Kreativnost jeste i uvek će biti ljudska, tvrdi harvardski profesor filozofije Sean Dorrance Kelly.
Bio je ti 31. mart 1913. godine kada su u Velikoj sali koncertne kuće Muzikferajn u Beču izbili neredi, usred izvođenja orkestracije pesme Albana Berga. Lomio se i nameštaj. Policija je uhapsila organizatora koncerta jer je udario Oskara Štrausa, malo poznatog kompozitora opereta. Štraus se kasnije, na suđenju, dosetkom osvrnuo na frustraciju publike. Udarac koji je zadobio, insistirao je on, bio je najskladniji zvuk tokom čitave te večeri. Istorija je donela drukčiju presudu: dirigent koncerta, ujedno i čuveni savremeni kompozitor i perjanica atonalne klasike, Arnold Schoenberg „propao“ je u tom trenutku kao možda najkreativniji i najuticajniji kompozitor dvadesetog veka.
Možda nećete uživati u Šenbergovoj disonantnoj muzici (za šta su velike šanse ukoliko nemate živaca, vremena i fokusa); muzike koja odbacuje konvencionalni tonalitet da bi rasporedila 12 nota skale prema pravilima koja ne dozvoljavaju da bilo koja prevladava. On je, međutim, promenio ono što ljudi shvataju kao muziku. To je ono što ga čini istinski kreativnim i inovativnim umetnikom. Šenbergove tehnike su sada besprekorno integrisane u sve: od filmskih partitura i brodvejskih mjuzikla, do solo deonica Milesa Davisa i Ornette Coleman-a.
Kreativnost je među najtajanstvenijim i najupečatljivijim dostignućima ljudskog postojanja. Ali, šta je to?
Kreativnost nije tek neka „novotarija našeg vremena“. I mališan za klavirom mogao bi pogoditi novu sekvencu nota, ali u nekom značajnijem, suštinskijem smislu, te note nisu kreativne. Takođe, kreativnost je ograničena istorijom: ono što se u jednom periodu ili mestu smatra kreativnom inspiracijom bi se, u nekom drugom, moglo zanemariti, shvatajući to kao smešno, glupo ili ludo. Zajednica mora prihvatiti one ideje koje su toliko dobre da su opšteprihvaćene kao kreativne.
Kao u slučaju Šenberga, ili bilo kojeg drugog savremenog umetnika, to prihvatanje ne mora biti univerzalno. Možda to prihvatanje od zajednice zaista ne bi došlo još dugi niz godina – jer, ponekad se kreativnost generacijama pogrešno odbacuje. Ali, ukoliko neka zajednica na kraju ne prihvati inovaciju, onda i nema smisla govoriti o toj zajednici kao o kreativnoj.
Napredak u veštačkoj inteligenciji doveo je do brojnih nagađanja, naime, o tome da će ljudska bića uskoro biti zamenjena mašinama u svim domenima, uključujući i oblast kreativnosti. Ray Kurzweill, futurista, predviđa da ćemo do 2029. stvoriti AI koji može proći kao prosečno obrazovano ljudsko biće. Oksfordski filozof Nik Bostrom nešto je oprezniji; Ne navodi datum, ali predlaže da filozofi i matematičari odgode svoj rad na osnovnim naučnim pitanjima do trenutka punog razvoja „superinteligencije“ naših naslednika, one inteligencije definisane kao „intelekt koji u velikoj meri premašuje kognitivne performanse ljudi u praktično svim domenima (njihovih) interesa“.
Obojica veruju da će jednom, kada se inteligencija na ljudskom nivou proizvede u mašinama, doći do naleta napretka – ono što Kurcvajl naziva „singularnošću“, a Bostrom „eksplozijom inteligencije“ – u kojoj će nas mašine vrlo brzo zameniti krupnim merama u svakom domenu. To će se dogoditi, tvrde oni, jer je nadljudsko dostignuće isto što i obično ljudsko postignuće, osim što se sva relevantna izračunavanja izvode mnogo brže, u onome što Bostrom naziva „hitrom, naprednom superinteligencijom“.
Pa, šta je u tom slučaju sa najvišim nivoom ljudskih dostignuća – kreativnim inovacijama? Da li će naše najkreativnije umetnike i mislioce masovno nadmašiti mašine?
Ne.
Ljudsko kreativno dostignuće, zbog načina na koji je ugrađeno u društvo, neće podleći napretku veštačke inteligencije. Reći drugačije značilo bi pogrešno razumeti ono što su u krajnjem zbiru ljudi, kao vrsta, a i naša kreativnost.
Ova tvrdnja nije apsolutna: ona zavisi od normi kojima dozvoljavamo da upravljaju našom kulturom, kao i naših očekivanja od tehnologije. Ljudska bića su u prošlosti pripisivala veliku moć i genijalnost čak i beživotnim totemima. Sasvim je moguće da ćemo doći do tačke kada ćemo se prema veštački inteligentnim mašinama odnositi kao toliko nadmoćnima u odnosu na nas da ćemo im prirodno pripisivati kreativnost. Ako se to dogodi, to neće biti zato što su nas mašine nadmašile. Biće to zato što ćemo sami sebe umanjiti, sebe surovo kritikovati i ocrniti.
Ljudsko kreativno dostignuće, zbog načina na koji je usađeno u društveno tkivo, neće podleći napretku veštačke inteligencije.
