Лекция 2. Что такое машина. Школа Щедровицкого в Бодруме 2024
Disclaimer. Это моя интерпретация лекций, неполная и дополненная собственными мыслями.
Вторая лекция была посвящена истории использования машин для усиления человека и его замены в части физического труда, от древности до 19 века. Об умных машинах речи практически не шло, кроме первых вычислителей, тема затрагивалась косвенно.
Я вынес из нее 4 тезиса.
1. Декарт и Ламетри сделали онтологический (или мировоззренческий, в общем, сменили mindset) переход, представив человека как сложную машину. При этом Декарт сохранил не-машинную часть в виде мышления и души, а Ламетри от нее отказался. Петр говорит, что повлияли тут успехи медицины, они были медиками, вскрывали трупы, разбирали скелет и мышцы и видели там физическую систему.
Я с этим не согласен, Микеланджело тоже вскрывал трупы, чтобы разобраться с анатомией, и он был не один, механика скелета и мышц человеческого тела была вполне понятно, но никто и не думал сравнивать человека с машиной. Наоборот, механизмы уподобляли человеку, о чем Петр сам говорил в этой лекции, рассказывая про Альберти. Я думаю, что дело именно в смене мировоззрения, зачатки идеологии Просвещения, отрицания божественного и верой в науку. Хотя какие-то успехи науки и давали дополнительные основания для такой идеи. Но это точно не само развитие самих машин, эпоха - позднее.
2. Идея организации или более крупных организованностей как мегамашины. Петр говорит, что она появилась примерно тогда же, в конце 18 века, но ссылается на Льюиса Мамфорда, а это 1967 "The Myth of the Machine". Понятно, что не он первый это придумал, и все помнят фильм Чаплина "Новые времена", где эта идея обыграна художественно. Но мне кажется, что это идея 20 века, возникшая после конвейера Форда. Впрочем, тут могу ошибаться, и, по большому счету, это не важно.
Мамфорд же ретроспективно распространил это назад. Выделив, например, машину создания пирамид в Древнем Египте. Еще звучали машины создания продовольствия в Месопотамии, Франции и современная - их можно сравнивать. Только важно, что это именно ретроспективное выделение, и люди, которые создавали эти организационные системы не думали о них как о машинах. Они думали, что им надо построить пирамиду и организовывали это. Как позднее, в Средневековье, организовывали строительство соборов, замков или крепостей.
Только Вобан в 17 веке подходит к организации строительства технологично, рассчитывая нормы производительности труда для операций, например, рытья и перевозки земли, и далее переходя к количеству рабочих, их квалификации и срокам выполнения, а также стоимости. А потом этот проект зависает, потому что интенданты из экономии (или коррупции) нанимают плохих подрядчиков, которые берут дешевых рабочих, которые не выполняют своевременно. Петр цитировал письма Вобана по этому поводу - история вполне современная. Но и он не мыслил это как создание машины.
3. Машинизация как участие машины в организации, занятие ей позиций, а вовсе не замена человека или усиление его, как многие полагают. Этот тезис, естественно, требует предыдущего - рассмотрения организации как машины. Обычные машины занимают места физического труда, а умные будут занимать места интеллектуального труда.
Отмечу, что этот тезис можно выразить без пафоса концепции мегамашины, на языке системного подхода: изменение типов систем, входящих в надсистему, принципиально изменяет конструкцию надсистемы.
Важно, что машины не просто занимают позиции, а что система разделения труда реструктурируется и изменяется с учетом наличия машин в ходе промышленной революции. Фабрика Аркрайта принципиально отличается от мануфактурно-ремесленного производства не только сбором его в одном месте и приводом от парового двигателя, но и организацией синхронизированных технологических цепочек, что порождает позиции менеджера и технолога, которые за это отвечают. А типовое производство одинакового продукта требует выделить дизайнера как отдельную позицию - в мелком производстве отдельной позиции не требовалось. И так далее.
Интересно, что это изменение СРТ не отражено в энциклопедии Дидро и Даламбера, они фокусируются на ремесленном и мануфактурном производстве. Петр говорит, то объясняется взглядами Дидро. И Адам Смит тоже не показывает это изменение СРТ в своей книге, хотя это прямо касается его темы. Петр считает, что Алам Смит в целом не очень понимал про разделение труда, он излагал идеи, услышанные от Тюрго. Тот как раз хорошо понимал, он создал несколько отраслей во Франции. Но это было сделано на уходящих принципах мануфактурного производства.
Так вот, такие же изменения произойдут с интеллектуальным трудом с приходом ИИ, но пока мы не знаем как. Пока идет мануфактуризация - это процесс при котором целостная работа ремесленника по изготовлению изделия разделялась на операции, и часть операций отдавалась низкоквалифицированным рабочим, работающим за малую оплату. Рабочий, умеющий точить и закаливать булавки получал 5 шиллингов в день, а крутящий колесо - 6 пенсов, в 10 раз меньше - прямая выгода.
