Четвертая промышленная революция. Популярно о главном технологическом тренде XXI века

О перспективах наступления "Четвертой промышленной революции", вызванной новым этапом развития технологий, активно заговорили в 2016-2017 годах. В чем ее суть? Чем характеризуется и к чему приведет очередной виток прогресса? Ответы на эти вопросы дает материал, который для TAdviser подготовил журналист Леонид Черняк.

Кибернетический взгляд на Четвертую промышленную революцию

Идея очередной промышленной революции не нова, однако обсуждение этой темы обострилось после Давосского экономического форума и выступления президента этого бизнес-клуба Клауса Шваба в январе 2016 года. Последствия Industry 4.0 стали предметом обсуждения на различных аналогичных форумах, включая недавний Петербургский, состоявшийся в июне 2017 года. В силу специфики такого рода собраний на них обсуждаются не причины и не движущие силы (их принимают за данность), а последствия, в том числе глобальные геополитические, экономические и социальные, а также проблемы, которые предстоит на национальном уровне.

Точка зрения бизнес-элиты наиболее полноценно изложена в документе швейцарского банка UBS "Extreme automation and connectivity: The global, regional, and investment implications of the Fourth Industrial Revolution". В отличие от массы других популярных публикаций в нем нет излишнего пафоса и разного рода субъективных прогнозов.

Те же ученые и инженеры, кто непосредственно совершает эту революцию, обычно исповедуют сугубо технократические убеждения. Для них революция сводится к сумме новых, но уже достаточно известных сегодня технологий: облачный компьютинг, большие данные, киберфизические системы, искусственный интеллект (ИИ), 3D-печать, интернет вещей и некоторые другие. Показательным примером служит статья "Четвертая промышленная революция" в русскоязычной википедии.

Обе позиции имеют полное право на существование, однако при всей своей противоположности их объединяет общая слабость - отсутствие необходимой в данном случае системности. В стороне остается тот факт, что и эта революция, как и любая другая, представляет собой чрезвычайно сложное и, подчеркнем, системное явление. Ее нельзя рассматривать исключительно как «черный ящик» и как грядущую неизбежность, сводя все к рассуждениям о тем или последствиях, как это делают политики и экономисты. И точно также ошибочно препарировать революцию на отдельные составляющие, упуская диалектическую связь между ними, которая, собственно говоря, и создает взрывной синергетический революционный эффект. Такого рода общественное "биполярное расстройство", обнаруживается у авторов большинства материалов о любых революциях, от Великой Французской до новейших «цветных».

Из истории вопроса

По словам одной королевской портнихи, "все новое - это хорошо забытое старое". Удивительно, но многие черты Industry 4.0 были вполне правдоподобно предсказаны Николой Тесла. В 1926 году в беседе с корреспондентом чрезвычайного популярного в то время журнала Collier’s он среди прочего сказал:

С появлением беспроводных систем вся Земля превратится в один огромный мозг. Мы сможем общаться друг с другом практически мгновенно, невзирая на расстояния. Более того, с помощью телевидения и телефона мы сможем видеть и слышать друг друга так же прекрасно, как если бы мы сидели лицом к лицу, разделенные на дистанции в тысячи миль; и устройства, которые позволят нам это сделать, будут поразительно удобным по сравнению с нашими сегодняшними телефонами. Человек сможет носить их в кармане. Мы сможем наблюдать и слушать события — инаугурацию президента, спортивный чемпионат, землетрясения или битвы — как будто мы находимся там. А когда и беспроводная передача энергии будет коммерциализирована, произойдет революция

В 21 веке предсказанные Николой Тесла "один огромный мозг" и устройства, которые можно носить в кармане, уже реальность, но великий электротехник не мог предположить появление таких вещей, кибернетика и Искусственный интеллект, компьютеры и компьютерные сети.

Данные - новая нефть

Если проанализировать специфические особенности всех четырех промышленных революций, то можно выделить характерный тренд, а именно, постоянное возрастание значения систем автоматизации и управления. Этот тренд в значительной мере объясняет специфику текущей Четвертой революции.

Для иллюстрации этого утверждения выделим тех трех «китов», на которых стоит любая из промышленных революций, и посмотрим как трансформируются их значения при переходе из одного исторического периода в другой. Эти киты в свою очередь базируются на достижениях фундаментальной и прикладной науки.