Ovde, takođe, prvenstveno govorim o napretku mašina kakav je nedavno viđen, sa trenutno aktuelnom paradigmom dubokog učenja kao i njenovih računarskih „naslednika“. Druge paradigme, modeli i primeri su u prošlosti upravljali istraživanjima veštačke inteligencije. Oni već nisu uspeli da ispune svoje obećanje. Još neke druge paradigme mogu se uspostaviti u budućnosti, ali ako pretpostavimo da će neka zamišljena buduća umetnička inteligencija – čije karakteristike ne možemo smisleno opisati – postići čudesne stvari, onda je to stvaranje mita, a ne obrazloženi argument o mogućnostima tehnologije.
Kreativno dostignuće različito deluje u različitim domenima. Ovde ne mogu da ponudim potpunu taksonomiju različitih vrsta kreativnosti, pa ću, kako bih naglasio, skicirati argument koji uključuje tri sasvim različita primera: muziku, igre i matematiku.
Muzika za moje uši
Možemo li zamisliti mašinu takvih nadljudski kreativnih sposobnosti da dovodi do promena u onome što shvatamo kao muziku, kao što je to činio Šenberg?
To je ono za šta tvrdim da mašina ne može doseći i postići. Da vidimo zašto.
Kompjuterski sistemi za muzičku kompoziciju postoje već duže vreme. Kurcvajl je 1965. godine, sa 17 godina, koristio preteču sistema za prepoznavanje obrazaca koji danas karakterišu algoritme dubokog učenja, programirajući računar za komponovanje prepoznatljive muzike. Danas se koriste varijante ove tehnike. Algoritmi dubokog učenja mogli su, na primer, da prihvate gomilu Bahovih korala i komponuju muziku toliko karakterističnu za Bahov stil da čak i stručnjake zavarava do stepena kada misle da se radi o nekoj od Bahovih originalnih kompozicija. Ovo je mimikrija. To je ono što umetnik radi kao šegrt na praksi: kopira i usavršava stil drugih umesto da radi autentičnim, svojim originalnim glasom. Nije vrsta muzičke kreativnosti koju povezujemo sa Bahom, niti ima veze sa Šenbergovom radikalnom inovacijom.
Pa, šta u tom slučaju kažemo? Da li može postojati mašina koja, poput Šenberga, izmišlja sasvim novi način muziciranja? Naravno, možemo zamisliti, pa čak i napraviti takvu mašinu. S obzirom na algoritam koji modifikuje sopstvena pravila kompozicije, mogli bismo lako proizvesti mašinu koja čini muziku toliko različitom od one koju danas smatramo dobrom muzikom, kao što je to tada činio Šenberg.
Ali, od ove tačke stvari postaju nešto komplikovanije.
Šenberga smatramo kreativcem i inovatorom ne samo zato što je uspeo da stvori novi način komponovanja muzike, već zato što su ljudi u njemu mogli da vide viziju kakav bi svet trebalo da bude. Šenbergova vizija podrazumevala je „rezervni“, čisti, efikasni minimalizam modernosti. Njegova inovacija nije bila samo pronalaženje novog algoritma za komponovanje muzike; trebalo je pronaći način razmišljanja o tome šta je muzika koja joj omogućava da komunicira, sa zahtevima savremenosti.
Neki bi mogli da tvrde da sam lestvicu podigao previsoko. Da li to tvrdim, pitaće oni, da je mašini potreban neki mistični, nemerljivi osećaj onoga što je društveno neophodno da bi se računalo kao kreativno? Nisam – iz dva razloga.
Prvo, setite se da je predlaganjem nove, matematičke tehnike za muzičku kompoziciju, Šenberg promenio naše razumevanje muzike. Samo kreativnost ove vrste koja prkosi tradiciji zahteva neku vrstu društvene osetljivosti. Da slušaoci nisu njegovu tehniku shvatili kao ostvarivanje anti-tradicionalizma u srcu radikalne modernosti rođene u Beču s početka 20. veka, možda je ne bismo „čuli“ kao nešto estetski vredno. Poenta je ovde da radikalna kreativnost nije „ubrzana“ verzija svakodnevne kreativnosti. Šenbergovo postignuće nije brža ili bolja verzija one vrste kreativnosti koju je pokazao Oscar Strauss, ili neki drugi prosečni kompozitor: ona je suštinski različita po prirodi.
Drugo, moj argument nije da reakcija kreativca na društvenu potrebu mora biti svesna dela koje bi zadovoljilo genijalne standarde. Umesto toga, tvrdim da na taj način moramo biti u stanju da protumačimo delo. Bila bi greška tumačiti sastav mašine kao deo takve vizije sveta. Argument za ovo je jednostavan.
Tvrdnje poput Kurcvajlove – da mašine mogu dostići inteligenciju na ljudskom nivou – pretpostavljaju da je imati ljudski um samo ljudski mozak koji sledi neki skup računarskih algoritama – pogled je koji se naziva „kompjuterizam“ (uma). Ali, iako algoritmi mogu imati moralne implikacije, oni sami nisu moralni agensi, provodnici i posrednici. Majmuna iza pisaće mašine koji slučajno otkuca „Otelo“ ne možemo uvrstiti u veličanstvenog kreativnog dramskog pisca. A ukoliko je u proizvodu veličina, to je samo „nezgoda“. Proizvod mašine možemo videti kao sjajan, ali ako znamo da je on samo ishod nekog proizvoljnog čina ili algoritamskog formalizma, ne možemo ga prihvatiti kao izraz vizije za dobrobit čoveka.
