Роботы наступают

Первый подход предполагает полную автоматизацию. Речь идет о так называемом ПО типа e-Discovery, в основе которого лежат мощные алгоритмы, способные анализировать миллионы электронных документов и автоматически отбирать среди них все, что имеет отношение делу. Эти алгоритмы не ограничиваются простым поиском по ключевым словам: зачастую в них применяются методы машинного обучения, которые могут находить в тексте необходимые концепты независимо от их формулировки{171}. Прямым следствием внедрения этого подхода стало исчезновение большого количества рабочих мест для юристов и их помощников, когда-то тративших все свое время на разбор бесконечных коробок с бумажной документацией.

Также получил распространение и другой подход: юридические фирмы передают работу по поиску подлежащей раскрытию документации специальным компаниям, которые нанимают толпы выпускников юридических факультетов. Все эти выпускники — жертвы лопнувшего «пузыря» в сфере юридического образования. Не имея возможности найти полноценную работу в качестве юристов — и часто изнывая под бременем неподъемных выплат по образовательным кредитам, — они нанимаются операторами по обработке документов. Каждый из них сидит перед монитором, на котором непрерывным потоком отображаются документы. Помимо документа на экране есть две кнопки: «Соответствует» и «Не соответствует». Несостоявшиеся юристы просматривают документ на экране и щелкают нужную кнопку. После этого появляется новый документ и т. д.{172} Бывает, что им приходится просматривать до восьмидесяти документов в час{173}. У этих молодых юристов нет никаких шансов оказаться в зале суда, научиться чему-то новому и добиться чего-то в профессии — никакого движения вперед. Вместо этого они вынуждены — час за часом — щелкать кнопки «Соответствует» и «Не соответствует»[34].

При сравнении этих двух конкурирующих подходов сразу встает вопрос о жизнеспособности модели, предполагающей взаимодействие компьютера и человека. Даже при относительно низкой оплате труда (по меркам юристов) таких сотрудников полностью автоматизированная обработка кажется куда более выгодной с точки зрения затрат. Что касается низкого качества этих рабочих мест, вы можете обвинить меня в том, что я намеренно выбрал не самый оптимистичный пример, чтобы сгустить краски. Но разве при взаимодействии с машинами люди не будут контролировать ситуацию, делая так, чтобы вся стоящая работа доставалась им, а не машинам? Разве они будут довольствоваться ролью простого винтика или шестеренки в работе большого механизма?

Главная проблема, возникающая при анализе этого радужного, но, скорее всего, далекого от реальности взгляда на будущее, заключается в том, что он противоречит имеющимся данным. В изданной в 2007 г. книге «Цифродробители» (Super Crunchers) профессор Йельского университета Йен Айрес ссылается на исследование, показывающее, что алгоритмические подходы демонстрируют более высокие результаты, чем люди, являющиеся экспертами в соответствующей области. Когда контроль над процессом доверяется людям, а не компьютерам, это почти всегда негативно сказывается на результатах. Даже когда эксперты заранее получают доступ к результатам работы алгоритмов, их выводы все равно оказываются хуже тех, к которым машины приходят самостоятельно. Таким образом, если говорить об участии людей в процессе, лучше всего доверять им задачи, связанные с предоставлением системе определенной информации, и не передавать им полный контроль. Как отмечает Айрес: «Появляется все больше данных в пользу другого, куда более унизительного, дегуманизированного механизма организации взаимодействия эксперта и [алгоритмических] средств»{174}.

Я хочу сказать, что даже если и существуют профессии, в которых человек и машина взаимодействуют на равных, то их относительно немного[35] и большинство из них недолго задерживаются на рынке труда. При этом во многих случаях такая работа не приносит удовлетворения и даже унизительна для человека. На этом фоне сложно найти аргументы в поддержку призыва помочь людям получить в будущем одно из таких мест, научив их необходимым методам работы, не говоря уже о том, что мы вряд ли сможем четко сформулировать, чему именно мы должны их научить. По правде говоря, я воспринимаю этот призыв как попытку любыми способами вдохнуть жизнь в набившую оскомину концепцию (в очередной раз дать работникам возможность пройти профессиональную переподготовку) и сохранить ее еще на какое-то время. Мы приближаемся к точке, где все будет совершенно по-другому и где нам придется куда более серьезно менять свои подходы.

Первыми жертвами автоматизации умственного труда, безусловно, станут позиции начального уровня, занимаемые выпускниками колледжей. Как мы видели в главе 2, уже сейчас можно наблюдать признаки того, что этот процесс начался. В период с 2003 по 2012 г. медианный доход выпускника колледжа со степенью бакалавра в США упал почти с $52 000 до суммы, едва превышающей $46 000 (в ценах 2012 г.). В то же время совокупная задолженность по образовательным кредитам в течение этого времени выросла в три раза — приблизительно с $300 млрд до $900 млрд{175}.

Несоответствие между работой и квалификацией стало настоящим бичом недавних выпускников: почти каждый студент колледжа знает выпускника, которому полученная квалификация не помогла избежать работы в кофейне. В марте 2013 г. канадские экономисты Пол Бодри, Дэвид Грин и Бенджамин Сэнд опубликовали научную работу под названием «Великий разворот спроса на навыки и когнитивные задачи» (The Great Reversal in the Demand for Skill and Cognitive Tasks){176}. Если вкратце, то за этим броским названием стоит следующее: авторы статьи обнаружили, что общий спрос на квалифицированный труд в США достиг своего пика приблизительно в 2000 г., после чего он начал стремительно падать. Результат — все больше выпускников колледжей вынуждены соглашаться на работу, которая не требует практически никакой квалификации, зачастую вытесняя с рынка труда людей без дипломов о высшем образовании.

Причем серьезно пострадали даже те, кто специализировался в области естественных наук и техники. Как мы уже видели, рынок труда в сфере информационных технологий изменился до неузнаваемости в результате повышения уровня автоматизации, связанного с растущей популярностью облачных вычислений, а также офшорингом. Широко распространенное мнение о том, что диплом инженера или специалиста в области информационных технологий является гарантией трудоустройства — по большому счету всего лишь миф. В апреле 2013 г. Институт экономической политики (Economic Policy Institute) провел исследование, в ходе которого выяснилось, что лишь половине из выпускаемых американскими колледжами инженеров и специалистов в области информационных технологий удается найти работу по специальности. Авторы исследования пришли к выводу, что «число выпускников намного превышает спрос на них в отрасли»{177}. Становится все более очевидно, что огромное количество людей будут стараться получить качественное образование, но при этом не смогут найти применения своим знаниям в экономике будущего.

Хотя некоторые экономисты, уделяющие большое внимание изучению исторических данных наконец начинают приходить к пониманию влияния развития технологий на рабочие места, требующие высокой квалификации, как правило, они с большой осторожностью относятся к попыткам экстраполировать эту тенденцию в будущее. Исследователи, работающие в области искусственного интеллекта, часто демонстрируют куда большую смелость в суждениях. Например, Норико Араи, математик из Национального института информатики в Японии, руководит проектом по разработке системы, которая должна будет пройти вступительные экзамены в Токийском университете. По мнению Араи, если компьютер сможет продемонстрировать такое сочетание аналитических и языковых навыков, которого достаточно для поступления в самый престижный университет Японии, то, скорее всего, он в конечном итоге сможет делать то же, что и многие из выпускников. Араи предсказывает возможность массового замещения людей машинами на рынке труда в ближайшие 10−20 лет. В качестве одной из главных целей своего проекта она видит попытку оценить возможное влияние внедрения технологий искусственного интеллекта на рынок труда. Араи беспокоится, что замена 10−20 % квалифицированных работников средствами автоматизации станет «настоящей катастрофой», заявляя, что «даже не хочет думать о том, к чему приведет замена 50 %». Потом она добавляет, что это будет нечто «посерьезнее катастрофы, но в случае успешного развития технологий искусственного интеллекта в будущем исключать возможность такого развития событий нельзя»{178}.

Сама сфера высшего образования исторически является одним из главных рынков труда для высококвалифицированных специалистов. Многие из них, в особенности те, кто доходит до защиты диссертации, как правило, начинают свою карьеру первокурсниками и проводят в колледже всю жизнь. В следующей главе мы посмотрим на то, как эта отрасль — а вместе с ней и многие карьерные возможности — также может оказаться на пороге фундаментальных изменений, обусловленных развитием технологий.

Глава 5

Трансформация высшего образования

В марте 2013 г. в ответ на информацию о том, что оценкой эссе, написанных в рамках стандартизированных тестов, будут заниматься машины, небольшая группа ученых, состоящая главным образом из специалистов по английскому языку и преподавателей письменного английского, выступила в Интернете с петицией, направленной против данной инициативы. В этой петиции под названием «Профессионалы против оценки машинами студенческих эссе в ответственных случаях» (Professionals Against Machine Scoring of Student Essays in High Stakes Assessment){179} отражено общее мнение авторов о том, что алгоритмическое оценивание эссе, помимо прочего, отличается упрощенностью, неточностью, произвольностью и предвзятостью, не говоря уже о том, что оно выполняется «устройством, которое на самом деле даже не умеет читать». Меньше чем за два месяца петицию подписали почти 4000 преподавателей и специалистов, а также все уважаемые интеллектуалы, включая Ноама Хомского.

Разумеется, в идее использовать компьютеры для оценки тестов нет ничего нового: уже многие годы они занимаются простейшей задачей оценки тестов с несколькими вариантами выбора. В этом контексте они рассматриваются как средство снижения трудоемкости. Однако стоит лишь алгоритмам покуситься на область, которая, по всеобщему мнению, в значительной степени зависит от человеческих навыков, включая способность выносить суждения, как тут же многие преподаватели начинают видеть в технологиях угрозу. В основе машинных технологий оценки эссе лежат передовые средства искусственного интеллекта; основная стратегия, используемая при оценке студенческих эссе, во многом схожа с методологией, реализованной в онлайн-переводчике Google. Сначала в алгоритмы машинного обучения загружается большое количество образцов с оценками, выставленными преподавателями-людьми. Затем алгоритмы применяются при оценке новых студенческих эссе; при этом они выдают результат практически мгновенно.

