Pielęgniarki natomiast potrzebują również dobrych umiejętności manualnych i emocjonalnych, by zrobić pacjentowi bolesny zastrzyk, zmienić mu opatrunek czy powstrzymać go, gdy zachowuje się agresywnie. A zatem opartego na sztucznej inteligencji lekarza rodzinnego w smartfonie będziemy mieli prawdopodobnie parę dziesięcioleci wcześniej, niż doczekamy się niezawodnego robota pielęgniarza20. Ta gałąź przemysłu, jaką jest opieka nad człowiekiem – troska o chorych, dzieci i osoby w podeszłym wieku – przypuszczalnie na długo jeszcze pozostanie bastionem ludzkich pracowników. Co więcej, ponieważ obecnie ludzie żyją dłużej i mają mniej dzieci, opieka nad osobami starszymi będzie prawdopodobnie jednym z najszybciej rozwijających się sektorów ludzkiego rynku pracy.
Inną sferą, która stwarza szczególnie trudne przeszkody dla automatyzacji, jest kreatywność. Nie potrzebujemy już ludzi, by sprzedawali nam muzykę – możemy ściągnąć ją bezpośrednio z iTunes Store – jednak kompozytorzy, muzycy, piosenkarze i didżeje to wciąż ludzie z krwi i kości. Ich kreatywność jest nam potrzebna nie tylko po to, by tworzyli całkowicie nową muzykę, lecz również po to, by pomagali nam wybierać spośród niemieszczącego się w głowie wachlarza dostępnych możliwości.
Niemniej jednak na dłuższą metę nie ma takiej pracy, która będzie się mogła całkowicie uchronić przed automatyzacją. Nawet artyści powinni zwrócić na to uwagę. We współczesnym świecie sztuka kojarzy się zazwyczaj z ludzkimi emocjami. Na ogół sądzimy, że rolą artystów jest kanalizowanie sił psychicznych, a zadanie sztuki sprowadza się do łączenia nas z własnymi emocjami albo do wzbudzania w nas jakichś nowych odczuć. Dlatego sztukę oceniamy zwykle na podstawie jej emocjonalnego oddziaływania na odbiorców. Jeśli jednak sztukę określają ludzkie emocje, to co się stanie, gdy zewnętrzne algorytmy będą w stanie rozumieć ludzkie emocje i oddziaływać na nie lepiej niż Szekspir, Frida Kahlo czy Beyoncé?
Przecież emocje nie są żadnym mistycznym zjawiskiem – to wynik pewnych procesów biochemicznych. A zatem w niezbyt odległej przyszłości jakiś oparty na uczeniu się maszyn algorytm będzie umiał analizować dane biometryczne płynące z czujników umieszczonych na naszym ciele i wewnątrz niego, określi nasz typ osobowości i nasze zmieniające się nastroje oraz obliczy, jakie emocjonalne oddziaływanie będzie prawdopodobnie miała na nas konkretna piosenka – a nawet konkretna tonacja21.
Spośród wszystkich form sztuki muzyka jest przypuszczalnie najbardziej podatna na analizę opartą na big data, gdyż zarówno jej dane wejściowe, jak i wyjściowe nadają się do dokładnego matematycznego przedstawienia. Dane wejściowe to matematyczne wzory fal dźwiękowych; wyjściowe – elektrochemiczne wzory burz neuronów. W ciągu paru dekad algorytm, który prześledzi miliony muzycznych doznań, może się nauczyć przewidywać, w jaki sposób konkretne dane wejściowe generują konkretne dane wyjściowe22.
Załóżmy, że jesteś właśnie po burzliwej kłótni z chłopakiem. Algorytm odpowiedzialny za twój zestaw muzyczny natychmiast rozpozna twoje rozgorączkowanie i opierając się na tym, co o tobie wie, oraz na ogólnej znajomości ludzkiej psychiki, wybierze odpowiednie kawałki, w których odnajdziesz swój ból i smutek. Te konkretne utwory niekoniecznie sprawdziłyby się u innych, ale do ciebie – do twojego typu osobowości – pasują idealnie. Po tym jak algorytm pomógł ci się pogrążyć w rozpaczy, chwilę później puszcza ci tę jedną jedyną piosenkę, która cię rozweseli – być może dlatego, że połączył twoją podświadomość z jakimś szczęśliwym wspomnieniem z dzieciństwa, wspomnieniem, z którego istnienia nawet nie zdawałaś sobie sprawy. Nie ma na świecie didżeja, który mógłby choćby marzyć o takich możliwościach sztucznej inteligencji.
