Крауд-перевод книги “Мир после капитала” Альберта Венгера. Продолжение

Крауд-перевод книги “Мир после капитала” Альберта Венгера. Продолжение

Этот перевод делает сообщество энтузиастов совершенно бесплатно. Автор знает об этой инициативе. Перевод распространяется по лицензии Creative Commons BY-NC-SA 4.0 как и оригинал книги. Так как Альберт продолжает обновлять и дополнять книгу, рядом с каждой частью мы даём ссылку на исходную главу, имя автора перевода и дату, чтобы точно знать, чей перевод и какой версии мы читаем. 

В этой статье публикуем перевод второй части предисловия.

Цифровая технология

Источник: https://worldaftercapital.gitbook.io/worldaftercapital/digital
Перевод: Андрей Дунаев, 13 сентября 2020

Миллиарды людей во всем мире носят с собой смартфоны, мощные компьютеры, подключенные к глобальной сети (Интернету). Мы часто проводим с этими устройствами много часов в день, играя в игры или выполняя работу. И все же, несмотря на повсеместное распространение цифровых технологий, людям часто трудно понять, что именно делает их такими мощными.

Есть даже те, кто высмеивает цифровые технологии, указывая на такие сервисы, как Twitter, и утверждая, что они несущественны по сравнению, скажем, с изобретением вакцин. Однако становится все труднее игнорировать революционность цифровых технологий. Например, в то время как многие ранее хорошо зарекомендовавшие себя предприятия, в том числе газеты и магазины розничной торговли, испытывают трудности, компании, занимающиеся цифровыми технологиями, такие как Facebook, Apple, Amazon, Netflix и Google, сейчас входят в число наиболее ценных в мире [Fortune, 2017: Amazon and the Race to Be the First $1 Trillion Company].

Оказывается, цифровые технологии обладают двумя уникальными характеристиками, которые объясняют, почему они резко расширяют «пространство возможного» для человечества, выходя далеко за рамки всего, что было возможно ранее. Это «нулевые предельные затраты» и «универсальность вычислений».


Нулевые предельные затраты

Перевод: Андрей Дунаев, 13 сентября 2020

Как только информация существует в Интернете, к ней можно получить доступ из любой точки сети без каких-либо дополнительных затрат. И по мере того, как все больше и больше людей во всем мире подключаются к Интернету, «где угодно в сети» все чаще становится означать «где угодно в мире». Серверы уже работают, как и сетевые подключения и устройства конечных пользователей. Таким образом, создание одной дополнительной цифровой копии информации и ее доставка по сети ничего не стоит. Говоря языком экономики, «предельная стоимость» цифровой копии равна нулю. Это не означает, что люди не будут пытаться взимать с вас плату за эту информацию — во многих случаях они это сделают. Нулевая предельная стоимость — это заявление, которое относится скорее к стоимости, чем к ценам.

Нулевая предельная стоимость радикально отличается от всего, что было до нее в аналоговом мире, и делает возможными некоторые удивительные вещи. Чтобы проиллюстрировать это, представьте, что у вас есть пиццерия. Вы платите арендную плату за свой магазин и оборудование, а также платите зарплату своему персоналу и себе. Это так называемые «фиксированные расходы», и они не меняются в зависимости от количества выпекаемых пицц. «Переменная стоимость», с другой стороны, зависит от количества пиццы, которую вы готовите. Для пиццерии это будет включать в себя стоимость воды, муки, любых других ингредиентов, которые вы используете, и энергии, необходимой для нагрева духовки. Если вы сделаете больше пиццы, ваши переменные затраты возрастут, а если вы сделаете меньше, они уменьшатся.

Итак, что же такое предельные затраты? Что ж, допустим, вы делаете сто пицц каждый день; предельные затраты — это дополнительные затраты на приготовление еще одной пиццы. Если предположить, что духовка уже горячая и в ней есть место, то стоимость ингредиентов, вероятно, относительно невысока. Если бы духовка уже остыла, то предельные затраты на дополнительную пиццу включали бы затраты энергии, необходимые для разогрева духовки, и могли бы быть довольно высокими.