Итак, первый кит – сырье, а также источники и способы передачи энергии, второй – технологии и третий – организация производства и управление.

В конце 18 века главным сырьем были уголь и железо, главной технологией – пар и преобразования тепловой энергии в механическую. Что касается механизации и организации управления, то они, как таковые, тогда отсутствовали, разве что был регулятор Уатта на паровой машине. Во второй половине 19-го начале 20-го века с появлением электричества открылись возможности для начала работ по научной организации труда, появились конвейеры, идеи тейлоризма. Несколько позже появились работы по теории автоматического управления и различного рода табуляторы.

Как естественное следствие этого процесса в конце 40-х годов возникла кибернетика - научное направление, специализирующееся на управлении. В шестидесятые годы с появлением компьютеров системы технологического и организационного управления приобрели еще большее значение. В конце 20 века роль, которую играют системы управления, стала сравнима со значением технологий, которыми они управляют. Появились такие технологии, существование которых без автоматизации просто невозможно.

Этот простейший анализ показывает, что на протяжении двух с лишним веков шло непрерывное совершенствование систем автоматизации - от центробежного регулятора до современных, компьютерных.

Отличие новейших систем управления эпохи Четвертой промышленной революции можно назвать количественным. Сенсорная революция, начавшаяся с датчиков RFID, компьютерные сети, сбор и накопление медийных данных и другие технологии предоставили возможность системам управления получать практически любые сведения об окружающем мире. Данных стало так много, что их стали называть Большими.

Реакцию общества на взрывное увеличение количества данных можно сравнить со счетом индейцев племени пираха, живущего в тропических лесах Бразилии. Они используют всего три числительных: одно значит «один-два», другое — «несколько» и третье — «гораздо больше» или просто «много». Пожалуй, стоит говорить не о Больших данных, а о данных вообще.

Еще совсем недавно, в 1990-х годах, скажем на уровне реляционных СУБД, данные не рассматривались как какая-то самостоятельная сущность. Даже опытные эксперты называли данные "мешком битов и байтов", а о принципиальном различии между данными и информацией, если и задумывались, то лишь единицы. В 2000-х же о данных заговорили как о «новой нефти». Впервые это выражение использовал английский математик Клиф Хамби в 2006 году. В 2016-2017 годах аналитики утверждают, что в обозримой перспективе данные займут существенно более высокое положение в экономике, чем занимаемое углеводородами. Не случайно вошел в обиход термин «data-driven» в приложении к экономике, программированию, журналистике, науке и другим сферам, движимых данными.

«Движимое данными» предполагает выработку решений, основываясь на данных, а не на интуиции или личном опыте. Попросту говоря, идея «data-driven» возникла тогда, когда появилась возможность собирать данные в достаточных объемах и анализировать их для принятия объективных решений. Отсюда и возникло увлечение Большими данными, различного рода технологиями майнинга данных и текстов и тому подобное. Сами по себе данные ценности не имеют, а добавленная стоимость получается путем их анализа для возникновения полезной и потребляемой человеком информации.

Центральным пунктом новой экономики становятся Наука о данных (Data Science) и люди со специальностью data scientist. Под зонтичным названием Data Science сосуществует множество разных, еще не систематизированных методов и технологий для анализа больших объемов данных, а подлинной науки о данных, которую можно было бы назвать этим именем, еще нет. Data Science есть не что иное, как обобщенное название суммы технологий для производства продуктов-данных.

Продукты-данные знакомы всем, прежде всего, по поисковым машинам — мы потребляем результаты поиска, не задумываясь о том, где, как и кем они порождаются. Сегодня продажа контента становится большим бизнесом, интернет содержит огромное число разного рода приложений, направляемых данными (data-driven application), но все это пассивное пользование данными. Активными продуктами-данными можно назвать такие, где есть люди, участвующие в процессе создания таких продуктов, и есть технологии для их создания.

Специалисты категории data scientist решают четыре основные задачи:

1. Преобразование исходных «сырых» данных в форму, пригодную для анализа.

2. Собственно анализ данных.

3. Интерпретация данных.

