Czy jesteś gotowy, aby ponownie zostać technooptymistą?

Dwadzieścia lat temu MIT Technology Review wybrał 10 nowych obszarów innowacji, które obiecaliśmy zmienić świat. Był to czas szczytowego technooptymizmu. Tak, boom internetowy był w trakcie implozji; niektórzy wtajemniczeni już martwili się końcem Prawa Moore'a. (Nadal są, chociaż branża wciąż znajduje sposoby na zwiększenie mocy komputerów). Ale pod wieloma względami był to wspaniały czas dla nauki i technologii.

Roboczy szkic ludzkiego genomu został opublikowany w lutym 2001 roku — plan genetyczny, który obiecał ujawnić nasze najgłębsze biologiczne sekrety. Niedawne przełomy w nanotechnologii wzbudziły ogromne emocje. Wczesne postępy w obliczeniach kwantowych i molekularnych zapowiadały nową erę obliczeń po prawie Moore'a. A potem była ta niesamowita wyszukiwarka o zabawnej nazwie, szybko zdobywająca użytkowników i zmieniająca sposób, w jaki surfowali po sieci i uzyskiwali dostęp do informacji. Masz szczęście?

Ta historia była częścią naszego wydania z marca 2021 r.

Zobacz resztę numeru
Subskrybuj

Warto więc spojrzeć wstecz na początkowy TR10, jak teraz nazywamy naszą roczną listę, w poszukiwaniu wskazówek, jak duży postęp poczyniliśmy.

Po pierwsze, przyznajmy, że była to przemyślana lista. Zrezygnowaliśmy z robotycznych egzoszkieletów i klonowania ludzi, a także molekularnej nanoprodukcji i przerażającej szarej mazi nano czarnowidzów — wszystkie gorące tematy dnia. Zamiast tego skupiliśmy się na fundamentalnych postępach w technologii informacyjnej, materiałach i biotechnologii. Większość technologii jest nadal znana: eksploracja danych, przetwarzanie języka naturalnego, mikrofluidyka, interfejsy mózg-maszyna, biometria (np. rozpoznawanie twarzy) i projektowanie robotów.

Jak dobrze te technologie spełniły marzenia, które mieliśmy o nich dwie dekady temu? Oto kilka lekcji z listy z 2001 roku.

PRZEGLĄD TECHNOLOGII MIT W

Lekcja 1:

Postęp jest często powolny

Nasz pierwszy wybór, interfejsy mózg-maszyna, zaczyna się od opisu neurobiologa Miguela Nicolelisa rejestrującego sygnały elektryczne z mózgu bardzo uroczej sowiej małpy o imieniu Belle, która zastanawia się, jak zdobyć kilka kropel soku jabłkowego. Przenieśmy się do późnego lata 2020 r., kiedy Elon Musk popisuje się sygnałami mózgu od bardzo uroczej świni o imieniu Gertrude, zyskując „ochy i achy” od uwielbianych fanów uczestniczących w demonstracji dla Neuralink, jego startupu zajmującego się mózgiem.

Neuralink Elona Muska to teatr neuronauki Transmitowane na żywo wydarzenie implantacji mózgu Elona Muska złożyło obietnice, których trudno będzie dotrzymać.

Obserwatorowi na imprezie Muska można było wybaczyć, że zastanawiał się, czy od eksperymentu Nicolelis naprawdę minęło 20 lat. Obaj mężczyźni mieli podobne wizje bezpośredniego łączenia mózgu z urządzeniami komputerowymi za pomocą wszczepionych chipów. Jak napisał w 2001 roku nasz redaktor ds. biomedycyny, Antonio Regalado, Nicolelis postrzega ten wysiłek jako część nadchodzącej rewolucji, która może w końcu uczynić [interfejsy mózgowe] tak powszechnym jak Palm Pilots.

To stwierdzenie się sprawdziło, ale tylko dzięki upadkowi Palm Pilots, a nie popularności interfejsów mózg-maszyna. Pomimo pewnych zachęcających eksperymentów na ludziach na przestrzeni lat, takie interfejsy pozostają naukową i medyczną osobliwością. Jak się okazuje, neuronauka jest bardzo trudna. Udało się zmniejszyć elektronikę i uczynić implanty bezprzewodowymi, ale postęp w nauce był wolniejszy, utrudniając wizje, które Nicolelis i Musk mieli nadzieję zrealizować. (Przypis do lekcji pierwszej: sukces często zależy od tego, czy uda się połączyć cały szereg postępów. Sprawienie, by interfejsy mózgowe były praktyczne, wymaga postępów zarówno w nauce, jak i gadżetach).