С точки зрения бизнеса, вы хотели бы сделать эту дополнительную пиццу, если вы можете продать ее по цене, превышающей ее предельную стоимость. Если бы вы уже покрыли фиксированные затраты на предыдущую пиццу, каждый цент сверх предельной стоимости дополнительной пиццы был бы прибылью. Предельная стоимость также имеет значение с социальной точки зрения. Пока покупатель готов платить за эту пиццу больше, чем предельная стоимость, все выигрывают — вы получаете дополнительный вклад в ваши фиксированные затраты или прибыль, а ваш покупатель может съесть пиццу, которую он хотел.

Давайте посмотрим, что происходит, когда предельные затраты падают с высокого уровня. Представьте, что вашим ключевым ингредиентом был чрезвычайно дорогой трюфель, а это означало, что предельная стоимость каждой из ваших пицц составляет 1000 долларов. Очевидно, что вы не будете продавать много пиццы, поэтому вы можете решить переключиться на более дешевые ингредиенты и снизить предельные затраты до такой степени, что большее количество клиентов будут готовы платить больше, чем ваши предельные затраты, так что ваши продажи увеличатся. И если вы еще больше снизите предельные затраты за счет дополнительных улучшений процессов и продуктов, вы начнете продавать еще больше пиццы.

А теперь представьте, что с помощью нового волшебного изобретения вы можете приготовить дополнительные пиццы с почти нулевыми предельными затратами (скажем, один цент за дополнительную пиццу) и мгновенно отправить их в любую точку мира. Тогда вы сможете продать чрезвычайно большое количество пиццы. Если бы вы брали всего два цента за пиццу, вы получали бы один цент прибыли с каждой проданной дополнительной пиццы. При такой низкой предельной стоимости вы, вероятно, будете монополистом на мировом рынке пиццы (подробнее об этом позже). Любой в мире, кто голоден и может позволить себе хотя бы один цент, захочет одну из ваших пицц. Лучшая цена на вашу пиццу с социальной точки зрения — один цент (ваши предельные издержки) — голодные будут накормлены, а вы покроете свои предельные затраты.

Именно здесь мы сейчас находимся с цифровыми технологиями. Мы можем кормить мир информацией, и этот дополнительный просмотр видео на YouTube, дополнительный доступ к Википедии или дополнительный отчет об автомобильных пробках от Waze имеют нулевую предельную стоимость. Мы должны ожидать, что определенные цифровые операции станут огромными и охватят весь земной шар почти монополиями, что мы и наблюдаем с такими компаниями, как Google и Facebook. Но — и это очень важно для идеи века знаний — это также означает, что с социальной точки зрения цена предельного использования должна быть нулевой.

Зачем мешать кому-либо получить доступ к YouTube, Википедии или Waze, не разрешая им доступ к системе или взимая плату, которую они не могут себе позволить? Если предельные издержки равны нулю, любой конкретный человек может получить выгоду, превышающую предельные издержки. Лучше всего то, что они могут использовать полученные знания для создания чего-то, что, в свою очередь, может доставить миру необычайное удовольствие или научный прорыв.

Мы не привыкли к нулевым предельным издержкам; большая часть экономики предполагает ненулевые предельные издержки. Вы можете представить себе нулевые предельные издержки как экономическую особенность, подобную делению на ноль в математике — по мере приближения к нему начинают происходить странные вещи. Мы уже наблюдаем цифровые почти монополии и степенное распределение доходов и богатства, где небольшие вариации приводят к очень разным результатам. Более того, сейчас мы быстро приближаемся к этой особенности нулевых предельных затрат во многих других отраслях, включая финансы и образование. Первая характеристика цифровых технологий заключается в том, что они расширяют пространство возможного. Это может привести к цифровым монополиям, но также может предоставить всему человечеству доступ к мировым знаниям.


Универсальность вычислений

Перевод: Андрей Дунаев, 13 сентября 2020

Нулевая предельная стоимость — это только одно свойство цифровых технологий, которое резко расширяет пространство возможного; второе в некотором смысле даже более удивительно.

Компьютеры — универсальные машины. Я использую этот термин в довольно точном смысле; все, что можно вычислить во Вселенной, можно вычислить с помощью той машины, которая у нас уже есть, при наличии достаточного количества памяти и времени. Мы знаем это со времен новаторской работы Алана Тьюринга по вычислениям. Он изобрел абстрактный компьютер, который мы теперь называем машиной Тьюринга [University of Cambridge, 2012: What is a Turing machine?], прежде чем придумал доказательство, показывающее, что эта простая машина может вычислить что угодно [Wikipedia, 2017: Church–Turing thesis].