Авторы петиции, безусловно, правы в том, что участвующие в оценивании машины «не умеют читать». Однако, как мы уже видели на примере других случаев применения больших данных и технологий машинного обучения, это не имеет никакого значения. Методы, основанные на анализе статистических корреляций, очень часто не уступают лучшим экспертам или даже превосходят их по эффективности. Например, в 2012 г. сотрудники Педагогического колледжа Университета Акрона провели исследование, в ходе которого сравнили результаты работы машин с оценками, поставленными преподавателями. Выяснилось, что применение машинных технологий позволило «добиться практического такого же уровня точности и при этом в некоторых случаях ПО оказалось даже надежнее». В исследовании приняли участие девять компаний, занимающихся разработкой решений для автоматизации оценивания, в нем было использовано свыше 16 000 студенческих эссе с проставленными оценками из государственных школ шести штатов США{180}.

Одним из самых ярых противников машинного оценивания и одним из инициаторов протестной петиции 2013 г. является Лес Перельман, бывший директор программы обучения письменной речи в МIT. Перельману удалось ввести в заблуждение алгоритмы оценивания с помощью нескольких абсурдных эссе, некоторые из которых заслужили высокую оценку машин. Однако, по моему мнению, навыки, требуемые для составления бессмысленных текстов специально для того, чтобы обмануть ПО, в общем и целом сравнимы с навыками, необходимыми для написания логически выстроенного эссе. Это противоречит выводу Перельмана о том, что систему легко обмануть. На самом деле следовало бы задаться вопросом: а способен ли студент, который не владеет развитыми навыками письменной речи, обмануть ПО, используемое для оценивания? Исследование специалистов из Университета Акрона показывает, что это невозможно. Впрочем, одна из поднимаемых Перельманом проблем заслуживает внимания: опасение, что в будущем студентов будут учить так, чтобы их работы нравились алгоритмам, которые, по его мнению, «дают студентам непропорционально много баллов за длинные и вычурные высказывания»{181}.

Несмотря на все споры, у алгоритмического оценивания есть все шансы стать главным методом в школах, которые продолжают искать способы сокращения издержек. Этот подход имеет неоспоримые преимущества в ситуациях, когда требуется оценить большое количество эссе. И дело не только в скорости и низкой стоимости: алгоритмический подход обеспечивает такой уровень объективности и надежности, единственной альтернативой которому в случае с преподавателями-людьми является привлечение нескольких проверяющих. Например, многие языковые курсы предполагают ежедневное ведение дневника; при использовании алгоритма для оценки любой записи и, возможно, даже получения рекомендаций по улучшению текста будет достаточно простого щелчка мыши. Представляется разумным предположить, что автоматизированное оценивание — по крайней мере в ближайшем будущем — будет применяться во вводных курсах, посвященных базовым навыкам. Вряд ли преподающим английский профессорам стоит бояться вторжения алгоритмов в работу семинаров по писательскому мастерству для хорошо подготовленных студентов. При этом внедрение алгоритмов в рамках вводных курсов может привести к вытеснению ассистентов-преподавателей, выполняющих сейчас рутинную работу по оцениванию текстов.

Шумиха вокруг вопроса о привлечении роботов к оцениванию эссе представляет собой лишь небольшой пример ответной реакции, которая, несомненно, не заставит себя ждать, когда набирающий обороты рост информационных технологий в полной мере скажется на сфере образования. Значительное увеличение производительности, которое изменило до неузнаваемости многие отрасли, пока практически не коснулось колледжей и университетов. Преимущества информационных технологий до сих пор не нашли применения в высших учебных заведениях. Этим — по крайней мере отчасти — объясняется стремительный рост стоимости обучения в течение последних десятилетий.

Есть веские основания полагать, что в скором времени все будет по-другому. Одним из главных проводников изменений, конечно же, станут онлайн-курсы, которые ведут в Интернете преподаватели элитных учебных заведений. Нередко такие курсы привлекают огромное количество желающих, а значит, им суждено стать важным фактором распространения автоматизированных подходов к преподаванию и оцениванию. В начале 2013 г. консорциум элитных университетов edX, созданный с целью продвижения бесплатных онлайн-курсов, объявил о том, что он готов бесплатно предоставить ПО для оценивания эссе любому образовательному учреждению, которое обратиться к нему с соответствующим запросом{182}. Другими словами, алгоритмические системы оценивания стали еще одним примером доступного через Интернет тиражируемого ПО, которое будет способствовать ускорению неизбежного процесса автоматизации квалифицированного труда.

Взлет и падение массовых открытых онлайн-курсов

Бесплатные курсы в Интернете, подобные тем, которые предлагает консорциум edX, являются частью тенденции, связанной с ростом популярности массовых открытых онлайн-курсов (МООК), которые ворвались в общественное сознание в конце лета 2011 г., когда два специалиста в области компьютерных вычислений из Стэнфордского университета — Себастьян Трун и Питер Норвиг объявили о том, что любой сможет бесплатно пройти их вводный курс по искусственному интеллекту по Интернету. Оба этих человека были знаменитостями в своей области, и оба были тесно связаны с Google: Трун руководил в Google разработкой автономных автомобилей, а Норвиг занимал должность директора по научным исследованиям в этой компании, а также был одним из авторов наиболее авторитетного учебника по искусственному интеллекту. В течение нескольких дней после объявления более 10 000 человек подали заявку на прохождение курса. Когда корреспондент The New York Times Джон Маркофф опубликовал на первой полосе статью о курсе{183}, количество желающих превысило 160 000 человек более чем из 190 стран. Количество онлайн-студентов из одной только Литвы превышало общее количество студентов и аспирантов в Стэнфорде. Самому молодому было десять лет, а самому пожилому — семьдесят, и все они хотели воспользоваться уникальной возможностью познакомиться с основами теории искусственного интеллекта непосредственно от двух ведущих специалистов в этой области, что до того было доступно лишь приблизительно 200 студентам Стэнфорда{184}.

Десятинедельный курс был поделен на короткие сегменты продолжительностью по несколько минут, построенные приблизительно на тех же принципах, что и исключительно популярные видеоролики для учеников средней школы, созданные авторами онлайн-академии Khan Academy. Я ознакомился с несколькими разделами курса и убедился в том, насколько эффективен и привлекателен данный формат. В видеороликах не было никаких визуальных ухищрений — большую часть времени Трун или Норвиг излагали материал, используя для записей обычный блокнот. После каждого короткого сегмента следовал интерактивный тест, состоящий из вопросов с вариантами ответа. Этот метод обеспечивает эффективное усвоение ключевых идей курса по мере его прохождения. Всего курс просмотрели приблизительно 23 000 человек — это те, кто сдал заключительный экзамен и получил сертификат о прохождении курса от Стэнфордского университета.

Всего за несколько месяцев вокруг феномена МООК сформировалась абсолютно новая отрасль. Заручившись поддержкой венчурных инвесторов, Себастьян Трун основал новую компанию под названием Udacity для проведения бесплатных или недорогих онлайн-курсов. Лучшие университеты США и всего мира один за другим начали присоединяться к этой инициативе. Еще два профессора из Стэнфорда — Эндрю Нг и Дафни Коллер, получив $22 млн в виде первоначальных инвестиций, основали Coursera и начали сотрудничать со Стэнфордским, Мичиганским, Пенсильванским и Принстонским университетами. Гарвард и МIT оперативно инвестировали $60 млн в создание edX. В ответ на это основатели Coursera добавили к первоначальному списку Университет Джона Хопкинса и Калифорнийский технологический институт. Через восемнадцать месяцев с этим веб-ресурсом сотрудничали уже более ста учебных заведений со всего мира.

К началу 2013 г. ажиотаж вокруг МООК достиг своего апогея на фоне феноменального роста количества слушателей курсов. Все думали, что онлайн-курсы — провозвестник новой эпохи, которая откроет двери в мир элитарного образования всем желающим без всякой платы или за минимальное вознаграждение. Бедняки из Африки и Азии должны были получить доступ к университетам «Лиги плюща» посредством дешевых планшетов и смартфонов. Обозреватель The New York Times Томас Фридман назвал МООК «началом мировой революции в высшем онлайн-образовании» и предположил, что онлайн-курсы способны «подключить к решению самых больших проблем мирового масштаба еще один миллиард умов»{185}.

Но всему этому не суждено было сбыться, что стало понятно в конце 2013 г. после публикации учеными из Пенсильванского университета двух исследований. Авторы одного из них проанализировали участие миллиона человек, записавшихся на онлайн-курсы на сайте Coursera, и обнаружили, что у МООК «относительно немного активных участников; что активность заметно падает — в особенности после первых 1−2 недель курса — и что очень немногие из них добираются до конца курса»{186}. Лишь половина записавшихся просматривали хотя бы одну лекцию! Процент прошедших курс полностью варьировался в пределах 2−24, составляя в среднем 4 %. Также МООК не удалось привлечь существенное количество бедных и малообразованных студентов, которым, как все надеялись, они должны были принести наибольшую пользу: приблизительно 80 % записавшихся уже имели высшее образование.

Несколько месяцев спустя выяснилось, что резонансный совместный проект Udacity и Государственного университета Сан-Хосе также не оправдал возлагавшиеся на него надежды. Все началось в январе 2013 г., когда Себастьян Трун и губернатор Калифорнии Джерри Браун объявили на пресс-конференции о реализации образовательной программы, направленной на предоставление студентам из малоимущих слоев населения доступа к недорогим онлайн-курсам по основам математики, алгебры и статистики. Данная программа рассматривалась в качестве возможного решения проблемы высокой стоимости обучения и переполненности государственных колледжей. Когда первые группы студентов завершили обучение в рамках курсов, стоимость которых составляла всего $150 и которые включали индивидуальные онлайн-консультации с преподавателями, результаты оказались удручающими. Три четверти студентов, записавшихся на курс по алгебре (почти 90 % из них были выпускниками средней школы), провалились. В общем и целом результаты студентов МООК были намного хуже результатов студентов, посещавших занятия в Университете Сан-Хосе. После этого университет принял решение о заморозке программы — во всяком случае на какое-то время{187}.

