотрящих нас. Я закончу на том, что

 

следующие 15 лет – это эпоха газелей, если вы, ваша компания, ваш регион, ваша отрасль, ваша страна не будет заниматься инновациями и не изменит себя целиком, то эти газели к вам очень быстро придут и вас съедят на обед, а может быть даже на завтрак.

 

Илья, может быть, есть какой-то вопрос, на который вы хотели бы ответить из тех вопросов, которые были...



Илья Стребулаев: Спасибо большое, я буду очень краток. Вопросов очень много, очень интересных, если вы задали вопросы в этой аудитории, я с радостью отвечу вам после. Один из вопросов был – это «А стоит ли России создавать инновационную экосистему, может быть нам можно всё импортировать?» На это у меня такой ответ: 25 лет тому назад в России такая была шутка, а может быть даже ещё бывшем СССР. Я извиняюсь перед переводчиками, перевести невозможно: "Не ту страну назвали Гондурасом". Но 25 лет назад это была шутка, и проблема в том, и из того, что я рассказал, это стало немножко более понятно, что это может скоро перестать быть шуткой, потому что следующие 10 – 15 лет приведут не только к появлению очень многих новых газелей в самых разных отраслях, но и также к огромному новому разрыву между теми странами и теми людьми, которые способны создавать новое быстро, масштабно, и всеми остальными. И мне бы очень хотелось верить, что Гондурас и останется там. Без обид Гондурасу. И последнее. Это также относится и к людям, исследования моих коллег показывают, что в Америке в течение следующих 15 лет потенциально треть рабочих мест исчезнет или полностью изменится, и особенно, если вы смотрите нашу панель по телевидению, то вам нужно думать о том, что будет с вашими рабочими местами через 10-15 лет, а для того, чтобы можно было найти, чтобы можно было включиться в новую профессию, найти новое рабочее место, необходимо подумать, какие навыки для этого будут нужны. Новые навыки нужно создавать не только людям, но вы можете создать свою маленькую инновационную экосистему для самого себя. Спасибо.



Герман Греф: Спасибо, спасибо большое, Илья. Я думаю, что мы будем делать, действовать так, что в Африке будут стараться носить название нашей страны, а не наоборот. Все шансы у нас для этого есть.



Герман Греф: Итак, следующий вопрос хочу адресовать профессору Пракашу. Скажите, пожалуйста, Ману, есть ли шанс у развивающихся стран догнать развитые страны в инновационной деятельности или можно спокойно переименовать в современном мире развивающиеся страны в вечно неудачно догоняющие страны?



Ману Пракаш: Герман, спасибо большое, что пригласили меня. Я учёный и изобретатель, но в основном я занимаюсь образовательной деятельностью … Я вот о чем всегда думаю: как я применил любознательность к миру и как я её передам молодым поколениям, потому что это, наверное, самый важный вопрос, который нужно задать. Давайте начнём с вызова, задачи: мы живём в эпоху информации. Информация дешёвая, некоторые уже постоянно используют Google, чтобы что-то прочитать. Все легко найти.

 

Наука и технологии – ей сложно научиться, и наука и технологии – это дорого, это то, что мы как раз говорили. Так вот, как сократить этот разрыв? Я думаю, что ответ в том, что нужно демократизировать доступ к науке и технологиям, не просто людям, которые могут уже получить этот доступ, но каждый человек на планете должен иметь доступ к науке и технологиям. Я использую для этого такой термин – это бережливая наука, экономная наука. Два примера приведу, чтобы вы поняли, о чем я говорю. И потом уже поговорим опять об образовании.

 

Я вырос в развивающейся стране, в Индии, я иммигрант в США, научный работник, заведую лабораторией в Стэнфорде. Я помню, мне было семь лет, я был ребёнком в Индии, я не мог себе позволить микроскоп. И мне при этом было так интересно, что же там происходит, я сделал микроскоп из линз, которые я украл из очков своего брата. Конечно, микроскоп не работал, вообще, плохая была идея. Ну, знаете, именно тогда именно эта любознательность во мне проснулась, и в итоге я смог сделать карьеру на том, что я делаю эти инструменты доступа к науке для людей, для всех людей, которые они могут себе позволить.

 

Если подумать о науке и о том, что у нас сейчас происходит… Сейчас, прямо сейчас на планете живёт миллиард человек, у которых нет доступа к инфраструктурам, к дорогам, ни к каким медицинским учреждениям и ни к чему, что можно назвать в принципе образованием. Миллиард человек. Это огромное количество людей. 7 миллиардов людей у нас на планете, и при этом такое огромное количество людей вот так вот живёт. 2 миллиарда детей на планете, и миллиард из них живёт в нищете, в бедности. В соответствии с официальным понятием. Так вот, как эту большую массу молодого поколения обучить, как их обучить, если мы не будем думать об экономном образовании?

 

Семь лет назад меня разозлил тот факт, что наука не была доступна всем людям по всему миру, и с одним из моих студентов, Джимом Цыбульски, мы придумали очень простую идею. Мы подумали: надо сделать микроскоп, который был бы достаточно мощным, чтобы смотреть на клетки, но при этом, чтобы он стоил один доллар. И мы выбрали – один доллар, это наша цена стартовая. 2 миллиарда детей. И вы знаете, мы хотим, чтобы у каждого был микроскоп. Как вот у меня карандаш сейчас, я хочу, чтобы у каждого был микроскоп доступен. Несколько лет мы поработали, и нам удалось изобрести микроскоп, который называется Складоскоп, складываемый микроскоп, как оригами. Это, собственно, просто бумажки, которые вы соединяете вместе, там небольшие линзы, и у вас получается настоящий микроскоп. Мы написали об этом научную статью, и мы думали, ну вот мир поменяется, но в итоге ничего не поменялось.

 

И тогда мы решили: мы будем производить эти микроскопы в нашей лаборатории, и мы всех инноваторов призвали нам помочь. И со всего мира получили поддержку, и в прошлом году 50 тысяч таких микроскопов мы сделали. Один доллар нам стоило его произвести, но 50 тысяч человек со всего мира получили доступ микроскопу, потому что микроскоп – это основа биологических наук. Когда люди работают вместе, мы можем это видение, эту концепцию реализовать. Я хочу показать небольшое видео об истории этого инструмента, как мы его использовали последние два – три года. К сожалению, я не могу показать все страны, но я хочу, чтобы вы видели, как реально используется этот микроскоп. Пожалуйста, видео. 

 

И когда Герман посетил Стэнфорд, я тоже рассказал об этом инструменте, показал этот микроскоп. Собственно, одна из причин по которой я приехал сюда. Если вы посмотрите на карту распространения нашего микроскопа, Россия там не присутствует, и мы хотим это изменить. Так вот, там, собственно, люди подумали - как нам реализовать идею. И мы открыто делимся микроскопом, мы начали делиться этими инструментами со всеми медработниками по всему миру, которые расположены и у которых нет доступа к медресурсам. Например, мы поехали в страны, которые были поражены Эболой, чтобы эта болезнь не распространялась.