Iz tog razloga, čini mi se da se ništa osim drugog čoveka ne može pravilno razumeti kao istinski kreativni umetnik. Možda će AI jednog dana ići dalje od svog računarskog formalizma, ali to bi zahtevalo skok koji je trenutno nezamisliv. Ne bismo tražili samo nove algoritme ili postupke koji simuliraju ljudsku aktivnost; tražili bismo nove stvari; građu, činjenice, ideje, informacije, koji su osnova čovekovog bića.
Jedan duplikat čovekovog molekula bi na odgovarajući način mogao biti čovek. Mi već, međutim, imamo način da proizvedemo takvo biće: za to nam je potrebno oko devet meseci. Trenutno, mašina može da uradi samo nešto daleko manje zanimljivo od onoga što je čovek sposoban da postigne. Na primer, može da stvori muziku u Bahovom stilu – možda čak i muziku za koju neki stručnjaci misle da je bolja od Bahove. Ipak, to je samo zato što se njegova muzika može ocenjivati prema već postojećem standardu. Ono što mašina ne može je da donese promene u našim standardima za ocenjivanje kvaliteta muzike ili razumevanja šta muzika jeste ili šta ona nije.
Ovo ne znači da se negira da kreativni umetnici koriste sva sredstva kojima raspolažu i da ta sredstva (danas su sredstva zamenjena rečju „alati“) oblikuju vrstu umetnosti koju stvaraju. Truba je pomogla Dejvisu i Kolmenu da ostvare svoju kreativnost. Ali truba, sama po sebi, nije kreativna. Algoritmi veštačke inteligencije više liče na muzičke instrumente nego na ljude. Taryn Southern, bivša takmičarka iz ’Američkog idola’ je nedavno objavila album na kojem su udaraljke, melodije i akordi generisani algoritamski, mada je ona pisala tekstove i više puta doterivala algoritam instrumentacije, sve dok ovaj nije doneo željene rezultate. Početkom devedesetih, Dejvi Bouvi je učinio obrnuto: napisao je muziku i uz to koristio Mac aplikaciju pod nazivom Verbalizer da bi “pseudo slučajno“ rekombinovao rečenice u tekstovima pesama. Baš kao i prethodni alati (sredstva) muzičke industrije – od uređaja za snimanje i sintisajzera, do semplera i loopera – novi AI alati rade stimulišući i kanališući kreativne sposobnosti umetnika (i ujedno odražavajući ograničenja tih sposobnosti).
Igre bez granica
Mnogo je napisano o dostignućima sistema dubokog učenja – sistema koji su danas najbolji ’Go’ igrači na svetu. Računarski program ’AlphaGo’ i njegove varijante su neka vrsta potvrde da je stvoren potpuno novi način igranja ove stare igre. Naučili su stručnjake da brojni potezi pri otvaranju – za koje se dugo mislilo da su nepromišljeni – mogu dovesti do pobede. Program se igra u stilu koji stručnjaci opisuju kao čudan i (ljudskom načinu shvatanja) stran. „Programi za igranje igara su ono kako zamišljam igre iz daleke budućnosti“, izjavio je Shi Yue, vrhunski igrač, govoreći o svom doživljaju programa AlphaGo. Čini se da je algoritam zaista kreativan.
U nekom značajnijem smislu i aspektu on to i jeste. Igranje igara se, međutim, razlikuje od komponovanja muzike ili pisanja romana: u igrama postoji objektivno merilo uspeha. Znamo da imamo šta da naučimo od AlphaGo-a jer vidimo da pobeđuje.
Ali to je takođe ono zbog čega Go i obitava u „domenu igračaka“ (toy domain), jednim uprošćenim slučajem, koji nam na ograničeni i oskudni način govori o raznim stvarima ovoga sveta.
En Ridler & AI: „Pad kuće Ašer“ (2017)
Sloka gore: dvanaestominutna animacija zasnovana na nemom filmu Votsona i Vebera iz 1928. godine: Ridlerova je stvorila fotografije koristeći tri odvojene neuronske mreže: jednu obučenu na njenim crtežima, drugu na crtežima napravljenim od rezultata prve mreže, i treću treniranu na crtežima napravljenim od rezultata druge.
Najosnovnija vrsta ljudske kreativnosti menja naše razumevanje sebe, jer menja shvatanje onoga što smatramo dobrim. Tome nasuprot, u vezi igre Go, priroda dobrote jednostavno nije na radaru mašinskih programa: Strategija igre je dobra onda i samo ako mašina pobedi. A ljudski život, opšte uzev, nema ovu osobinu: ne postoji objektivno merilo uspeha u najvišim oblastima postignuća. Svakako ne u umetnosti, književnosti, muzici, filozofiji ili politici. A takođe, u tom pogledu, ni u razvoju novih tehnologija.