Это было с физическим трудом, а сейчас это произойдет с интеллектуальным. Местами уже произошло - калькуляторы, а до этого арифмометры вынесли вычисления из области интеллектуального труда, там осталось лишь составление формул вычислений, сводивших их к простым операциям. И началось это еще в 19 веке. Де Прони вел расчеты логарифмических таблиц, разделив расчетчиков на три группы: первая группа, математики - формулируют задачу, вторые - переводят ее в простые операции, третьи - ведут расчеты на бумажных листах, им достаточно уметь складывать и вычитать. Используется разработанный метод разности. Идея Бэббиджа - заменить третий класс на машину, так как там просто сложение и вычитание, отсюда название - разностная машина.
А дальше - следующий шаг. Разностная машина умела только складывать и вычитать. А Бэббиджу были нужны сложные вычисления. Он был консультантом, который оптимизировал производство. Там важно было спроектировать систему операций, посчитать производительность и экономику, чтобы выбрать из разных вариантов. Это большой объем вычислений.
Его аналитическая машина должна была уметь выполнять программы на перфокартах, принцип перфокарт позаимствован у Жаккарда, который так программировал ткацкий станок. Архитектура - вполне фон Неймана: память, процессор с регистрами и управляющим устройствам, ввод с перфокарт, вывод на печать и перфокарты для повторного использования. Команды - операции и перемещение между памятью и регистрами. Перфокарты с программой и данными. Но - финансирование найти не получилось, проект не был реализован.
В работах Бэббиджа над аналитической машиной участвовала Ада Лавлейс, она же издала работы Бэббиджа, в комментариях к которым привела как иллюстрацию программу расчета чисел Бернулли - первую в мире программу. И замечательное визионерское видение будущего, в котором на машину можно переложить любые интеллектуальные операции, если написать соответствующую программу, включая сочинение музыки.
История Бэббиджа - последняя часть лекции. А до этого - была длинная история различных механических машин, а также осмысления и описания их учеными. Тут получается забавная конструкция: практики создают машины, а ученые их изучают, собирают описания различных машин, им на это выделяют гранты, говоря современным языком. А сами машины не особо создают. Машины в виде водяных мельниц известны с глубокой древности, и уже в 1 веке Герон Александрийский описал простейшие машины и их комбинации. Впрочем, следующий атлас машин был в 13 веке, в альбоме Вилара де Оннекура, так что я склонен видеть тут еще одно подтверждение теории Фоменко о растянутой истории. Но не будем отвлекаться.
Эта история, на мой взгляд, можно свести к одному тезису: 4. Для конструирования машин следует перейти от модульного описания их устройства к функциональному их функций в надсистеме, ну и в описании устройства тоже работать с функциональным описанием, а не только с модульным. Это - моя формулировка на языке системного подхода, у Петра этот тезис явно сформулирован не был. Пример функционального описания устройства - это описание колеса у Альберти (15 век) из обода, который является внешней поверхностью, а не отдельной деталью, оси и втулки, которая между ними, и для функциональных частей приводятся материалы, а также рекомендации по изготовлению. А функциональное описание назначение появляется, когда мы формулируем, что машины предназначены для передачи движения, рассматриваем движение на входе и выходе и учим рассчитывать их передачу. При этом источником вращательного движения могут быть различные двигатели - ветер, вода, животные, и исполнительные механизмы, на которые движение передается - тоже различны и требовать разных типов движений - вращение, удары и так далее.
Петр подробно рассматривает историю различных атласов машин, с разными классификациями и учебники по созданию машин, и это - значительная часть лекции. Она любопытна, но, на мой взгляд, не более того. В обсуждении Петр сказал, что в замысле было показать, что процесс машинизации механических машин был сложным и длительным и нет оснований полагать, что с умными машинами будет быстрее.
Я лично считаю, что для этого нет оснований. Мануфактуризация, то есть применение машин для выполнения отдельных операций интеллектуального труда, идет активно. Я об этом слышу много докладов на разных конференциях. При этом позиции, которые заменяются - достаточно хорошо выделены, разделение интеллектуального труда на операции, чтобы можно было задействовать менее квалифицированных исполнителей идет давно. Другое дело, что с людьми для этого нужно достаточное количество этого низкоквалифицированного труда. То есть если работа технического писателя в команде - всего 0.2 ставки, то нанимать отдельного человека не будут, возложат на аналитика. А ChatGPT вполне может эти 0.2 ставки выполнить.