 

Поехали в другие страны для того, чтобы, например, люди определяли, заражена вода или нет. Как вы, например, определяете, поддельная валюта или нет? Как вы определяете, чистая вода или нет? Вы знаете, можно, конечно, монетизировать эти идеи, но с другой страны, инновации всегда начинаются с любознательности, любознательность должна быть основой всего. Потом, конечно, другая задача – это масштаб. Концу года мы миллион таких инструментов, микроскопов дадим миллиону детей по всему миру. Как и карандаш, как сделать так, чтобы научные инструменты были доступны всем, а не только людям, которые могут себе это позволить. Я не смогу все, все инструменты… Вот это вот центрифуга за 20 центов, которая сможет показать то, есть ли малярия в крови. Она основана на обычной древней игрушке. Это центрифуга, которой можно управлять руками, но сейчас это рекорд, самый быстро вращающийся предмет на Земле. Это простая математика, но когда вы разработали инструмент, вы должны открыть доступ для всех. Технология там, технология есть, но вы должны хотеть обмениваться этими идеями.

 

В 1953-м году, кстати, группа российских учёных написала научную статью, и они сказали, что скотч можно использовать... Если вы вот так вот скотч потянете, оторвете, то там будут рентгеновские лучи. Физики задумались, как такое возможно? Представляете, просто отрываете скотч, и получаете рентгеновские лучи. Только через 50 лет физики в США повторили этот эксперимент, и потом в 2003-м году они смогли только это понять, а сейчас, собственно, многие компании создают оборудование на основе этой очень простой идеи. Этому оборудованию не нужно мощное электропитание и сложное оборудование. Мы не знаем, почему это работает. Это сложно, но мы, кстати, с этим разберёмся.

 

Идея в чем: как только вы начинаете думать в рамках каких-то, что нужно много денег тратить, то можно, с другой стороны, пойти и быть креативным и использовать творческие решения, и знать, что у меня много денег, я могу креативить как хочу. Но ресурсы ограничены и неравно распределены, поэтому у всех должны быть одинаковы ресурсы, одинаковый доступ, и нам нужно создавать именно такие инструменты, чтобы у всех был одинаковый доступ к научным исследованиям. Я вообще не думаю о странах развитых и развивающихся, я понимаю, что это экономически правильно, но я думаю, что это страны, у которых что-то есть, у других чего-то нет. Есть страны, где просто помещение, в котором ничего нет – и это школа или это больница. Во-первых, в таких странах нам нужно предоставить инструменты для того, чтобы люди занимались наукой именно там.

 

Большинство стран говорят, что образование - это приоритетная задача, но потом я смотрю на бюджет на оборону, а потом бюджет на образование, и я что-то не замечаю, что наши приоритеты расставлены так, как они должны быть расставлены. Сейчас как раз важный момент, мы должны понять, что если мы не будем инвестировать в эти молодые поколения, у нас не будет просто планеты, на которой мы сможем жить. И правительство не единственная часть в этом уравнении. У нас мир не самой лучшей демократии, хотя, демократия, наверное, самая лучшая система, которая у нас есть. Нам нужно…

 

Правительство не могут справиться с тем, чтобы вырастить молодые поколения. Поэтому я думал об этом: как нам догнать это? Как нам сделать так, чтобы доступ к науке и технологиям был, прежде всего, до того, как у нас будут уже решения? Как сделать так, чтобы любознательность была у людей, чтобы они были заинтересованы, а потом уже думать о монетизации? Я хотел бы это решение оставить на усмотрение вас всех. У нас такой большой энтузиазм возникает вокруг решения самых разных проблем, и если вы их решаете, можно самые разные компании делать.

 

Давайте вскроем этот потенциал возобновляемых источников энергии, изменения климата и всего того, что сейчас кажется нерешенным. Лидеры, которые решают эти сложные проблемы, именно они останутся в истории, в памяти людей, именно вот это видение решения сложных проблем останется в истории, а не то, как вы жмёте руки, устанавливая дипломатические отношения на высшем уровне.

 

Я только что вернулся с научной ярмарки компании Intel. Это оптимистическая сторона истории. Встретился с 1700 победителями из самых разных стран, это самые умные ребята, самые молодые учёные, которые есть на планете. Я увидел в их глазах мир, который совершенно другой, там столько надежды, столько решений, и они относятся к миру с таким подходом, что они могут решить эти проблемы, но для каждого из этих ребят главный вызов состоит в том, что они один из тысячи, которые остались позади, у них нет наставников, у этой тысячи, у них нет инструментов, им даже не показывают проблемы, над которыми они могут подумать и решить их. Поэтому в завершении я хотел бы оставить у всех вас такой вопрос в сознании: доступ к наукам и технологиям для улучшения жизни, является ли такой доступ правом человека или это привилегия? Считаете ли вы, что жизнь каждого человека должна иметь доступ к чуду? Я не могу ответить на этот вопрос, мы должны решить это коллективно, и должны вкладывать какие-то ресурсы в то, чтобы что-то происходило. До этого постоянно будет приходиться, будет нужно догонять. Капать капли в ведро, вот в это огромное ведро образовательных систем мира никогда не приведёт к возникновению цунами, огромной волны. Нам нужно видение достаточно сильное, чтобы сравниться с теорией гравитации. И каждый раз, когда вы хотите поднять это цунами, вам нужно найти свою Луну, которая откроет эту гравитацию. У меня к вам просьба, очень скромная просьба. Если вы хотите, чтобы общество в разных странах двигалось куда-то, чтобы оно коллективно было конкурентоспособно и решало проблемы, которые мы сами себе создали, нужно думать над тем, как образовывать людей и как делать так, чтобы наука и ощущение открытия приходили к каждому. И я имею в виду каждого из этих 2 миллиардов детей на планете, не только тех, которые могут себе это позволить. Здесь нужно именно такое лидерство, которое принесёт эту науку каждому из этих детей. Спасибо. 



Герман Греф: Спасибо большое. Для меня это было вообще действительно открытие, что можно сделать микроскоп, и мы сами смотрели в этот микроскоп, наблюдали микромир, исследовали свои не очень чистые руки, пытались заглянуть в микромир с помощью однодолларового микроскопа. Это, конечно, потрясающе интересно. Как можно быстро сделать анализ крови с помощью вот этой детской игрушки, я тоже в неё играл с помощью двух резинок. Это, конечно, большой вызов. Как можно сделать рентгеновский аппарат при помощи открывания скотча и делать реальные снимки в походных условиях – это просто потрясающе. Было интересно смотреть, как доктора в Африке раскручивают эту маленькую круглую пробирку с кровью и в течение одной – двух минут получают самый дешёвый анализ крови. Это, конечно, потрясает всё. Это говорит о том, что нет преград в нашей креативности, в нашем разуме, если мы нацелены, если мы воодушевлены, если мы хотим достичь результата. Спасибо вам большое за воодушевляющий спич, за ваш доклад, и очень надеюсь, что в этом году мы с вами начнём в России проект по распространению в сельских в школах и вообще во всех желающих школах вашего микроскопа за один доллар. Спасибо большое вам за эту возможность.