U raznim domenima igračaka, mašine će možda moći da nas nauče nešto, nečemu, o određenoj, vrlo ograničenoj, formi kreativnosti. Ipak, pravila ovog domena su unapred formirana; sistem može uspeti samo zato što nauči da igra dobro u okviru ovih ograničenja. Ljudska kultura i ljudsko postojanje su daleko zanimljiviji od ovoga. Postoje norme kako se ljudska bića ponašaju, naravno. Ali kreativnost u pravom smislu je sposobnost promene tih normi u nekom važnom ljudskom domenu. Uspeh u domenima igračaka nije pokazatelj da je kreativnost ove temeljnije, fundamentalnije vrste dostižna.
Kao nokaut
Skeptik bi mogao tvrditi da argument deluje samo zato što ja suprotstavljam igre umetničkom geniju. Postoje i druge paradigme kreativnosti u naučnom i matematičkom području. U ovim carstvima, pitanje nije uvezano sa vizijom sveta. Radi se o tome kako stvari, zapravo, stoje.
Da li bi mašina jednog dana mogla izneti matematičke dokaze toliko daleko ispred nas, toliko napredne da jednostavno moramo odstupiti i prikloniti se njenom kreativnom geniju?
Ne.
Računari su već pomogli u značajnim matematičkim dostignućima. Ali njihovi doprinosi nisu bili naročito kreativni. Uzmimo prvu veliku teoremu dokazanu pomoću računara: teoremu o četiri boje, koja kaže da bilo koja ravna mapa može biti obojena sa najviše četiri boje na takav način da se nijedna susedna „država“ ne dodiruje sa nekom koja je iste boje (ovo se, takođe, odnosi i na zemlje na sferičnoj površini zemaljske kugle, a ne samo na dvodimenzionalnoj predstavi).
Pre skoro pola veka, 1976. godine, Keneth Apel i Volfgang Haken s Univerziteta u Ilinoisu objavili su kompjuterom potpomognuti dokaz ove teoreme. Računar je izvršio milijarde proračuna, proveravajući hiljade različitih vrsta mapa – toliko da je ljudima bilo (i ostalo) logistički neizvodljivo da provere da li je svaka mogućnost u skladu sa “pogledom” i “perspektivom” računara. Od tada, kompjuteri rutinski pomažu u širokom spektru novih dokaza koje čovek iznosi u obliku premisa i teorija.
AI & Tom Vajt: Električni ventilator (2018). Umetnik je koristio ’perceptivne mašine’, algoritme koji destiluju podatke prikupljene na hiljadama fotografija uobičajenih predmeta, sa ciljem njihove sinteze u apstraktne oblike. Dobijene rezultate zatim testira i dorađuje, sve dok ih sistem ne prepozna.
Međutim, superračunar ne radi ništa kreativno dok proverava ogroman broj slučajeva. Umesto toga, radi nešto dosadno u nepojamno mnogo navrata. Ovo se čini gotovo suprotnim od kreativnosti. Štaviše, toliko je daleko od vrste razumevanja za koje obično mislimo da bi, kao dokaz, recimo, poput matematičkog, trebalo da ponudi: jer, računar u tolikoj meri dosadno rutinski „algoritmuje“ da neki stručnjaci ove „mašinske strategije“ proistekle iz računarskih operacija uopšte ne smatraju (validnim) matematičkim dokazima. Filozof matematike i nauke Thomas Tymoczko je tvrdio da, ukoliko ne možemo čak ni da verifikujemo da li je dokaz čovekove postavke tačan i utemeljen, onda sve što zaista činimo jeste ukazivanje poverenja računsko-računarskim procesima, koji su skloni greškama.
Iako pretpostavimo da treba da verujemo takvim (iz algoritma proisteklim) rezultatima, međutim, dokazi dobijeni uz pomoć računara su, po analogiji, nešto poput komponovanja muzike uz pomoć računara. Ako nam daju vredan „proizvod“, odnosno, „konačni ishod“ (tzv. umetničko delo), to je prevashodno zbog doprinosa čoveka. Ipak, neki stručnjaci tvrde da će veštačka inteligencija moći da postigne i više od ovoga. Pretpostavimo, onda, da posedujemo krajnju, ultimativnu opciju: samostalnu mašinu koja sve nove teoreme dokazuje sama.
Da li bi jednog dana, kako tvrde Kurcvajl i Bostrom, neka ovakva mašina mogla u ogromnoj meri nadmašivati čovekovu matematičku kreativnost,? Pretpostavimo, na primer, da AI donosi rešenje nekog izuzetno važnog i teškog otvorenog problema u matematici.
Sposobnost istinske kreativnosti, one vrste kreativnosti koja ažurira, nadograđuje i usavršava naše (po prirodi ljudske) razumevanje prirode bića, u osnovi je onoga što bi ljudskost i trebalo biti.
Postoje dve mogućnosti. Prva je da je dokaz izuzetno pametan i kada stručnjaci u toj oblasti prođu kroz njega, otkriju da je tačan. U ovom slučaju, AI koja je otkrila dokaz biće nagrađena aplauzom; Čak se i sama mašina može smatrati kreativnim matematičarem. Ali, takva mašina ne bi bila dokaz singularnosti; ne bi nas toliko nadmašila u kreativnosti da, navodno, čak ne bismo mogli ni da razumemo šta je to što radi. Čak i da poseduje takvu vrstu kreativnosti na ljudskom nivou, to je ne bi neizbežno uvelo u carstvo onkog nadljudskog.