4. Приложение данных к практике.

В отличие от природного сырья при использовании данных их количество не уменьшается, а наоборот увеличивается, что является качественно новым явлением. Создание технологий работы с данными лавинообразно формирует потребность в новых технологиях. Такого феномена положительной обратной связи экономика еще не знала. По аналогии с «электрификацией» и «компьютеризацией» теперь говорят о «датификации».

Экстремальные возможности и кибернетический подход

Даже средний современный автомобиль развивает скорость до 200 км/час, то есть его мощность и динамика для обычного владельца не являются ограничениями. Главное в нем – безопасность, удобство, экономичность и тому подобное. Примерно то же можно сказать и об информационных системах Industry 4.0. От прошлого их отличает отсутствие заметных ограничений. Они имеют экстремальную производительность (extreme productivity), обеспечивающую экстремальную автоматизацию (extreme automation) и экстремальную связанность (extreme connectivity).

Экстремальная производительность – вещь очевидная. Это многоядерные процессоры, вычисления в памяти, SSD, облака, аналитика больших данных и все остальное, что составляет современные компьютерные технологии.

Под экстремальной связанностью понимают условия, при которых в исчезают барьеры, связанные с расстоянием, временем или какими-то иными ограничениями на взаимодействия между людьми и машинами, людьми и людьми, машинами и машинами. По существу начало этому процессу было положено в 1982 году с созданием интернета, работающего по протоколу TCP/IP, хотя собственно термин internet, как сокращение от internetworking был предложен несколькими годами раньше.

Намного позже был предложен термин Internet of Things (IoT), затем "индустриальный интернет" Industrial Internet of Things (IIoT), а совсем недавно в связи с появлением технологии блокчейн - "интернет ценностей" (Internet of Valuе, IoV) и, наконец "интернет всего" (Internet of Everyting, IoE). IoE объединяет людей, данные, процессы и вещи.

Экстремальная автоматизация (extreme automation) - это, прежде всего, методы искусственного интеллекта во всех сферах человеческой деятельности - в бизнесе, в государственном управлении и даже в частной жизни. Заметим, что речь идет о так называемом "слабом ИИ", не предполагающем создание "умных" машин, представляющих для человечества опасность роботов и тому подобное.

Слабым ИИ (Weak AI) называют системы, не имеющие разума и компьютерных умственных способностей (Non-sentient computer intelligence). Они ориентированы на решение сугубо прикладных задач. Самый известный и доступный пример слабого ИИ — разработанная Appleдля iOS вопросно-ответная система Siri (Speech Interpretation and Recognition Interface). Это приложение использует обработку естественной речи, чтобы отвечать на вопросы и давать рекомендации. Siri приспосабливается к каждому пользователю индивидуально, изучая его предпочтения в течение долгого времени, но оно в полном смысле узкое.

К слабому ИИ также относят работы по автоматизации вождения автомобиля, системы глубинного машинного обучения и обработки данных на естественных языках (Natural Language Processing, NLP). Сюда же следует включить интернет вещей Internet of Things (IoT), межмашинное взаимодействие (M2M), киберфизические системы и некоторые другие вещи.

Сочетание экстремальной связанности с экстремальной автоматизацией на фундаменте экстремальной производительности открывают возможность для создания больших систем, построенных на основе кибернетического подхода. До сих пор применение кибернетического подхода было ограничено техническими системами. Что касается бизнеса или государственного управления, то здесь решения принимались и принимаются зачастую на интуитивном уровне, а компьютерные системы, типа ERP, служат лишь вспомогательными инструментами.

Сочетание экстремальной связанности с экстремальной автоматизацией на фундаменте экстремальной производительности открывают возможность для создания больших систем, построенных на основе кибернетического подхода

Кибернетический подход к управлению бизнесом, основанный на принятий решений, продиктованных объективным анализом данных (data driven decision), позволит избавиться от хронической болезни любых систем управления любых предприятий, для которой есть образное название HiPPOs (Highest-Paid Person’s Opinions, "решает тот, кто больше получает"). Эта правило приятия решений присуще не только бизнесу, но и любым административным системам, где деньгам сопутствуют еще и должностные позиции. Оптимальность таких решений в подавляющем большинстве вызывает сомнение.