Герман Греф: Хотел бы следующий вопрос адресовать Микалу Косински. Микал, я сказал уже, что я привёз очень важный тезис из Силиконовой долины для себя, может быть, один из самых главных: это демократизация информации как абсолютный тренд, который есть сегодня и который будет развиваться в ближайшие годы. Этот тренд также коснётся всех и вся, это коснётся частной жизни, управления компаниями, управления государством.

 

И, конечно же, распространение знаний, открытое распространение знаний является, в общем, достаточно большой опасностью, потому что открытые знания о новых технологиях – это дать способность в домашних условиях изобрести оружие массового поражения, биологическое оружие или, не дай Бог, ядерное оружие. Это все большие вопросы. Технологии дают потрясающие возможности, и они несут в себе угрозы. Распространение личной информации о нас, мы оставляем цифровые следы в соцсетях, в Интернете, в переписке, все становится открытым, и это доступно не только спецслужбам, это доступно всем крупным компаниям. Что вы можете сказать, и можем ли мы спрогнозировать последствия этого использования коллективного разума и такого повсеместного использования новых технологий?

Микал Косински: Герман, спасибо большое за такую лекцию и вопрос одновременно. Я постараюсь выступить со сравнимой лекцией и попытаюсь ответить на основной вопрос, который, пожалуй, к концу ваших слов прозвучал.

 

Что меня вдохновило на то, чтобы стать учёным – так это теория эволюции Красной королевы. Теория получила название, имя красной королевы по имени персонажи книги «Алиса в Зазеркалье», «Алиса в стране чудес».

 

Этот персонаж говорил, что для того, чтобы оставаться на месте, нужно быстрее и быстрее бежать, и в эволюции этой метафорой можно описать все возрастающий темп эволюции в инновациях.  Просто для того, чтобы оставаться на месте, нужно эволюционировать все быстрее.

 

Планируете ли вы или молитесь, нужно эволюционировать. Может быть, это всё недостаточно интуитивно понятно для людей, которые изучают биологию, но то же самое явление существует в других средах, например, в экономике или в политике или в науке, просто названия другие.

 

То, что мы называем гипотезой Красной королевы в эволюционной науке называется экспоненциальным ростом или законом Мура в технологии и в различных промышленных отраслях. Сейчас я хочу фундаментально сказать следующее:

 

просто для того, чтобы оставаться конкурентоспособным и оставаться на месте, нужно эволюционировать все быстрее с каждым днём и лавировать быстрее, чем вы это делали раньше. Это просто один из поворотов на этом пути. Нельзя поддерживать скорость инновационности, если у вас инновации живут только в одном пространстве, в одной технологии.

 

 Например: двигатель внутреннего сгорания. Если вы делаете автомобили, вы не можете продолжать конкурировать по качеству двигателя, потому что сейчас мы подходим к стадии, где двигатели внутреннего сгорания лучше не станут. Чуть-чуть лучше – может быть, но мы не можем поддерживать этот экспоненциальный рост качества и эффективности, поэтому сейчас нужно менять парадигму, то есть нужно менять поле конкуренции с одного на другое. В биологии это происходит постоянно, в биологической эволюции. Подумайте, животные и растения вышли из океана, и вышли на сушу, и это абсолютно другая конкуренция.

 

Вспомните о биологических устройствах, например, ваши глаза. Очень сложно сделать глаза лучше, чем тот глаз, который у нас есть. Можно чуть-чуть улучшать. У одних животных зрение немножко лучше, чем у других животных, но фундаментально эволюция не может поддерживать такой экспоненциальный рост. Что происходит дальше? Происходит сдвиг на другое поле. То же самое происходит с мускулами. Нужно осознать, что сейчас уже мышцы человека не могут стать сильнее. В человечестве уже происходит этот сдвиг.

 

Раньше думали о том, насколько люди могут быть сильными, сейчас мы думаем о том, насколько они могут быть умными. Вот вам технологический сдвиг. Начало новой конкуренции в другой области.

 

То же самое в организациях и даже в политических системах. Раньше политические системы конкурировали друг другом за численность армии, которую можно было собрать для того, чтобы пойти на битву с кем-то ещё. Потом произошёл сдвиг. Как победить в конкурентной борьбе при помощи интеллекта с другими людьми, дальше у нас религиозные системы, политические системы. Это связано с развитием человеческого мозга, мозга вообще и человеческого мозга в частности.

 

Человеческий мозг – это еще один пример биологической инновации, где мы, скорее всего, уже подошли к потолку, где очень тяжело при помощи инновационности выйти на какой-то другой уровень. Мозг сейчас потребляет порядка 40% энергии, которую генерирует ваше тело, и сейчас вряд ли человеческий мозг улучшится, но, опять же, эволюция опять сдвинула парадигму. Вместо того, чтобы конкурировать с другими людьми просто при помощи мозгов, мы добавляем технологии. Технологии усиливают возможности нашего мозга, и вы можете видеть, как цивилизации процветали, когда конкурировали друг с другом не при помощи наращивания мозга, это невозможно сделать быстро и, пожалуй, мы подошли к верхнему пределу, но при помощи развития технологий. И вы видите то же самое, ту же парадигму Красной королевы в развитии технологий.

 

У нас тысячи лет ушло на освоение сельского хозяйства, а сейчас 40-50 лет ушло на то, чтобы освоить компьютер. Компьютер как минимум такой же сложный, если не сложнее чем сельское хозяйство как технология.

 

Я думаю, то, что происходит сейчас – так это то, что мы постепенно выходим на предельные уровни экспоненциально роста в области традиционных технологий.

 

Здесь нужно думать о двигателях внутреннего сгорания, о самолетах, о том, над чем человечество работало последние несколько сот, может быть, тысяч лет, различные версии одних и тех же разработок.

 

Сейчас нам повезло или не повезло, мы видим новый великий сдвиг этой парадигмы, сдвиг в направлении, где будет следующий экспоненциальный рост. Я имею в виду искусственный интеллект. Он живет на тех данных, которые мы все генерируем, на всех тех цифровых следах, которые оставляют живые люди, живя своей обычной жизнью, и сверху этого мы разрабатываем эти искусственные мозги. Эволюция мысли, эволюция коммуникаций, эволюция хранения информации выходят на совершенно новый уровень.