Lekcja 2:

Czasami potrzeba kryzysu

Wybraliśmy mikrofluidykę w 2001 roku ze względu na niezwykłe postępy w przenoszeniu niewielkich ilości próbek biologicznych na małym urządzeniu – tak zwanym laboratorium na chipie. Obiecały one szybkie testy diagnostyczne i możliwość zautomatyzowania eksperymentów lekowych i genomicznych.

Od tego czasu mikrofluidyka znalazła cenne zastosowanie w badaniach biologicznych. Kontynuowano mądre postępy, takie jak ultratanie i łatwe w użyciu papierowe testy diagnostyczne (Paper Diagnostics był TR10 w 2009 r.). Ale pole nie spełniło swojej obietnicy transformacja testowania . Po prostu nie było przytłaczającego zapotrzebowania na technologię. Można śmiało powiedzieć, że mikrofluidyka stała się naukowym zaściankiem.

Covid-19 zakończył to. Konwencjonalne testy opierają się na wieloetapowych procedurach wykonywanych w laboratorium analitycznym; to jest drogie i powolne. Nagle pojawia się apetyt na szybkie i tanie rozwiązanie typu „lab-on-a-chip”. Naukowcom zajęło kilka miesięcy odkurzenie technologii, ale teraz diagnostyka covid-19 z wykorzystaniem mikroprzepływów pojawiają się. Techniki te, w tym technika wykorzystująca edycję genów CRISPR, obiecują, że testy na covid będą znacznie bardziej dostępne i powszechnie stosowane.

Lekcja 3:

Uważaj o co prosisz

W 2001 roku Joseph Atick, jeden z pionierów biometrii, postrzegał rozpoznawanie twarzy jako sposób na bezpieczniejszą i łatwiejszą komunikację z ich gadżetami i komputerami. Dałoby to coraz bardziej popularnym telefonom komórkowym i osobistym asystentom cyfrowym sposób na rozpoznanie ich właścicieli, przeliterowanie końca kodów PIN i haseł. Część tej wizji ostatecznie urzeczywistniła się dzięki takim aplikacjom, jak FaceID firmy Apple. Ale rozpoznawanie twarzy też się zmieniło, o czym Atick teraz mówi, że mnie szokuje.

Podcast: Rozpoznawanie twarzy jest po cichu wykorzystywane do kontrolowania dostępu do mieszkań i usług socjalnych

W tym odcinku przyjrzymy się debacie na temat tego, jak i czy fundusze publiczne powinny być wykorzystywane do wdrażania rozpoznawania twarzy w wrażliwych społecznościach

W 2001 roku algorytmy rozpoznawania twarzy były ograniczone. Wymagali od ludzi instrukcji w formie matematycznej, jak rozpoznać charakterystyczne cechy twarzy. A każda twarz w bazie danych twarzy, która miała zostać rozpoznana, musiała zostać mozolnie zeskanowana do oprogramowania.

Potem przyszedł boom w mediach społecznościowych. Podczas gdy na początku, jak mówi Atick, byłby zachwycony 100 000 obrazów w bazach danych rozpoznawania twarzy, nagle algorytmy uczenia maszynowego można było wytrenować na miliardach twarzy, zdrapywanych z Facebooka, LinkedIn i innych witryn. Były teraz setki tych algorytmów, które uczyły się same, po prostu przyswajając i porównując obrazy – nie była wymagana żadna fachowa pomoc człowieka.

Ale ten niezwykły postęp przyszedł z kompromisem: nikt tak naprawdę nie rozumie rozumowania, jakim posługują się maszyny. I to jest problem teraz, gdy rozpoznawanie twarzy jest coraz częściej wykorzystywane do wrażliwych zadań, takich jak identyfikacja podejrzanych o przestępstwa. Nie wyobrażałem sobie świata, w którym te maszyny przejmą kontrolę i będą podejmować decyzje za nas, mówi Atick.