Ktoś może zaprotestować, mówiąc, że SI wykluczałaby wszelką przypadkowość i otaczałaby nas ciasnym muzycznym kokonem, utkanym z tego wszystkiego, co wcześniej polubiliśmy lub czego nie polubiliśmy. A co z poszukiwaniem nowych muzycznych upodobań, co z eksperymentowaniem z nowymi stylami? Żaden problem. Z łatwością będzie można podregulować algorytm, by przy wyborze 5 procent utworów rządził przypadek, dzięki czemu nieoczekiwanie usłyszymy zespół grający tradycyjną indonezyjską muzykę gamelan, operę Rossiniego albo najnowszy hit z gatunku K-popu. Z czasem, obserwując twoje reakcje, SI umiałaby nawet określić idealny stopień przypadkowości, który optymalizowałby poszukiwanie nowości, nie powodując jednocześnie rozdrażnienia: być może algorytm obniżyłby odsetek piosenek wybieranych na zasadzie szczęśliwego trafu do 3 procent albo podniósł go do 8.
Ktoś inny mógłby mieć zastrzeżenia co do tego, że nie bardzo wiadomo, w jaki sposób taki algorytm miałby ustalać swój cel emocjonalny. Jeśli jesteś akurat po kłótni z chłopakiem, to czy algorytm ma ci pozwolić trwać w smutku, czy cię rozweselić? Czy miałby sztywno stosować się do ustalonej skali „dobrych” i „złych” emocji? Może są w życiu takie sytuacje, gdy dobrze jest się posmucić? To samo pytanie można by oczywiście zadać ludzkim muzykom i didżejom. W wypadku algorytmu istnieje jednak wiele ciekawych rozwiązań tej zagadki.
Jedna możliwość polega na tym, by po prostu pozostawić decyzję klientowi. Możesz ocenić własne emocje tak, jak ci się podoba, a algorytm zastosuje się do tego, co mu narzucisz. Wszystko jedno, czy chcesz użalać się nad sobą, czy skakać z radości – algorytm będzie ślepo realizował twoje wskazówki. Co więcej, do tego, by algorytm nauczył się rozpoznawać twoje pragnienia, nie jest nawet konieczne, aby te pragnienia były uświadomione.
Jeśli nie masz do siebie zaufania, możesz ewentualnie polecić algorytmowi, by stosował się do zaleceń dowolnie przez ciebie wybranego wybitnego psychologa. A gdy chłopak w końcu cię rzuci, algorytm może cię przeprowadzić przez pięć formalnych etapów żałoby: najpierw pomoże ci zaprzeczać temu, co się stało (puszczając ci Don’t Worry, Be Happy Bobby’ego McFerrina), następnie podsyci twój gniew (dzięki You Oughta Know Alanis Morissette), sprowokuje cię do targowania się (tutaj sprawdzi się Ne me quitte pas Jacques’a Brela i Come Back and Stay Paula Younga), wrzuci cię w otchłań depresji (każąc ci słuchać Someone Like You i Hello w wykonaniu Adele), a na koniec pomoże ci zaakceptować tę sytuację (Gloria Gaynor i jej I Will Survive).
Później algorytm zacznie majstrować przy samych piosenkach i melodiach, za każdym razem odrobinę je zmieniając, tak by dostosować je do twoich kaprysów. Być może w jakiejś znakomitej skądinąd kompozycji nie podoba ci się konkretny fragment. Algorytm wie o tym, ponieważ ilekroć go słuchasz, mocniej bije ci serce i lekko spada ci poziom oksytocyny. SI potrafi poprawić albo usunąć przeszkadzające ci nuty.
Ostatecznie algorytmy mogą nauczyć się komponować całe utwory, grając na ludzkich emocjach, jakby to były klawisze fortepianu. Wykorzystując twoje dane biometryczne, algorytmy będą mogły nawet tworzyć spersonalizowane melodie, które doceni i polubi tylko jedna osoba w całym wszechświecie: właśnie ty.
Często można się spotkać z twierdzeniem, że ludzie potrzebują sztuki, ponieważ odnajdują w niej siebie. Może to prowadzić do zaskakujących i dość złowrogich rezultatów. Pomyślmy, co by było, gdyby Facebook zaczął tworzyć spersonalizowaną sztukę, opierając się na tym, co o nas wie. Jeśli rzuci cię chłopak, Facebook skomponuje dla ciebie piosenkę właśnie na temat tego łajdaka, a nie jakiejś nieznanej bliżej osoby, która złamała serce Adele albo Alanis Morissette. Taki kawałek będzie nawet wspominać o rzeczywistych wydarzeniach z twojego życia, o których nie wie nikt oprócz ciebie i twojego eks.
Oczywiście może
M. Chui, J. Manyika, M. Miremadi,
W. Youyou, M. Kosinski, D. Stillwell,
S. Dredge,