 

Трудно представить, чтобы биологический мозг внезапно развил в себе способность обеспечивать коммуникацию на огромных расстояниях. Это легко понять, это легко представить себе, если у вас силиконовый мозг, который коммуницирует с себе подобными на огромных расстояниях. Как меняется игра? Она меняется и для людей, и для организаций, и для обществ, для целых стран.

 

Когда я говорю об искусственном интеллекте со своими студентами, они меня обычно спрашивают: «Вы исполнены такого энтузиазма по поводу искусственного интеллекта и того, как он меняет нашу жизнь. Покажите мне пример того, - говорят студенты – как он меняет то, что происходит вокруг нас?» И я больше всего люблю отвечать так: по сути, в большой степени страны уже находятся под управлением искусственного интеллекта, и если я это говорю, это, как правило, противоречит интуиции, потому что политики, как правило, думают, что именно они управляют странами.

 

Подумайте об этом несколько минут.

 

Уважающая себя страна уже сейчас будет применять массу элементов политического курса, который основан на фактах. Если вы хороший управленец, вы будете стараться реализовывать максимально политику, которая была обкатана или которая была основана на каких-то объективно верифицированных данных.

 

Как вы разрабатываете эту политику как управленец? Эта политика сейчас разрабатывается на основе терабайт данных, которые анализируются алгоритмами машинного обучения и искусственным интеллектом. Эти алгоритмы выявляют маленькие закономерности, которые живой человек с большим трудом найдет. А дальше datamining, изучение данных ложится в основу изменения политического курса, который в большой степени сейчас определяет развитие наших стран. То же самое организации. Вы можете быть очень успешной организацией, но эта организация должна опираться на объективно верифицируемые данные – datamining, алгоритмы машинного обучения и искусственного интеллекта. Вы должны прогнозировать, что будет происходить с рынками, что будет с ценами на сырье, вырастут они или упадут, как будет вести себя фондовый ранок и так далее.

 

Мои коллеги-ученые очень огорчаются, когда я привожу еще один аргумент. Наука сейчас в большой степени также находится под управлением искусственного интеллекта. Сейчас люди науки хотят думать, что исследованиями занимаются они, но найдите мне инженера или химика или специалиста по геномике, который не использует компьютерные модели, которые помогают анализировать все те данные, которые мы собираем по нынешним временам.

 

Сейчас наука выглядит как? Есть у нас ученый, он спрашивает компьютерный алгоритм или применяет этот алгоритм для того, чтобы посмотреть на гигабайты данных. Эти данные обрабатываются, ответы упрощаются, и потом эти ответы мы можем докладывать в наших научных статьях. Ну и на самом деле системы правосудия сейчас тоже основываются на алгоритмах. Знаете, было интересно узнать, что в США, и не только в США, в Израиле тоже очень много решений, когда речь идет о том, выпускать людей из тюрьмы или нет, помиловать их или нет – это все делается на основе алгоритма.

 

Да, есть судья, который молоточком бьет или как там это называется, но решения все чаще и чаще основываются на бумажке, на которой написаны результаты анализа данных за счет использования алгоритмов, и там написано, будет ли этот человек повторять преступления или нет.

 

Герман Греф: Немножко более подробно, как вы со своей технологией можете так точно предсказывать содержание поведения человека?

 

Микал Косински: Да, конечно. Моя технология не отличается сильно от других областей применения искусственного интеллекта, например, с точки зрения политики тоже. Я – психолог, который работает с вычислениями, чтобы понять людей, человеческое поведение и предсказать, как они будут себя вести в будущем, какие у них психологические характеристики на основе их цифровых следов, которые они оставляют в сети. Я, как психолог, у меня есть магические силы посмотреть на ваши данные и предсказать, что вы будете делать. Но, к сожалению, уже это не так, я такое больше не могу сделать. Компьютеры это делают. Например, компьютеры используются для того, чтобы предсказать будущее поведение или предугадать будущее заболевание.

 

Что я делаю? Я собираю данные о людях, ваши цифровые следы рассматриваю, потому что вы, когда используете цифровые продукты, сервис, например, смартфон, используете кредитную карту или Googleили в браузере историю беру – вот эти все следы я беру и загружаю их в алгоритм, который настроен на то, чтобы спрогнозировать, какое у вас в будущем будет поведение.

 

Что меня шокировало, знаете, как психолога меня это просто расстроило, потому что, знаете, я больше буду не нужен из-за своих же изобретений, потому что компьютерные алгоритмы становятся лучше, чем люди в предсказании нашего будущего поведения.

 

В одном исследовании мы доказали, что если вы своего мужа или жену спросите, как вы себя поведете в будущем, они не смогут также точно спрогнозировать и предсказать, как они себя поведут в будущем в отличие от алгоритма, который исследует совершенно базовые ваши следы. 200 лайков в Facebookмогут предсказать ваше поведение в будущем во всех областях жизни более точно, чем ваш собственный супруг или супруга. Последствия этих технологий сейчас видны во всех областях, в самых разных областях общества, и один такой наиболее интересный, наиболее влиятельную силу оказывают эти технологии – это политические системы, о которых вы как раз говорили.

 

Сейчас алгоритмы могут предсказывать поведение отдельного человека, могут диагностировать какие-то психологические характеристики, при этом не нужно встречаться с человеком лицом к лицу, и при этом они делают это точнее, алгоритмы делают это точнее, чем ваши родственники. Это, конечно, дает вам огромное преимущество, когда вы пытаетесь с такими людьми общаться или что-то от них получить. Очень интересный инструмент, который сейчас используется политиками и маркетологами, которые пытаются повлиять на людей. Они пытаются сделать так, чтобы люди, например, за них голосовали или покупали их продукты. Что происходит? И маркетологи, и политики получили инструмент, и они знают вас лучше, и потому они могут использовать этот инструмент максимально эффективно, чтобы направить вам максимально таргетированное сообщение, такое, чтобы вы изменили свое мнение о них и проголосовали за них или купили их продукт. Вопрос: это хорошо для человечества, хорошо для нашего будущего общества? Это хорошо для нашей политической системы? Вопрос – и да, и нет, все зависит от того, как вы будете использовать эти технологии. Если вы политик, который хочет манипулировать людьми, который не хочет, чтобы они шли на выборы – то, конечно же, это плохие новости для демократии, для будущего справедливых политических систем и для общества. Если вы хотите при этом использовать эти технологии  для того, чтобы сделать сообщения этим пользователям, а, точнее, тем, кто будет за вас голосовать, более интересными и целенаправленными, чтобы они, наоборот, ходили на выборы – это будет, наоборот, позитивно влиять на общество и на демократию.

 

Греф: Спасибо, Микал. Вообще становится немножко не по себе, когда слушаешь вас, и, учитывая, что, так или иначе, мы все оставляем цифровые следы, а вы просто научились по простым лайкам, 100-200 лайков, нравится вам тот или иной ролик, та или иная статья, определить мое будущее поведение лучше, чем это сделают мои близкие родственники – это, конечно, новый мир. И встает вопрос вообще о свободе воли, насколько эта свобода воли есть у нас, насколько вы научились читать наше будущее поведение – это, конечно, большой вопрос.