Отказавшись от идеи универсального образования, Udacity теперь уделяет основное внимание узкоспециальным курсам, помогающим тем, кто уже работает, получить конкретные навыки технического характера. Например, такие компании, как Google и Salesforce, используют данную образовательную платформу для проведения курсов, призванных научить разработчиков ПО работать с продуктами этих компаний. Также Udacity начала сотрудничать с Технологическим институтом Джорджии в рамках проекта, участники которого впервые в истории МООК получат возможность получить магистерскую степень в области компьютерных вычислений. Плата за программу, состоящую из трех семестров, составит всего $6600, что на 80 % меньше стоимости при очной форме обучения. Расходы по подготовке программы взяла на себя компания AT&T, которая планирует направить для участия в ней многих из своих сотрудников. На начальном этапе Технологический институт Джорджии планирует набрать около 375 студентов, но в дальнейшем институт собирается увеличить численность учащихся до нескольких тысяч.

МООК продолжают развиваться и совершенствоваться, а значит, надежда на то, что они совершат мировую революцию, которая обеспечит доступ к высококачественному образованию сотням миллионов бедняков по всему миру, в конце концов, может осуществиться. Однако сейчас уже очевидно, что в ближайшее время большую часть аудитории онлайн-курсов все-таки будут составлять те, кто уже имеет высокую мотивацию для получения дополнительного образования. Другими словами, МООК суждено конкурировать за тех же самых людей, которые идут в обычные университеты. Допуская, что потенциальные работодатели могут рассматривать МООК в качестве преимущества, в конечном итоге это может привести к коренной перестройке высшего образования.

Академические кредиты и анализ компетентности

Когда Трун и Норвиг подвели итоги своего курса по теории искусственного интеллекта в 2011 г., они обнаружили, что высший балл получили 248 участников — они не дали ни одного неправильного ответа на экзаменационные ответы. Также выяснилось, что в этой группе лучших учеников не было ни одного студента Стэнфорда. Более того, самый успешный из прошедших курс представителей этого университета даже не вошел в первые четыре сотни участников. При этом никто из «звезд» курса не получил ни один кредит Стэнфордского университета или хотя бы обычный сертификат, подтверждающий достижения.

За несколько месяцев до того, как администрация Стэнфордского университета впервые узнала о наплыве желающих пройти курс, ее представители несколько раз вызывали отвечающих за данную инициативу профессоров на совещания, посвященные вопросу о документах, которые могли бы быть выданы участникам онлайн-курса в качестве подтверждения его прохождения. Проблема заключалась не только в том, что десятки тысяч людей, с которых университет не мог взять те $40 000, которые ежегодно вносят в качестве платы за обучение его обычные студенты, потенциально могли присвоить себе частичку престижа Стэнфордского университета, но и в отсутствии возможности проверить личность студентов в удаленных уголках мира. В итоге администрация согласилась с тем, что в качестве подтверждения прохождения курса в Интернете его участники смогут получить самый простой документ — своего рода «справку об окончании». Руководство Стэнфорда было настолько озабочено точностью терминологии, что, когда кто-то из журналистов в заметке о курсе использовал слово «сертификат», оно сразу же обратилось в газету с требованием заменить его на другое, более расплывчатое.

Что касается озабоченности руководства Стэнфорда проблемой установки личности студентов онлайн-курсов, эти опасения не были беспочвенными. И действительно, одной из самых больших трудностей, связанных с выдачей академических кредитов или официальных документов за МООК, является обеспечение того, чтобы их получил именно тот человек, который прошел курс и сдал все экзамены. При отсутствии надежной процедуры установления личности можно ожидать, что в скором времени появится целая отрасль, которая будет специализироваться на прохождении курсов и сдаче экзаменов. Более того, уже сейчас существует несколько сайтов, предлагающих услуги по прохождению онлайн-курсов за других людей в обмен за определенное вознаграждение. В конце 2012 г. журналисты с сайта Inside Higher Ed решили проверить работу этих ресурсов и под видом студентов отправили на некоторые из них запросы на прохождение вводного онлайн курса по экономике, проводимого Пенсильванским университетом. В ответ они получили предложения о прохождении курса за плату в размере от $775 до $900 с гарантией получения оценки не ниже «B». И это за курс в обычном подразделении Пенсильванского университета, занимающемся традиционным дистанционным обучением и выдающем стандартные документы о получении образования, т. е. в организации, в которой проверка личности студента должна вызывать куда меньше трудностей, чем в рамках открытого курса с огромным количеством участников{188}. Всего в Пенсильванском университете учатся около 6000 студентов и аспирантов — капля по сравнению с тем количеством людей, которые могут записаться на какой-нибудь популярный МООК.

Еще одной серьезной проблемой массовых онлайн-курсов стало жульничество. В 2012 г. организаторы Coursera получили десятки жалоб на плагиат среди слушателей курсов по гуманитарным дисциплинам. Учитывая, что в таких курсах оценки за работы выставляются не алгоритмами, а сокурсниками, организаторам в ответ на многочисленные жалобы пришлось выяснять, какие из обвинений соответствовали действительности, а какие — нет. После того как в рамках курса, посвященного писательскому мастерству в жанре научной фантастики и фэнтези, прозвучали обвинения в том, что в эссе некоторых студентов были целые куски из «Википедии» и других ранее опубликованных источников, профессор Мичиганского университета Эрик Рабкин, который проводил данный курс, был вынужден направить всем 39 000 участникам письмо с предупреждением о запрете на использование чужих работ. Однако в своем письме он также подчеркнул, что «обвинение в плагиате является очень серьезным поступком, совершать который следует только при наличии конкретных доказательств»{189}. Самое удивительное в этих историях о плагиате то, что за участие в таких курсах кредиты не выдаются. Очевидно, некоторые жульничают «просто потому, что это можно делать» или, возможно, по причине незнания правил. В любом случае, если за прохождение таких курсов будут начисляться академические кредиты, это, несомненно, станет мощным стимулом для жульничества.

У проблемы установления личности и жульничества есть ряд возможных решений, носящих чисто технический характер. Самый простой способ — начинать каждую сессию с вопросов, требующих ввода персональных данных. Если вы планируете жульничать, наняв кого-нибудь для прохождения курса от вашего имени, скорее всего, вы хорошенько задумаетесь, стоит ли это того, чтобы давать этому человеку ваш номер социального страхования. Однако этот подход трудно осуществим за пределами США. Еще один метод предполагает наличие включенной камеры на устройстве учащегося на всем протяжении занятий, чтобы организаторы могли наблюдать за ним. В 2013 г. edX — консорциум МООК, основанный Гарвардским университетом и МIT, — начал выдавать студентам, участвующим в занятиях под наблюдением вездесущего ока веб-камеры, за дополнительную плату сертификаты с отметкой о подтверждении личности. Такие сертификаты могут быть предоставлены потенциальному работодателю, но, как правило, не могут использоваться для получения академических кредитов. Наблюдение со стороны прокторов — дорогостоящий процесс, который, очевидно, не может быть распространен на десятки тысяч людей, принимающих участие в бесплатном курсе, но, судя по всему, на эту роль могут подойти алгоритмы распознавания лица, аналогичные тем, что используются в настоящее время в Facebook. Также в ближайшем будущем стоит ожидать появления алгоритмов, способных идентифицировать студентов на основе результатов анализа ритма нажатия клавиш, и алгоритмов, которые поставят крест на плагиате за счет автоматического сравнения письменных работ с огромными собраниями существующих работ{190}.

Одним из наиболее многообещающих способов выдачи академических кредитов за МООК может стать проверка уровня компетентности. В рамках этого подхода студенты смогут получать кредиты, не посещая занятия, а выполняя специальные тесты для демонстрации компетентности в определенных областях. Первыми идею образования на основе компетентности (Competence-Based Education, CBE) реализовали на практике преподаватели Западного губернаторского университета (Wester Governer's University, WGU) — онлайн-организации, решение о создании которой обсуждалось на конференции 1995 г. при участии губернаторов девятнадцати штатов на западе США. Начав работу в 1997 г., к 2013 г. WGU имел уже более 40 000 студентов, среди которых было много тех, кто хотел завершить начатое обучение или получить новую специальность. Когда в сентябре 2013 г. Университет Висконсина объявил о введении программы на основе анализа компетентности с выдачей дипломов, это послужило толчком к дальнейшему развитию данного подхода.

CBE может оказаться идеальным для МООК, поскольку в нем проводится граница между самими курсами и выдаваемыми после них документами об образовании. При этом проблемы установления личности студента и жульничества будут касаться только этапа оценочного тестирования. Это открывает перед венчурным капиталом возможности по созданию фирмы, которая возьмет на себя работу по проведению тестов и выдаче образовательных документов, не принимая никакого участия в хлопотном и затратном деле организации курсов. Студенты с достаточным уровнем мотивации смогут самостоятельно выбрать, как им достичь необходимого уровня компетентности, включая МООК, самообразование и традиционные занятия, а затем сдать тест под контролем упомянутой фирмы для получения кредитов. Такого рода тесты могут быть достаточно сложными, по сути, выступая в качестве своего рода фильтра, который отчасти напоминает процесс поступления в престижные учебные заведения. Если такому стартапу удастся создать надежную репутацию организации, выдающей кредиты и сертификаты только студентами с высоким уровнем компетентности, и если — что, наверное, важнее всего — он сможет наладить прочные связи с крупнейшими работодателями, обеспечив востребованность своих выпускников на рынке труда, у него будут все шансы перевернуть индустрию высшего образования.

