Мы хотим задавать правильные вопросы. Как работают инструменты? Кто их финансирует и создает, как они используются? Кого делают богаче, а кого беднее? Какие варианты будущего делают возможными, а какие исключают? Мы не ищем ответов. Мы ищем логику[540].
Мы живем в век цифровых данных, и в этот век математика стала политическим парламентом. Социальный закон сплелся с моделями, теоремами и алгоритмами. Вооруженная цифровыми данными математика стала доминирующим средством для координации человеческих действий и технологий… В конечном счете, математика – деятельность людей. Как и любая человеческая деятельность, она несет в себе потенциал как освобождения, так и угнетения[541].
Такую же важность, как строение останков костей имеет для изучения организации исчезнувших животных видов, останки средств труда имеют для изучения исчезнувших общественно-экономических формаций. Экономические эпохи различаются не тем, что производится, а тем, как производится, какими средствами труда. Средства труда не только мерило развития человеческой рабочей силы, по и показатель тех общественных отношений, при которых совершается труд[542].
В будущем настанет день, когда нынешний ИИ будет считаться архаизмом, технической окаменелостью, которую следует изучать вместе с другими окаменелостями. В приведенной цитате из «Капитала» Маркс предложил аналогию, перекликающуюся с современными исследованиями в области науки и технологий. Как ископаемые кости раскрывают природу древних видов и экосистем, в которых те жили, так технические артефакты раскрывают форму общества, которое их использовало. Аналогия уместна, думаю, для всех машин, а также для машинного обучения, чьи абстрактные модели в действительности кодируют совокупность социальных отношений и коллективного поведения, – именно это я и стремился показать, переформулируя трудовую теорию автоматизации XIX века для эпохи ИИ.
Эта книга началась с простого вопроса: как соотносятся труд, правила и автоматизация, то есть изобретение новых технологий? Чтобы ответить на него, я рассказал о практиках, машинах и алгоритмах с разных позиций – с точки зрения «конкретного» производственного измерения и «абстрактного» измерения таких дисциплин, как математика и информатика. Задача, однако, заключалась не в том, чтобы воспроизвести разделение на конкретное и абстрактное, а в том, чтобы увидеть их совместную эволюцию на протяжении истории – другими словами, исследовать труд, правила и автоматизацию диалектически, в качестве материальных абстракций. В главе 1 этот аспект подчеркивается через демонстрацию того, как древние ритуалы, счетные орудия и «социальные алгоритмы» способствовали созданию математических идей. Утверждать, что труд представляет собой логическую деятельность (см. вступление), не означает подчиниться мышлению промышленных машин и корпоративных алгоритмов. На самом деле, это признание того, что человеческая практика выражает собственную логику (антилогику, как сказали бы некоторые) – силу спекулятивного мышления и изобретательства – еще до того, как технонаука успевает ее захватить и отчуждить[543].
Тезис, что труд должен сам по себе стать «механическим», прежде чем его возьмут на себя машины, – это старый фундаментальный принцип, который оказался забыт. Как показано в первой части книги, он восходит, по крайней мере, к высказыванию Адама Смита в «Исследовании о природе и причинах богатства народов» (1776), которое Гегель комментировал уже в «Йенской реальной философии» (1805–1806). Таким образом, понятие абстрактного труда как труда, дающего форму машинам, было позаимствовано Гегелем из британской политической экономии еще до того, как Маркс выдвинул собственную радикальную критику этой концепции. Однако последовательно систематизировать идеи Адама Смита в виде трудовой теории автоматизации выпало Чарльзу Бэббиджу (см. главу 2), который дополнил эту теорию принципом расчета труда. Известный с тех пор как «принцип Бэббиджа», он показывает, что разделение труда позволяет точно рассчитать затраты на оплату. Первую часть этой книги можно считать толкованием двух принципов анализа труда и их влияния на общую историю политической экономии, автоматизированных вычислений и машинного интеллекта. Марксова теория автоматизации и относительного извлечения прибавочной стоимости имеет общие постулаты с первыми проектами машинного интеллекта, как бы анахронично это, возможно, ни звучало.