 

Но мы этот вопрос еще оставим Татьяне Владимировне Черниговской, но прежде я бы хотел задать вопрос Николасу Лундбладту:

 

Греф: Николас, вы сказали очень интересную фразу, что реальная проблема человечества  - это следующее: «Мы имеем уровень эмоций из палеолита, мы имеем древние институты и мы имеем божественные технологии, и это гигантское противоречие, с которым мы столкнемся». Я бы сказал, что лучше, наверное, и не скажешь. Древние институты, максимально древняя эмоциональная система и совершенно немыслимые современные технологии. Что вы можете сказать, с какими сложностями мы больше всего столкнемся, учитывая вот эти противоречия, институты, наша эмоциональная сфера, самая несовершенная, и технологии?

 

Николас Лундблад: Большое спасибо за вопрос. Что мы в Google делаем? Изучаем напряжение между людьми, между древними институтами и очень мощными технологиями. Вы правильно сказали, что эти технологии зависят от того, как их используют. Использование технологий, вот тут мы можем получить реальную ценность. Я думаю, что основная проблема в обществе, которая охарактеризована вот этим напряжением между нашими биологическими людьми и нашими технологическими новыми возможностями, основная проблема – это учиться глубже понимать различные вещи.

 

Пракаш тоже об этом говорил, о складываемом микроскопе и любознательности. Вот это очень правильно. Когда мы смотрим на обучение и думаем о том, как мы можем активизировать обучение, призвать к обучению – тут очень интересная задача возникает. Нам учиться становится все сложнее, потому что мир, который нам нужно изучать, становится все более и более сложным. Посмотрите просто на то огромное количество информации, которое нас окружает. Более 400 часов видео на YouTube загружается каждую минуту, количество информации в год увеличивается в два раза. В два раза! И вот в этой среде нам нужно учиться.

 

Учиться – это эволюционное, это не то, что мы выбираем. Обучение – это то, как мы адаптируемся к новой среде, но динамика обучения ограничивает динамику изменений к лучшему, то есть те изменения, которые мы можем внести с точки зрения экономического роста, социальные улучшения, какие-то технологические улучшения и так далее.

 

Это ограничивается обучением. Обучение становится все сложнее и сложнее, потому что технологии становятся все более и более сложными. Как решить эту проблему? Я думаю, что это один из фундаментальных вопросов, которые нам нужно решить, и мы вот в этом вопросе как компания очень заинтересованы.

 

Есть несколько интересных ответов. Один ответ из 69-го года. В 69-м году лауреат Нобелевской премии Герберт Саймон, его спросили, задали вопрос, Brookings institute. 69-й год, прошу учесть. Не было никаких писем электронных, ну, может быть, из Стэнфорда туда-сюда пару писем. Ничего не было. Так вот, его спросили: «Вы знаете, слишком много информации в мире находится, мы не можем ею управлять, все, достаточно. Как нам бороться с перегрузкой информацией?»

 

Герберта Саймона пригласили в Brookings institute и попросили дать лекцию о перегрузке информацией. Он отказался. Он сказал, он написал научную статью, в которой говорил о богатстве информации, он говорил о том, что информации много, а не то, что её слишком много.

 

И ключевая часть этого анализа заключалась в следующем: мы сейчас находимся в очень тяжелой ситуации, у нас есть вся эта информация, вся эта сложность информации, но как нужно на это смотреть? Когда у нас есть богатство, мы можем создать что-то ещё, то есть основное в статье было что? Когда у нас есть богатство информации, это приводит к бедности внимания. И знаю сейчас не технологии, а сложности, мы можем по-другому немножко сказать.

 

Мы можем сказать: богатство сложности, которое сейчас есть в обществе, приводит к когнитивной бедности, к бедности мысли, потому что нам нужно думать о всей этой сложной системе и о том, что нам нужно учиться эффективно.

 

В 69-м году не только Саймон увидел это напряжение между богатством информации и бедностью внимания. Кстати, если подумать об этом, об этих двух элементах, там, собственно, вся Интернет индустрия, Google, Facebook, они посередине, они пытаются сократить разрыв между богатством информации и бедностью внимания.

 

Так вот, чтобы учиться эффективно, нам нужно разрабатывать искусственный интеллект.

 

Почему нам нужно инвестировать в искусственный интеллект и машинное обучение? Потому что это позволит нам эффективнее обучаться. Вот что он сказал.

 

Он говорит: "Технологии - это не все те вещи, которые вы делаете, у них потенциал другой: они позволяют вам за месяц научиться тому, что раньше бы вы выучили за год без технологий».

 

То есть динамика обучения и ускоренная динамика обучения – вот этот потенциал технологии. Это приводит меня к другой мысли. Я поговорил с Яном Маккарти, который, собственно, изобрёл искусственный интеллект и в 2006-м году, когда искусственному интеллекту исполнилось 50 лет, я встретился с ним Стэнфорде и сказал: "Знаете, очень здорово, что мы делаем с искусственным интеллектом, но люди боятся, что искусственный интеллект их заменит".

 

Он посмотрел на меня и сказал: "Знаете, нет. Замена не интересна, когда мы говорим об искусственном интеллекте. Единственное, почему мы говорим о подмене людей – это просто для того, чтобы деньги получить. Нам деньги платили, когда мы говорили, что мы людей заменим". Он говорил, что это был такой период, что искусственный интеллект был такой: "Мама, смотри, что я могу сделать!". Вот это была философия, понимаете?

 

А сейчас другая философия. Сейчас не замена, а когда искусственный интеллект помогает человеку, например, когда доктору нужно продиагностировать рак молочной железы, он это может продиагностировать не одного человека, а сто за один отрезок времени благодаря искусственному интеллекту. Или, например, если человек играет в шахматы друг с другом – это одно, а если человек играет с помощью искусственного интеллекта – то он может победить машину и человека. Игра в го. Посмотрите, искусственный интеллект уже выиграл.

 

Понимаете, речь идёт о том, чтобы человек работал вместе с технологиями, вместе с компьютером, и вот это позволит нам создать совершенно невероятные вещи. То есть нам нужно учиться более эффективно и для этого нам нужно разрабатывать искусственный интеллект и использовать вот это дополнение. Искусственный интеллект нужно использовать как дополнение, и вот это позволит получать конкурентные преимущества. Страна, которая лучше всего, быстрее всего и эффективнее всего будет обучаться, будет наиболее конкурентоспособной в будущем. Спасибо.