Ежегодный опрос высшего руководства почти 3000 американских колледжей и университетов показал, что в течение 2013 г. произошло значительно снижение ожиданий, связанных с дальнейшим развитием МООК. Почти 40 % опрошенных заявили, что массовые онлайн-курсы не являются жизнеспособным методом обучения; в ходе аналогичного опроса за год до того с этим мнением согласилась лишь четверть управленцев из сферы высшего образования. Журнал The Chronicle of Higher Education также выступил с далеким от оптимизма отчетом, отмечая, что «за прошедший год МООК не продемонстрировали никаких признаков победы над существующей системой оценивания и выдачи документа об образовании, что ставит под вопрос их репутацию в качестве проводника радикальных изменений, как поначалу это казалось многим обозревателям»{191}.

Один из парадоксов МООК заключается в том, что, несмотря на все их недостатки в качестве массового образовательного инструмента, для студентов, обладающих достаточным уровнем мотивации и самодисциплины, они могут стать феноменально эффективным методом обучения. Когда Трун и Норвиг только начинали публиковать свои материалы по искусственному интеллекту в Интернете, они с удивлением обнаружили, что посещаемость их лекций в Стэнфорде резко пошла вниз: к концу курса из 200 записавшихся на них студентов университета регулярно посещали лекции всего лишь 30. Оказалось, что остальные предпочитали заниматься в рамках онлайн-курса. Также они обнаружили, что новый формат МООК помог их университетским студентам показать в среднем более высокие результаты на экзаменах по сравнению со студентами, изучавшими тот же самый курс в прежние годы.

Наверное, было бы слишком преждевременно объявлять о том, что МООК потерял свою актуальность. Скорее, мы просто являемся свидетелями обычного для новых технологий явления — трудностей роста. Стоит вспомнить, что, например, операционная система Microsoft Windows заняла доминирующие позиции в отрасли только после выхода в свет ее третьей версии — более чем через пять лет после появления на рынке. Кроме того, нельзя исключать, что на самом деле пессимизм руководства высших учебных заведений в отношении жизнеспособности МООК в будущем во многом связан с опасениями, вызванными возможным влиянием этих курсов на финансовое положение возглавляемых ими учреждений и на сектор высшего образования в целом.

В преддверии новой эпохи

Если МООК все-таки удастся совершить революцию, то это будет революция в отрасли, которая приносит почти $0,5 трлн в год и обеспечивает работой более 3,5 млн человек{192}. В период с 1985 по 2013 г. стоимость высшего образования выросла на 538 %, тогда как общий индекс потребительских цен увеличился лишь на 121 %. Расходы на образование по темпам роста превысили даже затраты на медицину, которые выросли приблизительно на 286 % за тот же период{193}. Значительная часть этих расходов оплачивается кредитами на обучение, общая сумма которых сейчас в США составляет $1,2 трлн. Приблизительно 70 % студентов высших учебных заведений в США занимают деньги на образование; в среднем выпускники начинают свою карьеру с долгом в размере чуть меньше $30 000{194}. При этом нужно помнить, что лишь около 60 % студентов, получающих образование в рамках программ бакалавриата, заканчивают обучение в течение шести лет; таким образом, остальные вынуждены расплачиваться по накопленным долгам без диплома{195}.

Что удивительно, доля фактических расходов на образовательный процесс в колледжах и университетах в резко выросшей стоимости высшего образования относительно невелика. В своей книге 2013 г. «Колледж без прикрас» (College Unbound) Джеффри Селинго приводит данные, собранные небольшой исследовательской организацией Delta Cost Project, которая пользуется большим авторитетом в области анализа индустрии высшего образования. В период с 2000 по 2010 г. крупные государственные исследовательские университеты увеличили расходы на предоставление услуг студентам на 19 %, административные нужды — на 15 %, а текущую деятельность — на 20 %. При этом расходы на преподавание намного отстали в своем росте от остальных показателей, поднявшись всего лишь на 10 %{196}. Более того, в системе калифорнийских университетов в 2009−2011 гг. количество сотрудников на факультетах уменьшилось на 2,3 %, даже несмотря на увеличение набора студентов на 3,6 %{197}. Чтобы сэкономить на зарплатах преподавателей, университеты все чаще переводят своих сотрудников на частичную занятость или вообще выводят за штат, оплачивая их труд исходя из количества прочитанных курсов — в некоторых случаях сотрудники получают за курс длиною один семестр всего лишь $2500 — и лишая их всех дополнительных выплат и льгот. В особенности остро эта проблема стоит в гуманитарных науках, где огромное количество сотрудников, надеявшихся на получение бессрочных контрактов, оказалось после защиты диссертации на внештатных позициях, что с точки зрения карьеры университетского преподавателя равносильно тупику.

Если расходы на преподавание в основной своей части увеличились незначительно, величина затрат на администрацию и материальную сторону образовательного процесса выросла многократно. Во многих крупных кампусах в настоящее время больше администраторов, чем преподавателей. В тот самый двухлетний период, когда персонал факультетов в Калифорнийском университете уменьшился более чем на 2 %, число сотрудников руководящего звена выросло на 4,2 %. Расходы на специалистов, занимающихся индивидуальным консультированием студентов, также резко выросли: на эти позиции в американских университетах теперь приходится почти треть всех рабочих мест для преподавателей{198}. Создается ощущение, что сфера высшего образования превратилась в самодостаточную машину по созданию рабочих мест для людей с кучей дипломов и степеней — разумеется, если только речь не идет о тех, кто по-настоящему хочет преподавать. Другой крупной статьей расходов стала необычайная щедрость при строительстве роскошного жилья для студентов, а также развлекательных и спортивных сооружений. Селинго пишет, что «самым абсурдным проявлением расточительства является Lazy River, по сути дела, представляющий собой тематический парк водных аттракционов, в котором студенты могут поплавать на плотах»{199}. Администрации Бостонского университета, Университета Акрона, Университета Алабамы и Университета Миссури считают такие места развлечений неотъемлемой частью университетской жизни.

Самым важным фактором, конечно же, стала готовность студентов и их семей вносить неуклонно растущую плату за пускай и не стопроцентную, но все-таки некоторую гарантию вхождения в средний класс. Поэтому неудивительно, что многие наблюдатели склонны рассматривать высшее образование в качестве «пузыря», ну или по крайней мере многоуровневого карточного домика, стоящего на пороге цифрового апокалипсиса, аналогичного тому, который пережил газетный и журнальный бизнес. По мнению экспертов, предлагаемые элитными университетами МООК являются тем механизмом, который, скорее всего, приведет к реализации сценария «победитель получает всё» — обязательного атрибута перехода любой отрасли на цифровые технологии.

В США более 2000 колледжей и университетов, предлагающих четырехлетние образовательные программы. Если добавить к ним учреждения, дающие двухлетнее образование, эта цифра превысит 4000. При этом лишь 200–300 из них конкурентоспособны. Учебных заведений с хорошей репутацией — тех, которые могут считаться по-настоящему элитными, — разумеется, и того меньше. Представьте, что в будущем студенты колледжей смогут записываться на онлайн-курсы, проводимые профессорами Гарварда или Стэнфорда, а затем получать подтверждающие документы, которые будут приниматься работодателями и учреждениями, занимающимися послевузовским образованием. Кто в этом случае захочет залезать в долги, чтобы оплачивать обучение в третьесортном учебном заведении?

По мнению Клейтона Кристенсена, профессора Гарвардской школы бизнеса и эксперта по революционным инновациям в различных отраслях экономики, очевидный ответ на этот вопрос сулит безрадостное будущее тысячам учебных заведений. В одном из интервью, которое Кристенсен дал в 2013 г., он заявляет, что «через 15 лет половина американских университетов могут оказаться банкротами»{200}. Даже если большинству высших учебных заведений удастся остаться на плаву, нетрудно представить, насколько сократится прием и, соответственно, прибыль, следствием чего станут массовые увольнения и среди руководства, и среди преподавателей.

Многие люди исходят из того, что революция начнется на самом верху, когда студенты начнут массово записываться на курсы университетов «Лиги плюща». Это мнение основывается на допущении, что переход на цифровые технологии затронет то, что мы называем «образованием». Однако сам тот факт, что учреждения вроде Гарварда или Стэнфорда готовы давать образование бесплатно, является свидетельством правоты тех, кто рассматривает их в качестве источника дипломов и степеней, а не знаний. Дипломы элитных учебных заведений не поддаются массовому копированию, как, скажем, файлы с музыкальными композициями в цифровом формате; они больше похожи на выпускаемые ограниченным тиражом произведения искусства или выпускаемые центральным банком бумажные деньги. Если их будет много, их ценность упадет. Я подозреваю, что по этой причине по-настоящему элитарные университеты всегда будут негативно относиться к идее о выдаче окончившим курсы дипломов и сертификатов, представляющих хоть какую-то ценность.

Более вероятно, что главной движущей силой революции станут учебные заведения, стоящие на ступеньку ниже, в особенности крупные государственные университеты, имеющие репутацию важных научных центров и выпускающие огромное количество специалистов — а также обладающие мощными брендами, ассоциирующимися с выдающимися футбольными и баскетбольными командами — и все чаще испытывающие трудности с финансированием на фоне сокращения государственных расходов. Совместный проект Технологического института Джорджии и Udacity по подготовке дипломированных специалистов в области компьютерных вычислений с использованием МООК, а также эксперимент Университета Висконсина по выдаче дипломов по результатам оценки компетентности позволяют заглянуть в будущее, в котором эти явления станут массовыми. Как я уже говорил ранее, одна или несколько частных фирм могут занять большую долю рынка, предложив возможность получения документов о профессиональном образовании исключительно по результатам прохождения специальных тестов.