Neki matematičari su poput muzičkih virtuoza: Odlikuje ih savršeno vladanje nečim unutar već postojećeg idioma. Ali geniji kao što su Srinivāsa Aiyangār Rāmānujan, Emmy Noether ili Alexander Grothendieck su verovatno preoblikovali matematiku baš kao što je Schoenberg preoblikovao muziku. Njihova dostignuća nisu bila oličena samo u dokazivanju dugogodišnjih hipoteza, već u novim i neočekivanim oblicima rezonovanja, koji su delovali ne samo snagom njihove logike već i sposobnošću da druge matematičare argumentovano ubede u značaj njihovih inovacija. Zamišljeni AI koji donosi „pametni dokaz problema“ koji je dugo zbunjivao matematičare srodan je računarskom programu AlphaGo i njegovim varijantama: impresivan, ali nimalo nalik Šenbergu.
To nas dovodi do druge mogućnosti. Pretpostavimo da je najbolji i najsjajniji algoritam za duboko učenje labav, pa nakon izvesnog vremena kaže: „Našao sam dokaz fundamentalno nove teoreme, ali je isuviše komplikovan da bi ga razumeli i vaši najbolji matematičari.“
Ovo, zapravo, nije moguće. Dokaz koji ne mogu da razumeju ni najbolji matematičari se, zapravo, ne računa kao dokaz. Dokazivanje nečega podrazumeva da to dokazujete nekome. Kao što muzičar(ka) mora nagovoriti svoju publiku da prihvati njegov/njen estetski koncept dobre muzike, tako i matematičar mora nagovoriti druge matematičare da postoje dobri razlozi da poveruju u takvo, inovativno-kreativno viđenje istine. Da bi se neki matematički podatak smatrao valjanim dokazom, neka tvrdnja mora biti razumljiva i podržana od strane nekog nezavisnog skupa stručnjaka koji su u dobroj poziciji da je razumeju. Ako stručnjaci – koji bi trebalo da su sposobni da razumeju dokaz – to nisu u stanju, onda naučna zajednica odbija da ovaj novi način prihvati kao dokaz.
Iz tog razloga, matematika više liči na muziku nego što bi se moglo i pomisliti. Mašina nas ne bi mogla uveliko nadmašivati u kreativnosti, jer bi njeno postignuće ili bilo razumljivo – jer nas, u tom slučaju, ne bi ubedljivo nadmašilo – ili pak ne bi bilo razumljivo – jer u tom slučaju ne bismo mogli da na njen “opus” gledamo kao ostvarenje bilo kakvog kreativnog napretka.
Oko posmatrača
Inženjerstvo i primenjena nauka su, na neki način, negde između ovih primera. Postoji nešto poput objektivnog, spoljnog merila uspeha. Ne možete „pobediti“ u izgradnji mostova ili otkrivanju novih lekova onako kako možete u šahu, ali se može videti da li most pada ili je virus eliminisan. Ovi objektivni kriterijumi stupaju na snagu tek kad je domen prilično dobro preciziran: dolazi do jakih, laganih materijala, recimo, ili lekova koji uspešno suzbijaju određene bolesti. AI bi mogao pomoći u otkrivanju lekova tako što bi, u stvari, uradio isto što i AI koji je sastavio ono što je zvučalo kao dobro izvedena Bahova kantata, ili bi smislio briljantnu strategiju za Go. Poput mikroskopa, teleskopa ili kalkulatora, takav AI se pravilno shvata kao sredstvo koje omogućava čovekova otkrića – a ne kao autonomni kreativni agent „mašinskog porekla“.
Ovde vredi razmisliti o specijalnoj teoriji relativnosti. Alberta Ajnštajna pamte kao „otkrivača“ fizičkog relativiteta – ali ne zato što je prvi smislio jednačine koje bolje opisuju strukturu prostora i vremena. Džordž Ficdžerald, Hendrik Lorenc i Anri Poenkare, između ostalih, zapisali su te jednačine pre Ajnštajna. Hvaljen je i ustoličen kao otkrivač teorije jer je originalno, izvanredno i suštinski istinito razumeo šta te jednačine znače, a i bio je u stanju da to razumevanje prenese drugima.
Da bi se mašina mogla baviti fizikom koja je u bilo kom smislu uporediva s Ajnštajnovom kreativnošću, ona mora da je u stanju da druge fizičare ubedi u vrednost svojih ideja – bar toliko dobro koliko je i on sam to učinio. Što će reći, morali bismo biti u mogućnosti da prihvatimo njene „predloge“, sa ciljem da nam prenesu valjanost njihovog sopstvenog izvođenja. Ako bi takva mašina ikada i nastala, kao u alegorijskoj priči o Pinokiju, morali bismo da se prema njoj odnosimo kao prema čoveku. To znači, između ostalog, da bismo „tome“, toj mašini, morali da pripišemo ne samo inteligenciju već i ono dostojanstvo i moralnu vrednost koje odgovaraju ljudskim bićima. Čini mi se da smo daleko od ovog scenarija i nema razloga da mislimo da će nas trenutna računarska paradigma veštačke inteligencije – u svom obliku dubokog učenja ili bilo kojem drugom – ikada približiti njemu.