Герман Греф: Интересная фраза, которую сказал Николас – богатство информации и бедность внимания. Это действительно очень- очень важно, но выступил Микал и сказал: биологические системы не могут эволюционировать с такой же скоростью, как машины. Второе. Он говорит: «Вы думаете, я, профессор психологии Стэнфордского университета, так просто умею рассчитывать ваш психологический профиль и с точностью 90 % и выше предсказать ваше следующее поведение? Нет. Это не я, это делают придуманные мною алгоритмы в машине. Машина умеет это делать лучше, чем я. Я боюсь, что я сам буду не нужен, потому что машина это делает лучше, чем я.»

 

И вопрос, Татьяна Владимировна, к вам: после всех этих вещей, услышанных нами здесь сегодня… Николас говорит, надо развивать искусственный интеллект как помощник, но он может быть как помощником, так и противником. И, в конце концов, раз нас, людей, так просто просчитать, а мы сегодня все имеем огромное количество следов или наших аватаров, как их называют. Виртуальный аватар в виртуальной реальности, копия нас цифровых, и мы каждую секунду оставляем следы, мы используем речь, вот сейчас вся наша сессия записывается, мы жестикулируем, употребляем какие-то слова, и машина все больше и больше понимает нас и может предсказать наше поведение. Мы очень предсказуемы. Наша предсказуемость - не говорит ли о нашей неконкурентоспособности, что мы в конце концов проиграем эту конкурентность с машинами и станем просто не нужным элементом? И есть ли свобода воли?



Татьяна Черниговская: Герман Оскарович, какой вы доверчивый! Вам столько всего сказали, и вы прям вот так поверили. Этого ничего нет, я вас сейчас всех расстрою.

 

Во-первых, я хочу сказать, что мы не договаривались, мы не знали, кто и что будет говорить. Меня отчасти обрадовало, отчасти расстроило, что на этой клавиатуре общей, на которой мы играем, целый ряд клавиш, ровно тех, о которых я думала, уже нажаты. Но я попробую как-нибудь выкрутиться. Поскольку я и филолог, и биолог, то имею право кое-что из литературы. Из литературы я скажу вот что: у меня есть два любимых персонажа. Один – это кот Шрёдингера, но он не вполне из литературы, конечно, но всё-таки такой сказочный персонаж. Я думаю, что большинство помнит, что это герой мысленного эксперимента Шрёдингера, который сводился к тому, что кот то ли жив, то ли мёртв, в зависимости от того, смотрят на него или не смотрят.

 

Это очень важный пункт для всей той науки, которой я занимаюсь, потому что вообще, даже если не про ту науку, которой я занимаюсь, а вообще про науку, то ведь она устроена как: вот считается, что учёные - зрители, которые сидят в зале, а здесь находится мир, и вот они извне этого мира за ним наблюдают и всё описывают.

 

Это очень крупная ошибка, потому что зрители находятся там же, где и остальной мир, поэтому они от него зависят прямо. А это значит, что нет каких-то совсем жёстко объективных вещей, то есть они, конечно, есть, я не в идеализм всех тащу, но я хочу сказать, что одни и те же факты будут значить разные вещи в зависимости от того, в какой контекст они помещаются.

 

Переводя на русский язык, это значит, что они зависят от того, кто это смотрит. Алиса, мой второй любимый персонаж, она много чего наговорила. Она и все, кто с ней общались в Зазеркалье и в Стране чудес, не только, конечно, знаменитую вещь насчёт того, что если хочешь хотя бы на месте остаться, ты должен быстро двигаться, ну и масса других вещей. Она наговорила и из квантовой физики, до которой было ещё век примерно жить, и так далее.

 

И третье, кого я вспомню, потому что я увидела здесь вопрос, там было написано:

 

так всего много, как же это все запомнить? Мой ответ простой: не надо запоминать. Просто не надо запоминать, потому что то, что надо запоминать уже помнят компьютеры и суперкомпьютеры. Надо не запоминать, а понимать.

 

И в этой связи вспоминается сказка о Красной шапочке. Если помните, когда Красная шапочка приходит в ожидании увидеть бабушку, а видит там волка, она начинает её расспрашивать, почему она так странно выглядит? Говорит: «Бабушка, для чего тебе такие большие уши?» Бабушка отвечает: «Чтобы слышать тебя». Дурацкий ответ. «А зачем тебе глаза такие большие?» «Чтобы видеть тебя».

 

Так вот, это на тему искусственного интеллекта в его простых формах, а именно, мы сделаем уши, которые будут чудо как хороши, глаза, которые будут чудо, как хороши, нос, который будет распознавать все, вкус… Все это чудно, но уши, глаза, носы, кожа и вся сенсорная система – это не более чем окна и двери в мозг. Мы слушаем ушами, а слышим мозгом. Мы смотрим глазами, а видим мозгом. И так далее. Не хочу ваше время занимать.

 

Поэтому недаром сейчас огромные деньги в мире тратятся на программы, связанные с исследованием мозга. Это то, от чего мы прямо зависим. Мы прямо зависим от того, как соображает наш мозг. Не только для того, чтобы его имитировать в системах искусственного интеллекта. Это и так понятно, но история гораздо проще. Мы вообще должны знать, кто мы такие? Это вот то, о чем вы говорили – на себя-то посмотреть надо - мы кто?

 

С чего вы взяли, что вы решите с использованием больших данных, bigdata, что вы будете предсказывать моё поведение? Моё поведение не предсказывается ни Декартом, ни Аристотелем, ни Архимедом, никем из них. Оно может быть истерическим…

 

И это, кстати говоря, люди... Вот, например, Канеман, нобелевский лауреат по экономике, он психолог, который описывал, как принимаются решения.

 

Решение принимается просто так. А я вот так пойду и всё, не хочу потому что. Как вы собираетесь это предсказать?

 

Я не к тому, чтобы так особенно всех веселить. Я буду немножко залезать, если можно, в то, что уже было сказано. Илья сказал, что газель, нас опередит газель, или ещё даже хуже того, что нас сожрёт на завтрак прямо завтра, газель.

 

Нет, нас не газель сожрёт, нас сожрёт пантера, я вам объясню, почему. Это на тему Алисы.

 

Дело не в том, чтобы быстро бежать, потому что те, кого мы обгоняем, тоже бегут. Понимаете, если мы будем догонять Силиконовую долину или вообще Соединённые штаты, или вообще что угодно, то это безумный шаг. Догонять не нужно вообще, нужно побежать другой дорогой.

 

Поэтому я подумала, может быть, это не пантера, может быть, это какое-то другое животное, но из тех, кого я знаю, она очень быстро, перемещается, но она очень быстро меняет траекторию движения. То есть вот эта удивительная пластичность, с которой она заворачивает, а потом раз – и заворачивает в другую сторону так, что ни один искусственный интеллект не предскажет, куда она завернёт потом…

 

Так вот, наша дорога должна находиться, это совершенно не моя область, но как я её вижу, не в том, чтобы быстрее и быстрее бежать, повторяю, остальные не на печке лежат в это время, они тоже бегают, и они искусные бегуны.