Lekcja 4:

Trajektoria postępu ma znaczenie

Witam ponownie, Sidney P. Manyclicks. Mamy dla Ciebie rekomendacje. Klienci, którzy to kupili, kupili również…

Silniki rekomendacji opisane w tym artykule, otwierającym nasz artykuł z 2001 roku na temat eksploracji danych, wydawały się wówczas imponujące. Inne potencjalne zastosowanie eksploracji danych około 2001 roku również brzmiało ekscytująco: biblioteki wideo do przeszukiwania komputerowego. Dziś to wszystko wydaje się całkowicie przyziemne.

Dzięki coraz większej mocy obliczeniowej, ogromnemu rozmiarowi baz danych i ściśle powiązanym postępom w sztucznej inteligencji, eksploracja danych (termin ten jest obecnie często wymienny z AI) rządzi światem biznesu. Jest siłą napędową wielkich firm technologicznych, od Google i jego spółki zależnej YouTube po Amazon i Facebook. Obsługuje reklamę i sprzedaż wszystkiego, od butów po ubezpieczenia, za pomocą spersonalizowanych wyszukiwarek rekomendacji.

Czy te technologie sprawiły, że nasze życie stało się nie tylko wygodniejsze, ale lepsze w sposób, na którym nam zależy?

Jednak te wielkie sukcesy maskują podstawową porażkę, która stała się szczególnie widoczna podczas pandemii. Nie wykorzystaliśmy mocy big data w obszarach, które mają największe znaczenie.

Niemal na każdym kroku, od pierwszych oznak wirusa, przez testy i hospitalizację, po wprowadzenie szczepionek, przegapiliśmy wiele okazji do gromadzenia danych i wydobywania ich w celu uzyskania krytycznych informacji. Mogliśmy dowiedzieć się o wiele więcej o tym, jak wirus się rozprzestrzenia, jak ewoluuje, jak go leczyć i jak alokować zasoby, potencjalnie ratując niezliczone życia. Wydawało się, że nie mamy pojęcia, jak zebrać dane, których potrzebowaliśmy .

Ogólnie rzecz biorąc, 10 technologii, które wybraliśmy w 2001 roku, jest nadal aktualne; nikt nie został opuszczony; a niektóre odniosły niezwykłe, a nawet zmieniające świat sukcesy. Ale prawdziwy test postępu jest trudniejszy: czy te technologie uczyniły nasze życie nie tylko wygodniejszym, ale lepszym w sposób, na którym nam zależy? Jak mierzymy ten postęp?

Co sprawia, że jesteś szczęśliwy?

Popularnym sposobem mierzenia postępu gospodarczego jest pomiar produktu krajowego brutto (PKB). Został on sformułowany w latach 30. XX wieku w USA, aby pomóc nam zrozumieć, jak dobrze gospodarka wychodzi z Wielkiego Kryzysu. I chociaż jeden z jego głównych architektów, Simon Kuznets, ostrzegał, że PKB nie powinien być mylony z miarą dobrobytu kraju i dobrobytu jego mieszkańców, pokolenia ekonomistów i polityków właśnie to zrobiły, analizując liczby PKB w poszukiwaniu wskazówek dla zdrowia gospodarki, a nawet tempa postępu technologicznego.

Ekonomiści mogą wydobyć to, co nazywają całkowitą produktywnością czynników produkcji (TFP) ze statystyk PKB; jest to w zasadzie miara tego, jak bardzo innowacje przyczyniają się do wzrostu. Teoretycznie nowe wynalazki powinny zwiększać produktywność i powodować szybszy wzrost gospodarki. Jednak w ciągu ostatnich dwóch dekad obraz nie był zbyt dobry. Od połowy 2000 roku – krótko po naszej pierwszej liście TR10 – wzrost TFP był powolny i rozczarowujący, zwłaszcza biorąc pod uwagę zalew nowych technologii pochodzących z takich miejsc jak Dolina Krzemowa.

Niektórzy ekonomiści uważają, że wyjaśnieniem może być to, że nasze innowacje nie są tak daleko idące, jak nam się wydaje. Ale możliwe jest również, że PKB, który został zaprojektowany do pomiaru produkcji przemysłowej w połowie XX wieku, nie uwzględnia korzyści ekonomicznych płynących z produktów cyfrowych, zwłaszcza gdy są one bezpłatne, takie jak wyszukiwarki i media społecznościowe.