Даже если развитие МООК в ближайшем будущем не приведет напрямую к выдаче дипломов и прочих востребованных рынком документов об образовании, такие курсы в любом случае могут стать угрозой для бизнес-моделей многих колледжей. Массовые вводные лекции в рамках таких курсов, как «Экономика» и «Психология», являются жизненно важными источниками дохода для колледжей, давая им возможность с минимальными затратами для себя обучать сотни студентов, большинство из которых вносит полную плату. Как только студенты получат возможность заменить такие курсы бесплатными или недорогими МООК, проводимыми знаменитыми профессорами из элитных учебных заведений, они не преминут это сделать, что само по себе станет настоящим ударом по финансовой стабильности многих не самых лучших учебных заведений.

Массовость МООК сама по себе станет важным фактором внедрения инноваций по мере их развития. Участие студентов в таких курсах сопровождается сбором огромного количества данных о них самих и о том, что приводит их к успеху или неудаче. Как мы видели, применение методов обработки больших данных почти всегда дает важные наблюдения, которые позволяют со временем добиваться более высоких результатов. Образование тоже не стоит на месте, а значит, можно ожидать, что с появлением новых технологий они будут все чаще использоваться в рамках МООК. Например, адаптивные системы обучения можно считать своего рода роботизированными преподавателями. Эти системы тщательно отслеживают успехи отдельных студентов, предлагая им индивидуальное обучение и персональную помощь. Они также способны подстраиваться под темп обучения, соответствующий способностям студентов. У нас уже есть примеры успешной работы таких систем. В частности, это показывает недавно проведенное рандомизированное исследование, включавшее анализ статистических данных по вводным курсам в шести государственных университетах. В рамках исследования все студенты были поделены на две группы: преподавание для членов первой группы проводилось в традиционном формате, тогда как главным методом во второй было роботизированное обучение с ограниченным количеством аудиторных часов. Оказалось, что результаты обучения были схожими в обеих группах студентов, «включая процент успешно сдавших экзамены, количество баллов на заключительном экзамене и результаты стандартной оценки статистической грамотности»{201}.

Если сфера высшего образования все-таки «падет» под стремительным натиском цифровых технологий, весьма велика вероятность того, что результаты последующей трансформации будут носить неоднозначный характер. С одной стороны, стоимость высшего образования снизится, и оно станет доступно более широкому кругу людей, но, с другой, внедрение новых технологий может привести к разрушению отрасли, которая сама по себе является важным поставщиком рабочих мест для высококвалифицированных специалистов. И, как мы уже видели на примере целого ряда других отраслей, стремительное развитие технологий автоматизации на основе ПО ставит крест на будущем многих рабочих мест, которые требуют высокой квалификации и которые, вероятнее всего, будут интересовать новых выпускников. Пока алгоритмы оценивания эссе и роботы-преподаватели будут учить студентов навыкам письменной речи, многие из рутинных задач по написанию текстов, выполняемых начинающими специалистами, будут автоматизированы с помощью алгоритмов вроде тех, что разрабатываются компанией Narrative Science.

Также нельзя исключать естественную синергию роста популярности МООК и практики офшоринга в области умственного труда. Если выпускникам массовых онлайн-курсов все-таки начнут выдавать дипломы о высшем образовании, это неизбежно приведет к тому, что значительная часть этих дипломов достанется студентам из развивающихся стран. К тому же они будут составлять большую часть самых успешных студентов. А значит, по мере привыкания к найму специалистов в рамках этой новой парадигмы работодатели будут все чаще искать подходящих кандидатов в других странах.

Высшее образование является одной из двух главных отраслей экономики США, которым до настоящего момента удавалась оставаться в стороне от стремительного прогресса в области цифровых технологий. Тем не менее внедрение различных инноваций, включая МООК, автоматизированные алгоритмы оценивания и адаптивные системы обучения, указывает на то, что эта отрасль уже встала на путь революционных изменений. В следующей главе речь пойдет об еще одном оплоте доцифровой эпохи — системе здравоохранения, для покорения которой роботам придется преодолеть еще даже большее сопротивление, чем в случае с высшим образованием.

Глава 6

Испытание здравоохранением

В мае 2012 г. в клинику Марбургского университета в Германии поступил мужчина 55 лет. У пациента отмечались жар, воспаление пищевода, низкий уровень гормона щитовидной железы и ухудшение зрения. До того он уже побывал у нескольких врачей, которых его состояние привело в полное замешательство. К моменту госпитализации в клинику в Марбурге он почти ослеп, а также у него были все признаки сердечной недостаточности. За несколько месяцев до того на другом континенте весьма похожая медицинская загадка привела к операции по пересадке сердца женщине 59 лет в Медицинском центре Университета Колорадо в Денвере.

Как оказалось, у обеих этих загадок была одна и та же разгадка: отравление кобальтом{202}. Оба пациента ранее перенесли операцию по протезированию тазобедренного сустава с использованием металлического протеза. По мере изнашивания металлические имплантаты выделяли частицы кобальта, оказывая продолжительный токсический эффект на организм пациентов. По удивительному совпадению, описывающие эти два случая статьи были опубликованы независимо друг от друга в двух ведущих медицинских журналах в один и тот же день в феврале 2014 г. В статье немецких врачей содержалась одна поразительная деталь: в отличие от американских коллег, которые решили прибегнуть к хирургической операции, немецким специалистам удалось разрешить загадку благодаря тому, что один из них вспомнил сериал «Доктор Хаус», показанный в феврале 2011 г. В одной из серий главный герой доктор Грегори Хаус столкнулся с аналогичной проблемой и поставил нетривиальный диагноз: отравление кобальтом в результате протезирования тазобедренного сустава.

Тот факт, что две группы врачей могут с большим трудом поставить один и тот же диагноз — да еще и тогда, когда решение проблемы можно найти в сериале, который идет в прайм-тайм перед миллионами телезрителей, — показывает всю степень ограниченности медицинских знаний и навыков диагностирования конкретного врача — и это в эпоху, когда Интернет настолько облегчил доступ к информации и максимально расширил возможности для взаимодействия! В результате процесс диагностирования и лечения заболеваний в основных своих чертах остался практически неизменным. Одним из самых важных положительных последствий применения технологий искусственного интеллекта и больших данных в медицине может стать пересмотр традиционного подхода к решению проблем и получение доступа ко всей той информации, которая сейчас заключена в голове каждого отдельно взятого врача или опубликована в малоизвестных медицинских журналах.

До настоящего времени успехи в развитии информационных технологий, под влиянием которых во многих областях экономики произошла настоящая революция, в основной своей части обходили стороной сферу здравоохранения. Особенно трудно найти хоть какие-нибудь свидетельства внятного положительного воздействия технологий, когда речь заходит об эффективности всей системы в целом. В 1960 г. на здравоохранение приходилось менее 6 % экономики США{203}. К 2013 г. эта величина выросла в три раза, почти достигнув 18 %, а расходы на здравоохранение на душу населения в США взлетели до уровня, в два раза превышающего аналогичные показатели в большинстве промышленно развитых стран. Если влияние технологий по-прежнему будет носить столь же асимметричный характер, приводя к снижению зарплат и безработице в большинстве отраслей экономики на фоне продолжающегося роста расходов на здравоохранение, это может стать одним из самых серьезных факторов риска в будущем. С этой точки зрения опасность заключается не в том, что роботов в здравоохранении будет слишком много, а, наоборот, в том, что их будет слишком мало. Если технологии не справятся со своими задачами в области здравоохранения, это приведет к резкому росту бремени расходов — которые, в конце концов, станут просто неподъемными — как на уровне отдельных домохозяйств, так и экономики в целом.

Искусственный интеллект в медицине

Общий объем информации, которая может оказаться полезной для врача, пытающегося поставить диагноз конкретному пациенту или выработать оптимальную стратегию лечения, поражает воображение. Врачам приходится иметь дело с непрерывным потоком новых открытий, инновационных методов лечения и результатов клинических исследований, публикуемых в научно-медицинских журналах по всему миру. Например, в базе данных MEDLINE, размещенной в Интернете Национальной медицинской библиотекой США, содержится более 5600 различных журналов, в каждом из которых ежегодно публикуются десятки и даже сотни научных статей. Кроме того, существуют миллионы медицинских документов, историй болезни и описаний конкретных случаев, в которых может быть важная информация. По некоторым оценкам, приблизительно каждые пять лет общий объем всех этих данных{204}. Даже в узкоспециальных областях медицинской практики трудно представить себе человека, который мог бы усвоить адекватный объем необходимой ему информации — чаще всего все ограничивается лишь небольшой его долей.

Как мы видели в главе 4, медицина относится к тем областям, в которых, как надеются специалисты IBM, внедрение технологии Watson может привести к революционным изменениям. Система IBM способна перерабатывать огромные объемы информации в самых разных форматах, а затем практически мгновенно делать выводы, которые могут ускользнуть даже от самого дотошного исследователя. Легко поверить, что уже в ближайшем будущем она превратится в незаменимый инструмент диагностики — по крайней мере в практике врачей, имеющих дело с особенно сложными случаями.

Ежегодно через хьюстонскую больницу Онкологического центра Андерсона при Техасском университете, который традиционно считается лучшим специализированным онкологическим учреждением в США, проходит более 100 000 пациентов. В 2011 г. команда разработчиков Watson из IBM начала совместную работу с врачами центра с целью создания версии системы, специально адаптированной под нужды врачей-онкологов, занимающихся лечением пациентов с лейкемией. Основная задача проекта — создать интерактивного помощника, который будет рекомендовать оптимальные методы лечения на основе всех имеющихся данных, подбирать пациентам клинические курсы в соответствии с их индивидуальными особенностями и указывать на возможные факторы риска и побочные эффекты, представляющие угрозу для конкретных пациентов. Уже на начальном этапе проекта выяснилось, что работа движется не так быстро, как ожидали специалисты IBM. Главным образом это было обусловлено трудностями, связанными с необходимостью проектирования алгоритмов, в которых учитывались бы все особенности диагностирования и лечения онкологических заболеваний. Рак, как оказалось, сложнее «Jeopardy!». Тем не менее в январе 2014 г. в The Wall Street Journal вышла статья, в которой сообщалось, что в проекте по созданию системы диагностирования и лечения лейкемии на основе Watson в Онкологическом центре Андерсона «вновь появилась надежда» на появление работоспособной версии{205}. Исследователи рассчитывают, что в ближайшие два года им удастся расширить возможности системы, с тем чтобы она могла работать с другими видами онкологических заболеваний. Весьма вероятно, что уроки, извлеченные IBM из этого пилотного проекта, позволят компании быстрее добиваться успеха при применении технологии Watson на практике в будущем.