Поэтому нужно искать другие ходы. Это именно то, что делает наш мозг, между прочим.

 

Я недавно стала думать, если б мне удалось до этого додуматься по-настоящему, то возможно это было бы открытие, но я думаю, что не выйдет.

 

Мозг, вероятно, делает ту работу, которую делают Шерлок Холмс и мисс Марпл, а именно: они смотрят, где такое бывает. Это не обязательно из этого - это, из этого - это. Если бы это было так, то тогда, действительно, любое поведение предсказуемо. А нет, я уже видел, что это бывает так. Или я видел совсем другую вещь.

 

И тут я подбираюсь вот к чему. Вот та область, в которой я работаю, называется когнитивная наука, и она конвергентная, мультидисциплинарная, и она включает в себя всех, кто здесь сидит плюс ещё кое-кого, а именно: она включает в себя психологию, лингвистику, нейронауки, искусственный интеллект и, разумеется, философию.

 

Философия нам нужна не для красоты, не для того, что приличный человек должен знать, кто такой Декарт, не для этого. Для того, чтобы хороший философ правильно мыслил, он правильно ставит вопросы. Бесполезно иметь какую угодно дорогую аппаратуру, то есть её очень важно иметь, и на этом вся наука стоит, но если нет того мозга, который понимает, как задать вопрос, и того мозга, который понимает, что делать с этой гигантской кучей данных, которую мы получаем каждую секунду, вот если нет этого мозга, то всё остальное бесполезно.

 

Это я вам клянусь, потому что я с этим каждый божий день сталкиваюсь. Американская гигантская программа Brain – это аббревиатура, кстати, азиатские программы, европейские программы включают в себя лучшие университеты и лучших интеллектуалов из разных областей, кстати, не только из нейронаук, которые занимаются мозгом. И почему никто в этом зале не говорит, никто ни цента не даст просто так. Зачем такие гигантские деньги, как федеральные, так и частные? Зачем?

 

Потому что все понимают, если нам удастся разгадать хоть как-то, хоть в каких-то дозах, я уверяю вас, что на 100 % мы этого никогда не сделаем, но если хоть как-то удастся понять, что здесь (в голове) происходит - это изменит всю нашу цивилизацию, это изменит экономику, коммуникацию, это изменит образование, это изменит всё, поэтому игра стоит свеч.

 

Мы зависим от мозга, как мозг мне покажет, таков мир и есть. Вот в чем неприятность, поэтому я должна ему доверять, а если он лжёт? Я имею в виду, например, что у него, у этого мозга, шизофрения, и я не шучу. Это серьезно. Я работала в психиатрии, я не врач, естественно, я никого не лечила, но я знаю, что для человека, у которого галлюцинации, они являются такой же реальностью, если не большей, как для нас реальный мир. Поэтому студентов я пугаю вопросом, а почему вы считаете, что все это есть? Я не буду продолжать, тяжелая тема…

 

Всё-таки, поэтому я думаю, что не газель, а пантера, это раз, и чрезвычайная роль образования. Я понимаю, как банально это звучит, потому что об этом говорят все всё время, но тем не менее. Сегодня, кстати, я вспомнила, пока в машине ехала, там было сказано, что День защиты детей. Я забыла.

 

Мы какой мир детям подсунули? Вы посмотрите, где мы оказались. Мы все время говорим, что мир изменится. Мир уже изменился. Точка. Мы живём в мире, который кардинально отличается от того мира, который был даже 10 лет назад. Я бы даже сказала, даже пять.

 

То есть мы уже в другом мире. Этот мир, во-первых, как у Алисы, помните, там лавка такая у Алисы была, она какие-то вещи хотела себе купить, и она ищет вещи, на что она ни посмотрит - те вещи тут же перемещаются. Куда ни посмотрит – она не только взять её не может, а даже увидеть её не может. Эта вещь все время меняет место.

 

Таких шедевров в Алисе, если кто давно не читал эту книгу, я очень советую, там полно.

 

Это тот мир, в котором мы оказались, он, во-первых, меняется все время, не на тему газелей, а на тему того, что он быстро эволюционирует, а он все время разный. Он разный в зависимости от того, с какого боку ты на него посмотришь, какая у тебя идеология, какая у тебя научная или жизненная позиция и ещё тысяча факторов. То есть он не одинаковый. Это раз.

 

Он прозрачный, о чем уже сегодня был разговор, все про каждого из нас всем известно. Это неприятно. Ещё одна вещь. Сменились, и тут требуется философ, и я даже не знаю, справимся ли мы с этим вообще, личность все ещё есть? Личность есть? Граждане, с которыми вы коммуницируете, про соцсети я вообще даже слышать не хочу, но даже если просто письмо вам приходит, вы уверены, что это человек? Вы уверены, что это тот самый человек? Вы уверены, что это один человек, а не двести, то есть размыты границы личности, в том числе нашей с вами. Вот меня интересует, я где заканчиваюсь? Мои статьи висят Бог знает где, в облаках куча моих данных, в известных облаках, там масса функций, которые раньше у меня в голове были, теперь у меня в ноутбуке, в планшете, в телефоне и так далее, есть даже термин spread cognition, или distributed mind, то есть распределённой мозг. Как у муравьев, что ли? Вы понимаете, оно разъехалось, этот мир постоянно меняется, более того, мы попали в ситуацию,

 

я новый термин для себя увидела, мир стал нечеловекомерен.

 

Я такого слово никогда не слышала, но вдумайтесь в него. Скорости, с которыми действуют устройства, которые, похоже, чуть ли не миром, как нам было сказано, уже управляют, действуют со скоростями, в которых люди не живут. Это наноскорости.

 

Размеры, в которых происходит современная высокого ранга цивилизация - это размеры, в которых люди не живут, это наноразмеры. Мы попали в мир, с которым мы не знаем, что делать. И в небанальным смысле, что все больше и больше информации, это банально смысл тоже есть.

Я, кстати, своих коллег по университету этим пугаю. Мы не можем детей держать в школе 16 лет, всякому понятно, но мы не можем остановиться на Ньютоне, делая вид, что после Ньютона ничего не произошло.

 

Словно говоря, Ньютон. Понимаете? Пока мы разговариваем, штук 30 статей вышло в любой из областей, которые я назвала. Я никогда их не прочту. Что мне с этим делать?

 

Поэтому мы должны что-то такое придумать с образованием, что будет отличаться от всего, чем мы до сих пор занимались. Возможно, нужно детей учить метанавыкам, как учиться, как держать свое внимание, как держать память, справляться с информационными потоками, как не тронуться умом от всего этого. Да, мы попали в серьезную ситуацию.