Ekonomista Stanford Erik Brynjolfsson i jego koledzy stworzył nową miarę aby spróbować uchwycić wkład tych dóbr cyfrowych. Nazywany GDP-B (B oznacza korzyści), jest obliczany za pomocą ankiet internetowych, aby zapytać ludzi, jak bardzo cenią różne usługi cyfrowe. Ile trzeba by zapłacić, na przykład, żeby przeżyć miesiąc bez Facebooka?

Obliczenia sugerują, że od 2004 roku konsumenci amerykańscy zyskali na samym Facebooku około 225 miliardów dolarów niepoliczonej wartości. Wikipedia dodała 42 miliardy dolarów. Nie jest pewne, czy PKB-B może w pełni wyjaśnić pozorne spowolnienie produktywności, ale dostarcza dowodów na to, że wielu ekonomistów i decydentów mogło nie docenić cyfrowej rewolucji. A to, mówi Brynjolfsson, ma ważne konsekwencje dla tego, ile powinniśmy inwestować w infrastrukturę cyfrową i nadać priorytet niektórym obszarom innowacji.

GDP-B to jedna z większych prób znalezienia statystyk, które dokładniej odzwierciedlają zmiany, na których nam zależy. Nie chodzi o wyrzucenie PKB, ale o uzupełnienie go innymi miernikami, które szerzej odzwierciedlają to, co możemy nazwać postępem.

Innym takim środkiem jest Wskaźnik postępu społecznego , który został stworzony przez parę ekonomistów, Scotta Sterna z MIT i Michaela Portera z Harvardu. Gromadzi dane ze 163 krajów dotyczące czynników, w tym jakości środowiska, dostępu do opieki zdrowotnej i edukacji, zgonów drogowych i przestępczości. Podczas gdy bogatsze kraje, co nie dziwi, radzą sobie lepiej w tym indeksie, Stern twierdzi, że chodzi o to, by przyjrzeć się, gdzie postęp społeczny odbiega od PKB na mieszkańca. To pokazuje, jak niektóre kraje, nawet biedne, lepiej niż inne przekuwają wzrost gospodarczy w wartościowe zmiany społeczne.

Badanie z 13 krajów pokazuje lukę pokoleniową

„Wyobrażasz sobie, kiedy skończy się pandemia COVID-19… który kraj powinien traktować bardziej priorytetowo?”

ŹRÓDŁO: IPSOS/KONIECZNOŚĆ POSTĘPU SPOŁECZNEGO

Stany Zjednoczone, z jednym z najwyższych na świecie poziomów PKB na mieszkańca, zajmują 28. miejsce w indeksie i są jednym z zaledwie czterech krajów, których wyniki spadły od 2014 r. Norwegia, która jest podobnie zamożna, zajęła pierwsze miejsce w 2020 r. (patrz wykres poniżej). Niektóre biedniejsze kraje również osiągają lepsze wyniki.

Bardzo często decyzje dotyczące innowacji i technologii dotyczą ich wpływu na gospodarkę, mówi Stern. Nie ma w tym nic złego. Ale czy kierujemy korzyści ekonomiczne na obszary, które przyczynią się do postępu społecznego?

Podobna myśl kryje się za inną alternatywą dla PKB, opracowaną przez Diane Coyle i jej współpracowników z Bennett Institute for Public Policy w Cambridge w Wielkiej Brytanii. Ich miarą tego, co nazywają gospodarka bogactwa opiera się na tym, co definiują jako aktywa społeczeństwa, w tym jego kapitał ludzki (zdrowie i umiejętności ludzi), kapitał naturalny (jego zasoby i stan środowiska) oraz kapitał społeczny (zaufanie i spójność społeczna).

To niezwykle ambitny projekt, który ma na celu stworzenie kilku kluczowych pomiarów dla każdego zasobu. Te liczby, mówi Coyle, mają na celu lepsze decyzje dotyczące technologii i innowacji, w tym decyzje dotyczące priorytetów inwestycji rządowych. Mówi, że podejście pozwala zadać pytanie: Co technologia robi dla ludzi?

Wartość tych różnych alternatyw dla PKB polega na tym, że dają szerszy obraz tego, jak nasze życie zmienia się w wyniku technologii. Gdyby istniały 20 lat temu, mogłyby rzucić światło na kryzysy, które obserwowaliśmy z opóźnieniem, takie jak wzrost nierówności dochodów i gwałtowne pogorszenie naszego klimatu. Gdyby 20 lat temu był czas szczytowego technooptymizmu, być może skłoniłoby nas to do pytania: Optymizm o co?