Маркс перевернул индустриалистскую перспективу («хозяйский глаз»), присущую принципам Бэббиджа. В «Капитале» утверждалось, что общественные отношения производства (разделение труда в системе оплаты труда) становятся движущей силой развития средств производства (инструментальные станки, паровые двигатели и т. д.), а не наоборот, как гласили техно-детерминистские толкования, помещающие в центр промышленной революции технологические инновации. Маркс не только рассматривал трудовую кооперацию как принцип, объясняющий устройство машин, но и использовал ее для обоснования политической центральности того, что назвал Gesamtarbeiter. Фигура совокупного рабочего позволяет признать машинное измерение живого труда и противостоять «огромному автомату» промышленной фабрики на той же шкале сложности. Также это представляет собой политически обоснованную альтернативу амбивалентной идеи всеобщего интеллекта, которую развивали социалисты-рикардианцы, в частности Уильям Томпсон и Томас Годскин (см. главу 4).
От сборочных линий к распознаванию образов
Я представил развернутую историю разделения труда и его метрик в качестве способа выявить действующий принцип искусственного интеллекта в долгосрочной перспективе. По мере того, как разделение труда в начале XIX века все шире распространялось в глобализованном мире, управлять становилось труднее. Требовались новые методы коммуникации, контроля и «интеллекта». Управление трудом в стенах мануфактуры еще получалось представить в виде простой блок-схемы и измерить по часам, но визуализировать и количественно определить то, что Эмиль Дюркгейм еще в 1893 году назвал «разделением общественного труда», оказалось очень сложно[544]. «Разумности» фабричного хозяина уже не хватало, чтобы уследить за всем производственным процессом; теперь надзор и количественную оценку могла взять на себя только коммуникационная инфраструктура. Новые средства массовой информации – телеграф, телефон, радио и телевизионные сети – наладили контакты между странами и континентами и одновременно открыли новые перспективы для общества и коллективного поведения. Джеймс Бенигер точно определил рост информационных технологий как «революцию контроля», ставшую необходимой для управления экономическим бумом и коммерческой сверхприбылью Глобального севера (см. главу 5). После Второй мировой войны контроль над расширенной логистикой стал задачей исследования операций – новой военной дисциплины, объединившей математику и менеджмент. Среди других факторов, которые вызвали рост технологий контроля, следует учесть преобразования рабочего класса в национальных и мировых масштабах, циклы городских конфликтов и деколониальных столкновений. В главе 6 я прослеживаю исторический параллелизм кибернетических проектов самоорганизации и общественного запроса на самоорганизацию, освещая контркультурные и антиавторитарные движения послевоенного времени.
То, насколько изменился состав рабочей силы в XX веке по сравнению с XIX столетием, также повлияло на логику автоматизации, то есть на научные парадигмы, вовлеченные в трансформации. Относительно простое промышленное разделение труда и кажущиеся линейными сборочные линии можно сравнить с простым алгоритмом, то есть основанной на правилах процедуре «если/то», которая эквивалентна логической форме дедукции. Не случайно дедукция представляет собой логическую форму, воплощенную благодаря Лейбницу, Бэббиджу, Шеннону и Тьюрингу в электромеханических вычислениях и, в итоге, в символическом ИИ. Дедуктивная логика полезна для моделирования простых процессов, но не систем с множеством автономных агентов, таких как общество, рынок или мозг. В этих случаях дедуктивная логика неприменима, поскольку раскладывает любую процедуру, машину или алгоритм на экспоненциально растущий набор инструкций (см. главу 7). Принимая в расчет это соображение, кибернетики обратились к самоорганизации живых существ и машин, желая смоделировать порядок в системах высокой сложности, которые трудно организовать иерархическими и централизованными методами. Такова фундаментальная логика, стоявшая за коннекционизмом и искусственными нейронными сетями (см. главу 9), а также ранними исследованиями распределенных сетей коммуникации, таких как Arpanet (предшественница интернета).
На протяжении XX века растущую сложность социальных отношений зафиксировали многие другие дисциплины. Описанные в этой книге концепции-близнецы гештальта (Курт Левин) и паттерна (Фридрих Хайек) служат примером того, как психология и экономика реагировали на новый состав общества. Левин ввел холистические понятия, такие как силовое поле и годологическое пространство, чтобы составить карту групповой динамики разных масштабов между индивидуумом и массовым обществом[545]. Хайек воспользовался диспаратным понятием паттерна, чтобы собрать теорию рынка и разума, основанную на радикальном индивидуализме (см. главу 8).