Как только будет обеспечена стабильная работа системы, сотрудники Центра Андерсона планируют открыть к ней доступ через Интернет, чтобы врачи по всему миру могли использовать ее в качестве мощного ресурса. По мнению специалиста по лейкемии Кортни Динардо, технология Watson «может сделать онкологическую помощь более доступной», предоставляя любому врачу «доступ к самым последним научным знаниям и опыту Онкологическому центру Андерсона». «Что касается врачей, не являющихся специалистами по лейкемии, — продолжает она, — система может служить источником независимого экспертного мнения, давая им возможность пользоваться теми же знаниями и той же информацей», которые использует в своей работе лучший в стране онкологический центр. Динардо также считает, что, помимо рекомендаций по лечению конкретных пациентов, система «станет уникальной исследовательской платформой, которая может использоваться для формулирования проблем, проверки гипотез и решения важнейших научных задач»{206}.

Хотя в настоящее время Watson, конечно, и является самым амбициозным и выдающимся примером практического применения технологий искусственного интеллекта в медицине, существуют и другие, не менее важные примеры. В 2009 г. исследователи из Клиники Мейо в Рочестере, в штате Миннесота создали искусственную нейронную сеть, предназначенную для диагностирования случаев эндокардита — заболевания, связанного с воспаление внутренней оболочки стенки сердца (эндокарда). Как правило, при эндокардите в пищевод пациенту вводится зонд с целью диагностирования потенциально смертельной инфекции, которая может быть причиной воспаления. Данная процедура не только причиняет неудобства пациенту, но еще и связана с большими расходами и риском для здоровья. Чтобы обойтись без инвазивного вмешательства, врачи из клиники Мейо научили нейронную сеть ставить диагноз на основе результатов стандартных анализов и наблюдаемых симптомов. В ходе исследования с участием 189 пациентов было установлено, что система выдает правильный результат более чем в 99 % случаев, избавляя свыше половины пациентов от необходимости проходить инвазивную диагностическую процедуру{207}.

Одним из важнейших последствий внедрения технологий искусственного интеллекта в медицине должно стать снижение процента непоправимых ошибок как при диагностировании, так и в лечении. В ноябре 1994 г. журналистка 39 лет, мать двоих детей Бетси Леман, получившая широкую известность благодаря своей колонке о связанных со здоровьем проблемах в The Boston Globe, получила назначение на третий курс химиотерапии — очередной этап ее непрекращающейся борьбы с раком молочной железы. Леман госпитализировали в Институт онкологии Дана-Фарбер в Бостоне, считающийся — наряду с Центром Андерсона — одним из лучших онкологических центров в стране. В соответствии с планом лечения Леман должна была получить циклофосфамид — высокотоксичный препарат, убивающий клетки опухоли, — в очень большой дозе. Делавший назначение научный сотрудник по ошибке написал в направлении не ту цифру, в результате чего доза, в которой Леман получила препарат, оказалась в четыре раза выше предусмотренной планом лечения. 3 декабря 1994 г. Леман умерла от передозировки препарата{208}.

Леман лишь одна из 98 000 пациентов, ежегодно умирающих в США в результате медицинских ошибок, которые можно было предотвратить{209}. По оценке Института Медицины США, в 2006 г. от одних только ошибок при назначении препаратов пострадали как минимум 1,5 млн американцев. Цена этих ошибок — $3,5 млрд в виде дополнительных расходов на лечение в год{210}. Применение системы искусственного интеллекта с доступом к подробной медицинской документации, а также информации о препаратах, включая данные о вызываемых ими побочных эффектах и возможном токсическом действии, вероятно, позволило бы предотвратить такие ошибки даже в сложных случаях, предполагающих взаимодействие нескольких препаратов. Такая система могла бы использоваться врачами и медсестрами в качестве интерактивного помощника, обеспечивая мгновенную проверку как безопасности, так и эффективности препарата перед его применением и тем самым спасая людские жизни или избавляя пациентов от ненужных неудобств и расходов, в особенности в ситуациях, когда персонал больницы теряет внимание из-за усталости или отвлекающих факторов.

Как только в своей эволюции в качестве практического инструмента в медицине технологии искусственного интеллекта достигнут точки, когда они смогут выступать в качестве компетентных консультантов, способных формулировать независимые заключения со стабильно высоким уровнем качества, они также могут помочь обуздать высокие издержки, связанные с профессиональной ответственностью врачей. Стараясь обезопасить себя от возможных судебных исков, многие специалисты предпочитают перестраховаться и назначают своим пациентам все мыслимые анализы. Имея на руках задокументированное независимое мнение, сформулированное системой искусственного интеллекта в соответствии с принятыми стандартами медицинской практики, врачи получают своего рода «индульгенцию», которая может защитить их от таких исков. Это может привести к снижению расходов на ненужные медицинские анализы и обследования, а также снизить стоимость страхования на случай врачебной ошибки[36].

Если заглянуть еще дальше в будущее, можно легко представить, как внедрение технологий искусственного интеллекта приведет к настоящей революции в подходах к оказанию медицинских услуг. Как только машины докажут, что они способны ставить точный диагноз и назначать эффективное лечение, вероятно, врачам больше не нужно будет лично присутствовать при каждом визите пациента в клинику.

Сразу после триумфальной победы Watson в «Jeopardy!» в 2011 г. я предположил в своей колонке в The Washington Post, что с внедрением этой технологии откроется возможность для формирования нового класса медицинских специалистов: людей с четырехлетним университетских образованием или степенью магистра, имеющих навыки общения с пациентами и проведения осмотров с последующей передачей этой информации в стандартную систему диагностирования и назначения лечения{211}. Имея навыки работы с широким кругом наиболее часто встречающихся случаев, эти новые врачи, услуги которых будут обходиться дешевле, помогут справиться с резким ростом числа пациентов с хроническими проблемами и заболеваниями, включая избыточный вес и диабет.

Разумеется, представляющие интересы врачей организации будут противодействовать появлению этих менее образованных конкурентов[37]. Однако в реальности подавляющее большинство выпускников медицинских факультетов не испытывают интереса к работе в качестве семейных врачей; еще меньше их вдохновляет перспектива работы в сельских районах страны. По данным различных исследований, в течение ближайших пятнадцати лет на фоне ухода на пенсию многих специалистов система здравоохранения столкнется с нехваткой 200 000 врачей. При этом планом реализации Закона о доступном медицинском обслуживании предусматривается включение в систему здравоохранения 32 млн новых пациентов{212}. Не будем забывать и о стареющем населении, которое все больше нуждается в медицинской помощи. Учитывая, что новоиспеченные врачи, которые обычно обременены большими долгами по образовательным кредитам, в большинстве своем отдают предпочтение более прибыльным специальностям, проблема нехватки врачей-терапевтов, оказывающих первичную медицинскую помощь, будет стоять особенно остро.

Тут и пригодится этот новый класс специалистов, обученных работе со стандартной системой искусственного интеллекта, заключающей в себе все те знания, на приобретение которых у обычных врачей уходит по меньшей мере десять лет интенсивной подготовки. Они смогут работать с обычными случаями, направляя пациентов, нуждающихся в более узкоспециализированной помощи, к врачам. Новые перспективы построения интересной карьеры могут пойти на пользу выпускникам колледжей, особенно если учесть сужение рынка труда в других сферах под влиянием развития интеллектуального ПО.

В некоторых областях медицины, в частности тех из них, которые не требуют непосредственного взаимодействия с пациентами, развитие технологий искусственного интеллекта должно привести к резкому росту производительности труда и в конечном итоге — к полной автоматизации. Например, врачей-рентгенологов учат интерпретировать изображения, полученные с помощью различных методов сканирования, которые используются в медицине. Учитывая стремительный прогресс в области обработки и распознавания изображений, можно предположить, что совсем скоро машины узурпируют задачи, традиционно выполняемые рентгенологами. Программное обеспечение уже умеет распознавать людей на фотографиях, опубликованных в Facebook, и даже помогает выявлять потенциальных террористов в аэропортах. В сентябре 2012 г. FDA выдала разрешение на применение автоматизированной системы ультразвуковой диагностики рака молочной железы. Данное устройство, разработанное компанией U-Systems, Inc., предназначено для выявления опухолей у тех 40 % женщин, которым не подходит стандартная технология маммографического исследования по причине высокой плотности тканей молочной железы. Интерпретацией изображений по-прежнему занимаются рентгенологи, но теперь для принятия решения им достаточно трех минут. Для сравнения: при использовании традиционных ручных средств ультразвуковой диагностики на анализ полученных изображений уходит двадцать-тридцать минут{213}.

Автоматизированные системы также могут стать надежным источником независимого мнения. Наиболее эффективным — правда, и весьма дорогостоящим — методом диагностики рака считается метод, при котором два рентгенолога сначала внимательно изучают каждый снимок, полученный методом маммографии, а затем обсуждают выявленные отклонения, пока не достигнут консенсуса. При использовании этой стратегии «двойного исследования» обеспечивается значительно более высокий процент выявляемых случаев рака, а также существенное сокращение случаев вызова пациентов для прохождения повторных обследований. В 2008 г. в New England Journal of Medicine были опубликованы результаты исследования, показывающего, что второго врача можно заменить машиной. В частности, было доказано, что результаты работы рентгенолога в связке с компьютерной системой диагностирования сопоставимы с результатами работы двух врачей, интерпретирующих изображения независимо друг от друга{214}.