Kreativnost je jedna od glavnih karakteristika ljudskih bića. Sposobnost istinske kreativnosti, ona vrsta kreativnosti koja konstantno poboljšava i nadograđuje naše razumevanje prirode bića, koja menja način na koji shvatamo šta je to biti lep, ili dobar, ili istinit – ta je sposobnost osnova onoga što čovek treba biti. Ova vrsta kreativnosti, međutim, zavisi od našeg vrednosnog suda i brižnost za nju kao takvu (mašina ne poseduje takvu potrebu-instinkt). Kao što je pisac Brian Christian na jednom mestu istakao, ljudska bića se sve manje ponašaju poput bića koja bi trebalo da kreativnost vrednuju kao jednu od svojih najuzvišenijih mogućnosti, već se, tome nasuprot, pre ponašaju kao same mašine.
Koliko ljudi danas ima poslove koji od njih zahtevaju praćenje unapred određenih skripti za njihove razgovore? Koliko je u ovoj ispraznoj šaradi malo od onoga što nam je poznato kao stvaran, autentičan, kreativan i otvoren ljudski razgovor? Koliko je to, ta „konverzacija“, taj „razgovor“ umesto toga, zapravo, samo jedna vrsta poštovanja pravila onoga što je mašina u stanju da uradi? A koliko je nas – ukoliko dopuštamo da budemo uvučeni u ovakva „izvođenja scenarija“ – takođe ispražnjeno od smisla, suštine ljudskosti? Koliko vremena svakog dana dozvoljavamo sebi da budemo ispunjeni efikasnim mašinskim aktivnostima – popunjavanjem kompjuterizovanih obrazaca i upitnika, odgovaranjem na najraznovrsnije „mamce“, koji rade na naše najprizemnije impulse nalik životinjskim – „igrajući“ s njima, recimo, igrice – te unapred smišljene scenarije – igrajući igrice osmiljene radi „optimizacije naše zavisnosti“ reagovanja na sve ovo (mašinske, algoritamske mamce)?
U opasnosti smo od ove zabune i u nekim od najdubljih domena ljudskih dostignuća. Ukoliko sebi dozvolimo da kažemo da su mašinski dokazi koje ne možemo razumeti istinski „dokazi“, na primer, ustupajući društveni autoritet mašinama – tretiraćemo dostignuća matematike kao da uopšte ne zahtevaju ljudsko razumevanje. Potući ćemo jednu od naših najviših formi kreativnosti i inteligencije, i svesti ih na komadić binarnih informacija: da ili ne. Jedinica ili nula.
Čak i da posedujemo te informacije, one bi nam bile od male vrednosti bez izvesnog razumevanja razloga koji su u osnovi. Ne smemo izgubiti iz vida suštinski karakter rezonovanja, koji je u osnovi onoga što je matematika po sebi.
Tako je i sa umetnošću, muzikom, filozofijom i književnošću. Ukoliko sebi dopustimo da se okliznemo, pa počnemo da mašinsku „kreativnost“ tretiramo kao zamenu za svoju, tada će nam mašine zaista izgledati neshvatljivo superiorne. To će se, međutim, dogoditi zato što ćemo izgubiti nit vodilju o osnovnoj ulozi koju kreativnost igra u postojanju čoveka i ljudskosti.
Sean Dorrance Kelly predaje filozofiju na Harvardu i koautor je bestselera „Sjaj svih stvari“ (All Things Shining).
MIT Review
Iz radijusa:
AIArtists.org, The world’s largest community of artists exploring the impact of AI on art & society
Artificial Intelligence and the Arts: Toward Computational Creativity
The Past, Present, and Future of AI Art
Next Level Art and the Future of Work and Leisure
Five artists who show art’s important relationship to AI
The Rise of AI Art—and What It Means for Human Creativity
Art made by AI is selling for thousands – is it any good?
If an AI creates a work of art, who owns the rights to it?
We’ve been warned about AI and music for over 50 years, but no one’s prepared
AI and music: will we be slaves to the algorithm?
The Relationship Between Art and AI
AI Is Blurring the Definition of Artist
How AI-generated music is changing the way hits are made
AI composers create music for video games
Music and Artificial Intelligence
AI’s Growing Role in Musical Composition
A Retrospective of AI + Music, How AI has shaped music creation and the industry
Za većinu zaposlenih, ovakva vrsta razgovora bila bi kratka uzgredna vest „negde ispod“ glavnog sadržaja na monitoru, ali rasprava o kajacima – kao i planovima za vikend i omiljenim društvenim igrama – predstavljaju suštinu ovog poziva. Zaposleni iz bilo kog GitLabovog tima (ili vremenske zone) prijavljuju se na ove periodične, polusatne kompanijske pozive kako bi replicirali i dali svoje mišljenje po raznim pitanjima, takoreći „inscenirali slučajne razgovore“ koji se, prirodno, dešavaju onda kada saradnici dele istu kancelariju.
Kompanija trenutno radi na aplikaciji koja programerima omogućava saradnju tokom pisanja i pokretanja softvera, i – nema svoje fizičko sedište. Umesto toga, sastoji se od preko 1.300 zaposlenih, razmeštenih u 67 zemalja i u gotovo svakoj vremenskoj zoni, a svi koji rade za GitLab su ili kod kuće ili u tzv. co-op prostorima. To su „neutralne lokacije“, jer ne pripadaju nijednoj specifinoj kompaniji; u njima se, uglavnom, nalaze radnici iz raznih kompanija da bi zajednički učestvovali u poslovima koji nisu povezani ni sa jednom od firmi kojima nominalno pripadaju.