Odnowiona nadzieja

Około dekadę temu narracja technooptymistów zaczęła się rozpadać.

W 2011 roku Tyler Cowen, ekonomista z George Mason University w Wirginii, napisał: Wielka stagnacja , argumentując, że technologie, które w tamtym czasie wydawały się tak imponujące — zwłaszcza media społecznościowe i aplikacje na smartfony — niewiele robiły, by stymulować wzrost gospodarczy i poprawiać jakość życia ludzi. Wzrost i upadek amerykańskiego wzrostu, bestseller Roberta Gordona, innego wybitnego ekonomisty z 2016 r., liczył ponad 700 stron, szczegółowo opisując przyczyny spowolnienia w TFP po 2004 r. Tymczasowy boom internetowy, jak oświadczył, minął.

Książki pomogły zapoczątkować erę technopesymizmu, przynajmniej wśród ekonomistów. A w ciągu ostatnich kilku lat problemy, takie jak dezinformacja w mediach społecznościowych, niepewne źródła utrzymania pracowników gospodarki koncertowej i bardziej przerażające wykorzystanie eksploracji danych, podsyciły szerszy pesymistyczny pogląd – poczucie, że Big Tech nie tylko nie czyni społeczeństwa lepszym. ale to pogarsza.

Obecnie jednak Cowen wraca do obozu optymistów. Wzywa do dalszych badań, aby wyjaśnić postęp i jak go stworzyć, ale mówi, że to bardziej pozytywna historia niż kilka lat temu. Pozorny sukces szczepionek przeciw krowim na bazie informacyjnego RNA wzbudza jego podekscytowanie. Więc dokonaj przełomów w wykorzystywaniu sztucznej inteligencji do przewidywania fałdowanie białek , potężne narzędzie do edycji genów CRISPR, nowe typy akumulatorów do pojazdów elektrycznych oraz postępy w dziedzinie energii słonecznej.

Co technologia robi dla ludzi?
Diane Coyle

Przewidywany boom finansowania zarówno ze strony rządów, jak i przedsiębiorstw może wzmocnić wpływ tych nowych technologii. Prezydent Joe Biden obiecał setki miliardów w wydatkach na infrastrukturę, w tym ponad 300 miliardów dolarów w ciągu najbliższych czterech lat na badania i rozwój. UE ma swój własny ogromny projekt ustawy stymulacyjnej. Są też oznaki nowej rundy inwestycji kapitału podwyższonego ryzyka, zwłaszcza ukierunkowanych na zielone technologie.

Jeśli technooptymiści mają rację, to nasze 10 przełomowych technologii na rok 2021 może mieć świetlaną przyszłość. Nauka stojąca za szczepionkami mRNA może otworzyć nową erę medycyny, w której manipulujemy naszym układem odpornościowym, aby zmienić między innymi leczenie raka. Baterie litowo-metalowe może wreszcie sprawić, że samochody elektryczne będą smakować milionom konsumentów. Zielony wodór może pomóc w zastąpieniu paliw kopalnych. Postępy, które dokonały GPT-3 to możliwe, że komputery potrafią czytać i pisać jako kolejny duży krok w sztucznej inteligencji.

Jednak los technologii z listy z 2001 roku mówi nam, że postęp nie nastąpi tylko z powodu samych przełomów. Będziemy potrzebować nowej infrastruktury dla ekologicznego wodoru i samochodów elektrycznych; nowa pilność nauki o mRNA; oraz nowe myślenie o sztucznej inteligencji i możliwościach, jakie stwarza w rozwiązywaniu problemów społecznych. Krótko mówiąc, potrzebujemy woli politycznej.

Jednak najważniejsza lekcja z listy z 2001 r. jest najprostsza: to, czy te przełomowe odkrycia wykorzystają swój potencjał, zależy od tego, jak zdecydujemy się je wykorzystać. I być może jest to największy powód do odnowienia optymizmu, ponieważ opracowując nowe sposoby mierzenia postępu, tak jak robią to ekonomiści tacy jak Coyle, możemy również tworzyć nowe aspiracje dla tych genialnych nowych technologii. Jeśli wyjdziemy poza konwencjonalny wzrost gospodarczy i zaczniemy mierzyć, w jaki sposób innowacje poprawiają życie jak największej liczby ludzi, mamy znacznie większą szansę na stworzenie lepszego świata.

211service.com