Еще одной сферой, в которой технологии искусственного интеллекта уже успели заявить о себе, является патология. Ежегодно более 100 млн женщин по всему миру проходят обследование под названием «мазок Папаниколау» с целью диагностирования рака шейки матки. В ходе данного обследования полученные клетки шейки матки помещаются на предметное стекло и изучаются под микроскопом специалистом лаборатории или врачом с целью определения признаков злокачественных новообразований. Это очень трудоемкая процедура, которая может стоить до $100 за обследование. Однако сейчас многие диагностические лаборатории занимаются внедрением мощной автоматизированной системы сканирования компании BD из Нью-Джерси, специализирующейся на производстве медицинского оборудования. В 2011 г. в журнале Slate вышла серия статей об автоматизации данной процедуры, в одной из которых обозреватель новых технологий Фархад Манджу назвал систему сканирования BD FocalPoint GS Imaging System «чудом медицинской техники», чье «программное обеспечение для анализа изображений быстро сканирует предметные стекла в поисках более чем 100 визуальных признаков аномальных клеток». Затем система «ранжирует стекла в соответствии с вероятностью наличия заболевания» и, наконец, «определяет по 10 областей на каждом стекле для изучения человеком»{215}. Машина намного лучше аналитиков-людей справляется с работой по выявлению случаев рака, при этом обеспечивая почти двукратное сокращение времени обследования.

Роботы в больничном деле и фармакологии

В аптеке при Медицинском центре Калифорнийского университета в Сан-Франциско ежедневно готовится приблизительно 10 000 отдельных доз различных лекарств, хотя вы не найдете там ни одного фармацевта, который прикасался бы к таблеткам или флаконам. Всеми этапами подготовки тысяч различных препаратов — от организации хранения и перемещения больших объемов фармацевтической продукции до упаковки и выдачи отдельных таблеток — занимается мощная автоматизированная система. Она оснащена манипулятором, который непрерывно перемещается от одного контейнера к другому, захватывая нужное количество таблеток и помещая их в небольшие пластиковые пакетики. Каждая доза отправляется в свой пакетик, на который затем наносится штрихкод с информацией о препарате и пациенте. При этом установка располагает лекарства для одного пациента в том порядке, в котором они должны приниматься в течение дня. Когда приходит время приема, отвечающая за выдачу лекарств медсестра сканирует штрихкод сначала на упаковке с препаратами, затем — на браслете на запястье пациента. Если они не совпадают или выдача препарата осуществляется в неправильное время, раздается предупреждающий сигнал. Еще три специализированных робота занимаются подготовкой инъекционных препаратов; один из них работает исключительно с высокотоксичными препаратами химиотерапии. Данная система практически полностью исключает ошибки, обусловленные так называемым «человеческим фактором»: люди просто не участвуют в процессе.

Автоматизированная система в Калифорнийском университете в Сан-Франциско стоимостью $7 млн лишь один из наиболее ярких примеров процесса трансформации фармацевтической отрасли в результате внедрения робототехники. Гораздо менее дорогостоящие роботы, ненамного отличающиеся размерами от вендинговых машин, наводняют розничные аптеки в супермаркетах. Чтобы работать фармацевтом в США, необходимо сначала долго и много учиться (четыре года после бакалавриата для получения квалификации врача), а затем пройти очень сложный экзамен для получения соответствующей лицензии. При этом труд фармацевта хорошо оплачивается: по данным за 2012 г., средний годовой заработок в этой отрасли составил $117 000. Тем не менее особенно в условиях розничной аптеки, большая часть такой работы состоит из рутинных и повторяющихся операций, сопровождающихся постоянным страхом совершить ошибку, которая может кому-то стоить жизни. Другими словами, многое из того, чем занимаются фармацевты, идеально подходит для автоматизации.

Когда лекарство для пациента покидает пределы больничной аптеки, все чаще его доставкой занимается специальный робот. Такие машины уже курсируют по коридорам громадных медицинских комплексов, доставляя препараты, лабораторные образцы, еду для пациентов и свежее белье. Эти роботы умеют объезжать препятствия и пользоваться лифтами. В 2010 г. больница «Эль Камино» в Маунтин-Вью взяла в лизинг у компании Aethon, Inc. девятнадцать роботов-доставщиков за $350 000 в год. По словам одного из руководителей больницы, расходы на услуги людей, выполняющих ту же самую работу, составили бы более $1 млн{216}. В начале 2013 г. компания General Electric объявила о том, что планирует разработать мобильного робота, который будет находить, мыть, стерилизовать и доставлять тысячи хирургических инструментов, используемых в операционных. Для того чтобы машина могла легко находить инструменты, на них будут наноситься чипы определения местоположения на основе технологии радиочастотной идентификации (RFID){217}.

Если не брать в расчет фармацевтику, а также внутрибольничную логистику и транспортировку, пока автономные роботы не нашли широкого применения в медицине. Хирургические роботы используются повсюду, но их задача — расширить возможности хирурга, а фактическая стоимость роботизированной хирургии превышает стоимость традиционных методов. В настоящее время ведется предварительная работа по созданию более сложных хирургических роботов. Например, консорциум европейских исследователей при поддержке ЕС работает над проектом I-Sur, направленным на автоматизацию базовых процедур, включая пунктирование, разрезание и наложение швов{218}. Тем не менее, учитывая, что в обозримом будущем вряд ли возникнет ситуация, когда пациент будет подвергнут инвазивной процедуре без врача, готового в любой момент вмешаться и взять все в свои руки, даже если такая технология и появится, полученная экономия будет минимальной в лучшем случае.

Роботы для ухода за пожилыми людьми

Население всех развитых и многих развивающихся стран стремительно стареет. По прогнозам, к 2030 г. в США будет свыше 70 млн пожилых людей — 19 % населения. Для сравнения: в 2000 г. этот показатель составлял всего лишь 12,4 %{219}. В Японии благодаря большей продолжительности жизни и меньшей рождаемости эта проблема стоит еще острее: к 2025 г. треть населения этой страны будет старше 65 лет. Ситуация усугубляется и тем, что японцам свойственно граничащее с ксенофобией неприятие иммигрантов, которые могли бы спасти положение. В результате количество специалистов по уходу за пожилыми в Японии уже на 700 000 меньше реальной потребности, и этот разрыв, как ожидается, в ближайшие десятилетия будет только увеличиваться{220}.

На фоне стремительно растущего общемирового демографического дисбаланса перед сферой робототехники открывается прекрасная возможность: разработка доступных машин, помогающих в уходе за пожилыми людьми. Вышедший на экраны в 2012 г. комедийный фильм «Робот и Фрэнк», в котором рассказывается история пожилого человека и ухаживающего за ним робота, дает представление о том радужном будущем, которое мы все хотели бы видеть. В самом начале фильма зрителям объявляют, что действие происходит в «недалеком будущем». Затем на экране появляется робот, который демонстрирует выдающуюся ловкость и сноровку, способен вести осмысленную беседу и в общем и целом ведет себя как человек. В какой-то момент в фильме со стола падает стакан, и робот умудряется поймать его в воздухе. Боюсь, это совсем не «недалекое будущее».

И действительно, главная проблема существующих сейчас роботов, предназначенных для ухода за пожилыми людьми, заключается в том, что они мало что умеют. Первым прорывом стало создание терапевтических роботов в виде животных, таких, например, как робот «Паро» в виде детеныша тюленя, который может составить компанию пожилому человеку (цена — около $5000). Роботы другой разновидности поднимают и переносят пожилых людей, экономя время и силы социальных работников. Однако такие машины дорого стоят и много весят — их вес может в десять раз превышать вес поднимаемого ими человека, и поэтому, вероятнее всего, они будут использоваться только в домах престарелых и больницах. Создание недорогого робота, обладающего достаточными манипуляционными возможностями, чтобы помогать пожилому человеку поддерживать личную гигиену, является исключительно сложной задачей. В последнее время появились экспериментальные образцы, способные выполнять отдельные задачи. К примеру, исследователи из Технологического института Джорджии сконструировали робота, способного обтирать губкой пациента в постели. Но все-таки создание доступного многозадачного робота для ухода за пожилыми, способного самостоятельно помогать людям, которые почти во всем зависят от окружающих, все еще остается делом далекого будущего.

Одним из следствий этих пугающих своей сложностью технических проблем является то, что, несмотря на теоретически огромную нишу рынка, число стартапов, которые бы занимались проектированием роботов для ухода за пожилыми людьми, относительно невелико, а венчурные инвесторы совсем не спешат вкладывать деньги в это направление. Главным источником надежды на успех в этой области, несомненно, является Япония, которая стоит на пороге кризиса национального масштаба и в которой, в отличие от США, нет негативного отношения к сотрудничеству между частным сектором и государственными органами. В 2013 г. японское правительство приступило к реализации программы, предусматривающей покрытие двух третей расходов на разработку недорогих однозадачных роботизированных устройств для помощи пожилым людям и ухаживающими за ними социальным работникам{221}.

Пожалуй, самой заметной инновацией в сфере ухода за пожилыми, разработанной в Японии к настоящему моменту, является так называемая «гибридная вспомогательная конечность» (Hybrid Assistive Limb, HAL) — механизированный экзоскелет, как будто шагнувший к нам со страниц научно-фантастической литературы. Костюм HAL, разработанный профессором Йосиюки Санкаи из Университетеа Цукубы, является плодом двадцатилетней научно-исследовательской работы. Датчики костюма способны улавливать и интерпретировать сигналы мозга. Человеку в таком костюме, питаемом от батарей, достаточно лишь подумать о том, что он хочет встать или идти, как тут же запустятся мощные приводы, которые помогут ему осуществить задуманное. Также доступна версия для верхней части тела, помогающая социальному работнику поднимать пожилого человека.