Под «вычислением» я имею в виду любой процесс, который принимает информационные входы, выполняет ряд этапов обработки и производит выходные данные. Это — к лучшему или худшему — то, что делает человеческий мозг; он получает входные данные по нервам, выполняет некоторую внутреннюю обработку и производит выходные данные. В принципе, цифровая машина может делать все, что делает человеческий мозг.

«Принципиальное» ограничение окажется значительным только в том случае, если квантовые эффекты имеют значение для функционирования мозга, то есть эффекты, требующие квантовых явлений, таких как запутанность. Это горячо обсуждаемая тема [Jedlicka, Peter, 2017: Revisiting the Quantum Brain Hypothesis: Toward Quantum (Neuro)biology?]. Квантовые эффекты не меняют того, что может быть вычислено как таковое, потому что даже машина Тьюринга может теоретически моделировать квантовый эффект, но для этого потребуется непрактично долгое время — потенциально миллионы лет [Timpson, Christopher G., 2004: Quantum Computers: the Church-Turing Hypothesis Versus the Turing Principle]. Если квантовые эффекты важны для мозга, нам может потребоваться дальнейший прогресс в квантовых вычислениях, чтобы воспроизвести некоторые возможности мозга. Однако я считаю, что квантовые эффекты вряд ли будут иметь значение для большинства вычислений, выполняемых человеческим мозгом, то есть если они вообще имеют значение. Конечно, однажды мы можем открыть для себя что-то новое о физической реальности, что изменит наше представление о том, что можно вычислить, но пока этого не произошло.

Долгое время это свойство универсальности не имело большого значения, потому что компьютеры были довольно глупыми по сравнению с людьми. Это расстраивало компьютерных ученых, которые со времен Тьюринга считали, что можно построить интеллектуальную машину, но долгое время не могли заставить ее работать. Даже то, что люди находят действительно простым, например, распознавание лиц, ставило компьютеры в тупик. Однако теперь у нас есть компьютеры, которые могут распознавать лица, и их производительность быстро улучшается.

Здесь можно провести аналогию с открытием человеком полета тел тяжелее воздуха. Мы давно знали, что это должно быть возможно — в конце концов, птицы тяжелее воздуха и они могут летать — но только в 1903 году, когда братья Райт построили первый успешный самолет, мы поняли, как это сделать [Wikipedia, 2017: Wright Brothers]. Как только они и несколько других людей поняли это, прогресс стал быстрым — мы перешли от незнания, как летать, к пересечению Атлантики на пассажирских реактивных самолетах за пятьдесят пять лет (первый трансатлантический пассажирский рейс на реактивных самолетах British Overseas Airways Corporation был совершен в 1958 году [Wikipedia, 2017: British Overseas Airways Corporation]). Если вы изобразите это на графике, вы увидите прекрасный пример нелинейности. У нас не получалось постепенно совершенствоваться в полете — мы не могли этого делать вообще, а потом внезапно мы могли делать это очень хорошо.


Цифровые технологии похожи; серия прорывов привела нас от практически полного отсутствия машинного интеллекта к ситуации, когда машины могут превосходить людей по многим различным задачам, включая чтение почерка и распознавание лиц [MIT Technology Review, 2015: Teaching Machines to Understand Us]. Скорость прогресса машин в обучении вождению автомобилей — еще один прекрасный пример нелинейности улучшений. Агентство перспективных исследовательских проектов Министерства обороны США (DARPA) провело свой первый так называемый «Большой Вызов» для беспилотных автомобилей в 2004 году. В то время они выбрали закрытый курс длиной 150 миль в пустыне Мохаве, и ни одна машина не продвинулась дальше семи миль (менее 5% дистанции) до застревания. К 2012 году, менее чем через десять лет, беспилотные автомобили Google проехали более 300 000 миль по дорогам общего пользования с другими автомобилями [Google, 2012: The self-driving car logs more miles on new wheels].