При этом ИИ хорошо приспособлен, чтобы выполнять определенные функциональные действия. Это стандартный прием - в промпте сказать: представь, что ты такой-то профессионал и сделай вот это. И он в целом сделает. Верховский в обсуждении приводил пример, что для человека задание "сделай анализ текста" достаточно, а для ИИ - нет. Тут, конечно, надо погружаться, но если имеется ввиду анализ текста как часть чьей-то нормированной профессиональной деятельности, то достаточно ИИ поставить в позицию. Если анализ текста - какая-то сложившаяся вв конкретной компании практика - то да, надо рассказать подробнее, но это надо рассказывать и любому новичку, который приходит на эту позицию. Может, конечно, быть ситуация, когда руководитель считает, что "анализ текста" это "сделай что мне нужно", при этом не умеет объяснить - что именно, и он просто менял исполнителей, пока очередной случайно не угадает, что ему нужно. Тогда да, печалька, ChatGPT (или GigaChat) поменять нельзя, и им надо объяснять.
Да, иногда одного человека меняют на несколько ИИ-агентов, которые по-разному специализированны на уровне промптов. Например, один ведет интервью с руководителем о потребностях в специалисте и описывает проект и вакансию, которую потом публикуют. Второй по откликам кандидатов быстро задает им пару вопросов, персонализированных с учетом их резюме и самой вакансии. Третий - оценивает откликнувшихся кандидатов с учетом резюме и ответов на вопросы, быть может по разным критериям. И топ-3 оправляются руководителю. Это я рассказал конструкцию реального HR-помощника в дочке Газпромнефти, обеспечивающей подбор, он действует уже год, хотя там не полный автомат, люди присматривают - примерно как руководитель за новичками. Или другая конструкция - один пишет текст, еще несколько оценивают его с позиций разных читателей, еще один проверяет ссылки, потом идет задание на исправление, может крутиться несколько итераций, это вообще типовая конструкция.
Теперь про машинизацию. Я пока не понимаю, зачем она в принципе нужна. Возможно, это будет в лекциях дальше, но мне важно сейчас зафиксировать свои мысли.
- Во-первых, для нее нет физических предпосылок. Это станки важно было собрать под одну крышу, рядом с паровым или водяным двигателем. А интеллектуальную работу можно выполнять удаленно и распределенно.
- Во-вторых методы управления интеллектуальной работой достаточно хорошо проработаны в ИТ, и это давно тиражируется на другие отрасли: таск-трекер, доски, предварительные оценки, мониторинг и анализ по метрикам, ретроспективная оценка и совершенствование процессов. Есть печалька с предсказуемостью хода проекта, но она объективно обусловлена характером труда и с этим умеют работать. Понятно, что где-то просто не умеют организовывать, в том числе потому, что работали с материальным производством, или потому, что вообще об этом не думали, но это проблемы конкретных организаций. Не все снимают фильмы столь технологично, как Голливуд, но это не значит, что это невозможно делать технологично.
- В-третьих, в отличие от материального производства не видно мест, где интеллектуальный труд был бы ограничением, где надо было бы наращивать его мощность и ставить на поток. Для материального производства такие места были.
На этом я, пожалуй, закончу конспект. Подробного пересказа истории механических машин не будет. Еще отмечу, что ИИ даст дополнительные перспективы замены человека на уровне действования, например, в роли автопилота для комбайна или грузовика. И будет открывать какие-то новые технологические возможности на этом уровне. Это - понятная ниша, хотя кейсы могут быть неожиданными. Например, Фаберлик создает фото одежды для каталогов, используя ИИ: девушка с подходящей фигурой снимается на смартфон на зеленом фоне в трех ракурсах, а ИИ делает остальное, включая модельное лицо. Это исключает участие фотомодели, фотографа и оборудованной фотостудии, и очень существенно экономит деньги и сроки. СРТ при этом тоже меняется, но локально.
А вот что будет, когда у человека будет персональный ИИ-помощник, и он вместо похода в магазин, поиска в интернете или в каталогах будет просить его подобрать подходящую одежду - вопрос интересный. ИИ-помощники не будут смотреть рекламу. Хотя каталоги им, наверное, смотреть придется. Но дальше какие-то производители могут начать представлять удобные им характеристики одежды вместо фотографий, а они оценят, насколько это соответствует фигуре человека, и, может, даже создадут его фото в этой одежде с помощью той же нейронной сети. Это, кстати, и производители могут делать: ты передаешь свое фото и параметры фигуры, и они делают генерацию. Пока тут есть технические трудности - нейронка не умеет естественно положить складки одежды свободного покроя, поэтому Фаберлику нужна реальная девушка. Но это, думаю, преодолеют, или будут держать фото 3-4 девушек с разной фигурой. Но вот как ИИ-помощник будет выбирать те 5 моделей, которые порекомендует хозяину, и как изменится протокол взаимодействия между ним и ИИ-агентами фабрик, которые будут консультантами по выбору на сайтах этих фабрик - вопрос интересный.
Теперь точно все.