Благодаря HAL прикованные к коляске пожилые люди смогли встать и пойти. Компания Cyberdyne из Санкаи также спроектировала более прочную версию экзоскелета для использования сотрудниками атомной электростанции компании Daiichi в Фукусиме, занимающимися ликвидацией последствий катастрофы 2011 г. По словам представителей компании, костюм почти полностью нейтрализует те 60 кг, которые весит надеваемая сотрудниками защита от радиации из тяжелых вольфрамовых пластин[38]. HAL — первое устройство для ухода за пожилыми, получившее сертификат Министерства экономики, торговли и промышленности Японии. Аренда костюма стоит всего $2000 в год, благодаря чему он уже используется более чем в трехстах больницах и домах престарелых{222}.

Еще одной группой новых разработок, появления которой можно ожидать уже в ближайшем будущем, вероятно, станут роботизированные средства содействия при ходьбе и недорогие роботы, которые будут приносить лекарства, подносить стакан с водой и находить такие часто теряемые предметы, как очки. (Скорее всего, для реализации этой технологии на предметы будут устанавливаться RFID-метки.) Также появляются роботы, которые могут отслеживать перемещения людей с деменцией и следить за их состоянием. Кроме того, в некоторых больницах и учреждениях по уходу за пожилыми врачи и медсестры уже используют роботов телеприсутствия для общения с пациентами на расстоянии. Разработка устройств этого типа не связана с большими трудностями, поскольку им не требуется совершать сложные манипуляции. Что касается использования робототехники в уходе, то в ближайшем будущем все будет сводиться главным образом к машинам, которые будут оказывать помощь, контролировать и обеспечивать взаимодействие. Доступные роботы, способные самостоятельно выполнять по-настоящему полезные задачи, появятся не скоро.

Учитывая низкую вероятность появления в ближайшем будущем универсальных автономных роботов для ухода за пожилыми людьми, кажется разумным ожидать, что надвигающаяся нехватка социальных работников, оказывающих помощь на дому, в значительной мере компенсирует любые связанные с развитием технологий потери на рынке труда, которые будут иметь место в других секторах экономики. Возможно, люди просто перейдут на работу в сферу здравоохранения и ухода за пожилыми. По прогнозу Бюро трудовой статистики США, к 2022 г. будет создано 580 000 новых рабочих мест для специалистов по индивидуальному уходу и 527 000 рабочих мест для дипломированных медсестер (спрос на представителей этих двух профессий растет в США быстрее, чем на кого-либо еще), а также 424 000 специалистов по уходу на дому и 312 000 сиделок{223}. Все вместе это дает 1,8 млн рабочих мест.

Звучит солидно. Но теперь давайте вспомним, что, по оценкам Института экономической политики, в результате Великой рецессии экономика США не досчиталась 7,9 млн рабочих мест (по состоянию на январь 2014 г.). Эта цифра включает 1,3 млн рабочих мест, которые были потеряны во время спада и так и не были восстановлены, а также еще 6,6 млн рабочих мест, которые просто не были созданы{224}. Другими словами, если бы даже все эти 1,8 млн рабочих мест появились сегодня, они бы закрыли брешь лишь на четверть.

Еще одним фактором, разумеется, является то, что эти рабочие места являются низкооплачиваемыми и не особенно подходят для значительной части населения. Согласно данным Бюро трудовой статистики, специалисты по уходу на дому и индивидуальному уходу получали в 2012 г. в среднем менее $21 000, а требования к их образованию были на уровне «неполного среднего образования». К тому же у большинства людей просто не хватит терпения, чтобы преуспеть на такой работе. Если вы ненавидите штамповать одни и те же виджеты изо дня в день, это одно. Но, если у вас вызывает отвращение работа, связанная с уходом за зависящим от вас пожилым человеком, это уже серьезная проблема.

Если допустить, что прогнозы Бюро трудовой статистики верны и эти рабочие места действительно появятся в большом количестве, тут же встает вопрос о том, кто фактически будет оплачивать услуги этих работников. На фоне стагнации зарплат в течение нескольких десятилетий и перехода с пенсионных планов с фиксированными выплатами на пенсионные планы 401k, которые финансируются в недостаточной степени, при выходе на пенсию многие американцы окажутся без гарантированного минимального дохода. К моменту, когда большинству пожилых людей понадобится персональная ежедневная помощь, скорее всего, лишь немногие из них будут иметь достаточно средств, чтобы нанять сиделку, даже если зарплаты таких специалистов будут по-прежнему низкими. Это означает, что фактически сиделки и медсестры будут работать на государство в рамках различных программ, включая Medicare или Medicaid, и потому будут восприниматься, скорее, как проблема, а не решение.

Высвобождение потенциала данных

Как мы видели в главе 4, революция больших данных дает надежду на появление новых идей и существенное повышение эффективности. Более того, учитывая ту важную роль, которую они постепенно начинают играть в нашей жизни, сам факт наличия всех этих данных может послужить убедительным аргументом в пользу консолидации индустрии медицинского страхования либо способствовать формированию своего рода механизма обмена данными между компаниями, больницами и прочими заинтересованными сторонами. Доступ к большему объему данных может означать больше инноваций. Пример успеха Target, Inc. в прогнозировании беременности на основе анализа потребительского поведения людей показывает, что при наличии доступа к большим объемам данных больницы и страховые компании получат возможность выявлять корреляции между определенными контролируемым факторами и вероятностью положительного исхода в каждом конкретном случае. Как известно, еще на заре своей истории знаменитая компания AT&T спонсировала работу научно-исследовательского центра Bell Labs, ставшего источником большинства инноваций в области информационных технологий в XX столетии. Вероятно, нечто похожее могло бы произойти и в области медицинского страхования, если бы одна или несколько работающих в ней компаний взяли бы инициативу на себя. Правда, в этом случае источником инноваций стали бы не случайные открытия в тиши лабораторий, а непрерывный анализ больших объемов подробных данных о пациентах и больницах.

Медицинские датчики, которые могут быть имплантированы или просто прикреплены к телу пациента, станут еще одним важным источником данных. С этих устройств будет поступать непрерывный поток биометрической информации, которая может быть использована как для диагностики, так и для лечения хронических заболеваний. Одним из наиболее многообещающих направлений исследования является проектирование датчиков, способных контролировать уровень глюкозы в организме людей с диабетом. Используя постоянное подключение к смартфону или другому внешнему устройству, такие датчики могли бы мгновенно оповещать пациентов о выходе уровня глюкозы за пределы безопасного диапазона. В результате отпала бы потребность в неприятной процедуре взятия образцов крови для анализа. Ряд компаний уже производит средства мониторинга уровня глюкозы, которые могут быть имплантированы пациенту под кожу. В январе 2014 г. компания Google заявила о том, что ее специалисты работают над контактными линзами со встроенным крошечным датчиком глюкозы и модулем беспроводной связи. Предполагается, что линзы будут осуществлять непрерывный контроль уровня глюкозы на основе анализа состава слезной жидкости; в случае перехода уровня сахара в крови за пределы верхней или нижней границы допустимого диапазона мгновенно загорится крошечный светодиод, оповещая владельца линз об изменении.

Еще одним источником потока данных о здоровье станут потребительские устройства, такие как часы Apple Watch, о выпуске которых было официально объявлено в сентябре 2014 г.[39]

Расходы на здравоохранение и неработающий рынок

4 марта 2013 г. вышел выпуск журнала Time со статьей Стивена Брилла «Горькая пилюля» (Bitter Pill), обозначившей главную тему этого номера. Автор подробно проанализировал силы, стоящие за непрекращающимся ростом расходов на здравоохранение в США, а также рассказал о конкретных случаях вопиющего завышения цен, включая, например, наценку 10 000 % на ацетаминофен, который вы легко можете купить без рецепта в ближайшей аптеке или супермаркете Walmart. Наценка на стандартный анализ крови, который в рамках Medicare стоит всего $14, составляла $200 и более. Цены на компьютерную томографию, за которую клиенты Medicare платят приблизительно $800, раздувались до $6500 и выше. В одном из случаев подозрения на сердечный приступ, который на самом деле оказался обычной изжогой, обернулось расходами в размере $17 000 — и это не включая гонорар врача!{225}

Несколькими месяцами позже журналистка The New York Times Элизабет Розенталь выступила с серий статей на ту же тему, рассказав, в частности, о случае, когда обычная рана, которую можно было зашить тремя простыми стежками, обошлась более чем в $2000. Еще один пример — мазок клея на лбу малыша, который обошелся его родителям более чем в $1600. Наконец, с еще одного пациента взяли почти $80 за небольшой флакон местного обезболивающего, который стоит всего $5 в любом интернет-магазине. Розенталь также отмечает, что больница, которая закупает такие препараты оптом, скорее всего, заплатила за этот флакон куда меньше, чем взяла с пациента{226}.

Оба репортера пришли к выводу, что, как правило, источником грабительских поборов является подробный, но при этом весьма запутанный — а часто еще и секретный — перечень цен под названием «главный прейскурант» (сhargemaster). При ознакомлении с ценами в этом прейскуранте создается ощущение, что они ничем не обоснованы и не имеют никакого отношения к фактическим издержкам. Единственное, что можно утверждать с большой долей уверенности, это то, что цены в нем очень-очень высокие. И Брилл, и Розенталь констатируют, что в наиболее вопиющих случаях злоупотребления жертвами больниц становятся незастрахованные пациенты. Обычно больницы требуют от таких людей оплаты полной стоимости лечения и зачастую сразу же нанимают коллекторов или даже подают в суд при отсутствии у пациента возможности или желания оплачивать больничные счета. Но дело не только в больницах: даже крупные медицинские страховые компании все чаще при выставлении счетов используют тарифы, представляющие собой цены из больничного прейскуранта с небольшой скидкой. Другими словами, сначала расходы завышаются — в десятки, а во многих случаях и в сотни раз, — а затем к ним применяется скидка, скажем, 30 % или даже 50 %, величина которой зависит от умения страховой компании договориться с больницей. Представьте, что вы покупаете литр молока за $5, договорившись о 50 %-ной скидке от указанной в прейскуранте цены $10. Поэтому нет ничего удивительного в том, что больничные счета являются самым главным фактором непрекращающегося стремительного роста медицинских расходов в США.