Некоторые люди могут возразить, что чтение почерка, распознавание лиц или вождение автомобиля — это не то, что мы подразумеваем под «интеллектом», но это просто указывает на то, что у нас нет хорошего определения этого понятия. В конце концов, если бы у вас была домашняя собака, которая могла бы выполнять любую из этих задач, не говоря уже о всех трех, вы бы назвали ее «умной» собакой.

Другие отмечают также, что люди обладают творческими способностями, и что машины не будут творческими, даже если мы наделим их некоторой формой интеллекта. Однако это равносильно утверждению, что творчество — это нечто иное, чем вычисления. Это слово подразумевает «что-то из ничего» и результаты без входов, но это не природа человеческого творчества. В конце концов, музыканты создают новую музыку после того, как слушают много музыки, инженеры создают новые машины, увидев существующие, и так далее. Сейчас есть свидетельства того, что по крайней мере некоторые виды творчества можно воссоздать просто с помощью вычислений.

Google недавно совершил прорыв в области машинного интеллекта, когда их программа AlphaGo обыграла южнокорейского гроссмейстера го Ли Седоля со счетом четыре игры против одной [The Guardian, 2016: AlphaGo seals 4-1 victory over Go grandmaster Lee Sedol]. До этого момента развитие игрового программного обеспечения было сравнительно медленным, и лучшие программы не могли победить сильных клубных игроков, не говоря уже о гроссмейстерах. Количество возможных вариантов игры в го чрезвычайно велико, намного превосходит шахматы. Это означает, что поиск возможных и встречных ходов из текущей позиции, который исторически использовался шахматными компьютерами, нельзя использовать в го — вместо этого необходимо предполагать ходы-кандидаты. Иными словами, игра в го требует творчества.

Подход, используемый для программы AlphaGo, начался с обучения нейронной сети играм, в которые раньше играли люди. Когда нейронная сеть стала достаточно хорошей, ее можно было улучшить, играя против самой себя. Уже достигнут прогресс в применении этих и связанных с ними методов, которые часто называют «генеративными состязательными сетями» (‘generative adversarial networks’, GAN), для сочинения музыки и создания дизайна. Что еще более удивительно, было показано, что машины могут научиться творчеству не только путем изучения предшествующих человеческих игр или проектов, но и путем создания своих собственных, основанных на правилах. Более новая версия AlphaGo под названием AlphaZero начинает со знания правил игры и учится, играя в игры против себя [Hassabis, Demis; Silver, David, 2017: AlphaGo Zero: Learning from scratch]. Такой подход позволит машинам проявить творческий подход в областях, где прогресс человечества ограничен или отсутствует.

Универсальность при нулевой предельной стоимости


Перевод: Андрей Дунаев, 13 сентября 2020

Несмотря на то, что нулевая предельная стоимость и универсальность впечатляют сами по себе, в сочетании они поистине волшебны. Возьмем один пример: мы добились значительных успехов в разработке компьютерной программы, которая сможет диагностировать заболевание по симптомам пациента в несколько этапов, включая заказ тестов и интерпретацию их результатов [MIT Technology Review, 2016: The Artificially Intelligent Doctor Will Hear You Now]. Хотя мы могли ожидать этого, исходя из принципа универсальности, мы добиваемся ощутимого прогресса и должны добиться этого в течение десятилетий, если не раньше. Как только мы сможем это сделать, мы сможем, благодаря нулевым предельным затратам, предоставить недорогую диагностику любому человеку в мире. Мы должны позволить этому осознанию приходить постепенно, чтобы понять его значение: бесплатная медицинская диагностика для всех людей скоро окажется в «пространстве возможного».

Универсальность вычислений с нулевыми предельными затратами не похожа ни на что из того, что мы имели с предыдущими технологиями. Возможность сделать всю мировую информацию и знания доступными для всего человечества была невозможна раньше, как и интеллектуальные машины. Теперь у нас есть и то, и другое. Это представляет собой столь же драматическое и нелинейное увеличение «пространства возможного» для человечества, как раньше делали сельское хозяйство и промышленность, и каждое из этих событий открыло совершенно другую эпоху. Мы сможем лучше понять, что это означает для текущего перехода и следующей эпохи, если мы сначала заложим некоторые основы.


Предыдущую часть вы можете прочитать тут: https://macs.school/blog/world-after-capital-part1/

Подпишитесь на статьи от Школы M-A-C-S

Неправильный формат