GitLab ove opuštene interakcije shvata toliko ozbiljno da u svom priručniku za zaposlene ima navedeni protokol koji je u celini javno dostupan na Mreži. Ako bi se odštampao, obuhvatio bi više od 7.100 stranica.
Pre no što su pandemijske blokade pogodile SAD, u martu je samo 2% plaćene radne snage radilo puno radno vreme od kuće. Do maja ove godine, više od dve trećine američkih kancelarijskih radnika prijavilo se da radi sa mesta svog prebivališta. To je, po mnogima, predstavljao neočekivani uspeh. U julskoj studiji kompanije Lenovo, ispostavilo se da je gotovo dve trećine od preko 20 hiljada ispitanika iz celog sveta izjavilo da su više radili od kuće – uprkos ometanjima prouzrokovanim pandemijom. Imajući u vidu tekuću situaciju (i potencijal da uštede novac na kancelarijskom prostoru i platama), neke kompanije – među njima Facebook, Twitter i Square – sada zaposlenicima nude mogućnost stalnog rada od kuće.
GitLab ne samo da je stvorio živahnu i veoma dinamičnu kulturu komuniciranja kroz aplikaciju Zoom, već je, takođe, razvio način da u svoje virtuelne prostorije uvede nove zaposlene, koji nikada dotad nisu lično upoznali nijednog od već postojećih saradnika. Ustanovljena su i pravila za komunikaciju e-poštom a i za upotrebu Sleka, kako bi se osiguralo da zaposleni koji su aktivni po različitim vremenskim zonama budu „ukačeni“ u sve one ključne poruke, relevantne za dalje poslovanje i razvoj.
Procenjuje se da je GitLab prošlog septembra (2019) od inicijalnih 268 miliona dolara prikupio sredstva u vrednosti od 2,75 milijardi dolara, a priča se i da je u toku priprema za direktnu javnu ponudu (Najveći konkurent mu je GitHub, kojeg je 2018. kupio Microsoft za 7,5 milijardi dolara). Kako se profil kompanije podiže, tako i posebnost njene poslovne kulture privlači sve veću pažnju.
Kompanija za finansijske usluge DTCC jedna je od onih koja s Marfom neformalno komunicira na temu izmeštenog rada, kao i o budućnosti svog poslovanja. „Najzanimljivije nam je bilo koliko su na Mreži međusobno ćaskali dok su ’kuvali’ svoju poslovnu kulturu“, kaže Robert Palatnik, izvršni direktor i šef odseka za globalna tehnološka istraživanja i inovacija u DTCC. „Jednom kada počnete da čitate o njihovoj kulturi komunikacije uspostavljenoj unutar „virtuelnih radionica“, i njihovim vrednostima, a posebno o njihovom fokusu na sveobuhvatnu „megazonsku“ saradnju, onda sasvim lako uočavate kako su sve to uspeli.“
Sa radnicima „zaglavljenim“ kod kuće usred krize COVID-19, GitLab objavljuje vodič za upravljanje radom na daljinu koji dosad ima više od 30 hiljada preuzimanja.
Pre no što započnu svoj stvarni posao, očekuje se da će zaposlenici prve dve nedelje provesti u proveri svake stavke sa ove liste. Ovaj „obred“ prolaska je način na koji kompanija prilagođava novozaposlene na svoj jedinstveni način rada, upućujući ih u njene aktuelne proizvode.
Malo je kompanija koje su prihvatile asinhroni rad u onoj meri u kojoj je to učinio GitLab. A dobri su razlozi zbog čega je to tako: Rad u više vremenskih zona i rasporeda predstavlja logističku noćnu moru za celokupno osoblje. Uprkos tome, Sidžbrendidž je usredsređen na koristi od ovakvog „multizonskog“ rada. „Ne morate biti stalno prekidani, jer radno vreme možete da pomerate, i da radite praktično kad god želite“, kaže on. Ključ je, međutim, u tome što „umesto da sve držite u glavi, vi to zapisujete“.
Ove norme i procedure zabeležene su u kompanijski priručnik koji pokriva gotovo sve aspekte tog poslovnog modela i „filozofije“; Odeljak o komunikaciji uključuje 38 kategorija unutar kojih su detaljno opisane najbolje prakse za korišćenje Google dokumenata, Zuma, Sleka i određenih e-modžija, kao i uputstva za maksimalan broj klikova „napred-nazad“ da biste otpočeli „ćaskanje,“ ili pregledali e-poštu pre zakazivanja poziva (Upozorenje o spojleru: Triput) U poređenju sa većinom priručnika za kompanijsko poslovanje i komunikaciju, koji se spuštaju na dno prašnjavih ormarića, GitLab se redovno proširuje, često i više puta dnevno. Ne samo da se često ažurira, već su i te izmene javno vidljive.