 

Я вижу один из выходов в том, чем крупные компании, и Сбербанк в том числе, сейчас занимаются. Я вот думаю, почему они приглашают на свои заседания искусствоведов, музыкантов, актёров? Но не для общего же банального просто образования? Хорошо, конечно, чтобы человек знал, кто такой Вивальди, ведь дело не в этом.

 

Но дело в том, что люди искусства владеют другим типом мыслительной деятельности, они делают другие ходы. Это не ходы алгоритмов, это другой ход.

 

Нам очень трудно его подсмотреть, потому что это никогда не эксплицировано. Оно эксплицировано уже в произведении искусства, а что он делал, пока он это делал, мы не знаем. Но мне кажется, что дорога в эту сторону. Поэтому я нам всем желаю мужества справиться с этой ситуацией, а также вспомнить ещё одно полезное произведение, а это именно все мы читали в детстве "Принц и нищий".

 

Помните, они там менялись местами, и к нищему, который оказался на позиции принца, попала королевская печать. Он не знал, что это такое, не знал, что с ней делать, поэтому он ею колол орехи. Хорошее дело – колоть орехи, но она предназначена для другого. Так вот, наш мозг предназначен не для того, чтобы этим мозгом отбивать мячи, что тоже неплохое занятие, а для того, чтобы делать то, ради чего мы созданы. Мы такие уникальные на этой планете. Другие не хуже, кстати, но мы точно сильнее и быстрее. Пока.



Герман Греф: Татьяна Владимировна, спасибо большое. Судя по реакции аудитории, грех было вас перебивать, я бы тоже слушал ещё. Коллеги, мы перебираем по времени, может быть, короткая реакция спикеров, потом голосование и конец. Илья, пожалуйста.



Илья Стребулаев: Спасибо большое. У меня будет очень короткая реакция. Скушает вас на завтрак нежная газель или сожрёт вас на завтрак дикая пантера – от вас останутся в любом случае рожки да ножки, сухой остаток тот же. Но интересно, что я выбрал слово газель не случайно, потому что между газелью и пантерой есть очень большая разница. Пантера достигает необычайно большой скорости, на самом деле, бежит быстрее, чем газель, именно поэтому пантера может съесть газель. Больше 100 км час. Но пантера бегает очень недолго. Если она газель в течение 30 секунд не поймала, то она потом целый день отдыхает.



Татьяна Черниговская: А нам много не надо.



Герман Греф: Нам надо быстро!



Илья Стребулаев: А газели могут бегать очень быстро, но главное очень долго. А это очень важно для выживания.



Герман Греф: Спасибо большое, Илья. Микал, прокомментируете что-нибудь?



Микал Косински: Спасибо за очень интересное обсуждение. Я просто хочу добавить немножко. Я согласен в основном с тем, что вы сказали, я рад, что мы это обсуждаем, но одну вещь хочу сказать. Если вам нужно что-то просто потому что, или вы не сделали что-то просто потому, что вы решили, что это вам не нужно, это не значит, что нет основополагающей причины для этого, и что эту причину не сможет понять компьютер.

 

Я хочу сказать, что если мы, люди, не можем что-то понять, не означает, что искусственный интеллект не сможет этого понять в будущем. Пример. Голубь, который пойдёт в университет, будет учёным голубем, но при этом он никогда не сможет понять мозг человека и поведение человека, но тоже самое и с нами. Так много понятий везде вокруг нас, которые мы не сможем понять, наш человеческий мозг не сможет понять, но это не означает, что никто не сможет это понять, потому что мы, люди, можем создать инструменты, например, искусственный интеллект, который сможет понять эти сложные вещи, которые сейчас нам недоступны. Конечно, это будет серьезная проблема для нас, потому что мозгу, который работает на искусственном интеллекте объяснить всё это, нам, голубям, которые не смогут это понять. 



Татьяна Черниговская: Одну минуту, отвечу только. Когда несколько месяцев назад компьютер обыграл чемпиона по игре в го, то все в ужасе, естественно, были, потому что это уже совсем наступление на нашу территорию, а потом началось вот что: игроки в го, разбирая, как играл компьютер, приходили в восторг от невероятно красивых ходов, которые делал компьютер и которые людям никогда в голову не приходили. Это я подлизываюсь к вам.



Герман Греф: Николас, несколько слов.



Николас Лунблад: Я хочу сказать о том, что нам помог узнать искусственный интеллект. Компьютеры плохо задают вопросы. Мы хорошо задаем вопросы. Нам нужно продолжать задавать эти вопросы, потому что именно в этом мы лучше. Люди лучше в задавании вопросов.



Герман Греф: Огромное спасибо всем нашим спикерам. Надеюсь, что вам было не скучно, но мы сейчас это выясним. Прошу поставить голосование, коллеги, с тем, чтобы нам понять, насколько мы эффективно провели время. Итак, коллеги, можно нажать на одну из пяти кнопок, которые соответствуют одной из пяти тем, которые вас наиболее заинтересовали при обсуждении сегодня. Итак, поставьте режим голосования.
Вау, мы очень боимся роботов!
Так, и поставьте второе голосование, коллеги. И так, коллеги, прошу по пятибалльной шкале оценить, насколько вы видите, что вам понравилось, и самое главное, полезно было в сегодняшней дискуссии. Можно, не стесняться, жать на единицу. Включите режим голосования, коллеги.



Микал Касински: Голосуйте за своих соседей, знаете, как в настоящем парламенте это обычно происходит. 



Герман Греф: Единственное, что можно сказать, что в аудитории собралась очень интеллигентная публика. Но, если честно, то я себя чувствую не очень комфортно с таким количеством очень умных людей, и хотелось немножко, может быть, позаимствовать чьего-то там искусственного интеллекта. Я хотел бы, коллеги, закончить нашу панель, наверное, двумя тезисами.. Во-первых, все будет хорошо. Мне очень нравится цитата из Пауло Коэльо, который сказал, что все в конце концов будет хорошо. И если что-то плохо, то это значит, что это ещё не конец. И второе. Мы проигрываем, нам сегодня объяснили, что мы проигрываем тотально искусственному интеллекту. Я вспомнил великолепную книгу «Human» GazzanigaMichaelS., которая сейчас пользуются большой популярностью, где он пишет, что каждый из нас тотально проигрывает нашим предкам, обезьянам. Обезьяны быстрее, обезьяны сильнее, они выигрывают у нас схватки. Мы, единственное, чем сильнее пока и искусственного интеллекта, и обезьян – нашей способностью объединяться и коммуницировать, когда нас много, нас не может победить ни одна обезьянья стая, никакой искусственный интеллект.

 

Давайте будем вместе, давайте будем трудиться вместе, давайте будем коллаборировать друг другом, уважать друг друга и двигать вперёд нашу жизнь, жизнь наших стран. Делать богаче жизнь простых людей, делать интереснее жизнь наших детей и стараться быть каждый день все лучше и лучше. Вместе.

 

Спасибо вам за внимание.