Nakon što je GitLab učestvovao u startap inkubatoru „Y Combinator“ u Mauntin Vjuu u Kaliforniji, tako je u zimu 2015. Sid dobio i 1,5 miliona dolara od runde dofinansiranja početnim (seed) kapitalom, potpisavši dvogodišnji zakup jednog potkrovlja u San Francisku. Ali, i tamo su zaposleni prestali da se pojavljuju. “Sve njihove kolege, sve njihove informacije, sve je bilo na Zoom-u i Slack-u, tako da jednostavno nije bilo potrebe za viđanjima u zgradi. Od boravka u kancelariji nisu imali mnogo koristi; nisu u kancelariji dobijali ni neke dodatne informacije o karijernim mogućnostima”, kaže Sid. On i njegova supruga su se na kraju uselili u to potkrovlje, koristeći ga do isteka trajanja zakupa. „Sada je naša korporativna adresa poštansko sanduče američke pošte: UPS Store, San Francisko.“
Ovih dana, Sidžbrendidž, koji govori engleski jezik sa holandskim naglaskom, i koji svake sedmice ide na časove da bi eliminisao taj akcenat, toliko veruje u transparentni model svoje kompanije da priručnik za zaposlene sadrži odeljak od devet stranica posvećenih samo njemu. Zaposleni mogu dobiti detalje o njegovim omiljenim restoranima, savete o tome kako da komuniciraju s njim, pa čak i Sidžbrendidžovu listu „mojih osam najvećih mana kao menadžera“. („Stalno delujem preozbiljno, u u redu je reći ‘hm, možda bi mogao da se malko više smeješ’ “)
Sid jasno stavlja do znanja da radno mesto na izmeštenoj lokaciji (kod kuće ili u kancelariji napravljenoj u privatnom prostoru) nije funkcionalno rešenje za svaku organizaciju. Kompanije koje imaju isključivo digitalni proizvod, kao što ga ima GitLab, predstavlja idealnog kandidata za izmešten rad; proizvodnja, gde ima smisla biti blizu fizičkog proizvoda, verovatno nije tako funkcionalna u uslovima daljinskog poslovanja. „Ako ste u izuzetno kreativnom okruženju, tim pre je teže“, priznaje on. Čak i GitLab ceni lične veze među osobljem: on sam je domaćin godišnje konferencije koja podstiče okupljanje zaposlenih, a saradnicima subvencioniše putne troškove kako bi se uzajamno posećivali, ili prisustvovali značajnim životnim događajima, poput venčanja.
Njegova najveća briga je što će kompanije požuriti s povratkom u centralu, čak i delimično. „Rešenje nije u ponovnom otvaranju kancelarija jer je hibridnim kompanijama veoma, veoma teško upravljati, a izmešteni radnici će se onda osećati izostavljenima“, kaže on. „Produktivnost će pasti i oni će zaključiti: ’Ah, pa moraće da nas ponovo smeste negde, u neku pravu kancelariju…’ što je pogrešno zaključivanje.“
Slack je asinhron i zato nemojte očekivati hitan odgovor, niti se pak osećajte obaveznim da odgovarate na poruke onda kada ne radite. Nikada @here ili @channel u grupnom kanalu – ili @ osobi na javnom kanalu – osim ako poruka od vas ne zahteva trenutnu reakciju i fokus. Izbegavajte direktne poruke koje izdvajaju grupnu komunikaciju i obeshrabruju timsku saradnju. Trebalo bi da frekventnost DM-ova (direktnih poruka među zaposlenima) bude manja od 50% ukupnih kompanijskih poruka. Direktno slanje poruka u nekoj zatvorenoj grupi kolega takođe je „no-no“: Ove vrste grupnih DM-ova je teško održavati, a i ograničavaju transparentnost jer se drugi zaposleni ne mogu priključiti vašem internom „ćaskanju“. Umesto toga, napravite kanal. Ako vam je teško da pratite Slack poruke kada niste za svojim stolom, podesite postavke za primanje obaveštenja e-poštom. Koristite Slackbots da biste održali komunikacijske vrednosti kompanije. GitLab ima jedan takav kanal (tu se, recimo, osoblje podseća da pozdravljanje „Hej, drugari“ zameni sveobuhvatnijim, „ćao za tim“ ili „ćao svima“). Dejv Munikjelo, glavni partner kompanije GV koja upravlja rizičnim kapitalom je još u januaru 2017. razmišljao o ulaganju u GitLab, kada ga je prijatelj iznenada zaustavio, upozorivši ga da se događa nešto neobično.
Njegov prijatelj je bio zabrinut zbog rizika koji predstavlja bilo koji zaposleni, ukazujući pažnju na napredak kompanije u rešavanju problema. Munikjelo se priseća da je o tome razgovarao sa svojim partnerima u GV, koji su bili “pomalo skeptični”. Ali, nakon što je razgovarao sa Sidžbrendidžom, izvršni direktor je objasnio da ovo nije primer prevare počinjene od strane nekog zaposlenog. „Sidov odgovor je bio:„ Da, tako vodimo kompaniju. Mi smo radikalno transparentni “, kaže Munikjelo. Javno deljenje informacija o svom radnom procesu i donošenju odluka je, po ličnom viđenju, učinilo kompaniju još jačom. Devet meseci kasnije, GV je predvodio GitLab-ovu seriju „C“ od 20 miliona dolara dofinansiranja.
Transparentnost kompanije takođe omogućava da se uoči jedan od najvećih izazova. Iako GitLab naglašava važnost fleksibilnog rada na daljinu u stvaranju raznolike radne snage, kompanija se – kao i mnogi drugi tehnološki startapi – bori sa zapošljavanjem žena i BIPOC-a, posebno na rukovodeće pozicije. Prema brojkama koje je kompanija objavila krajem juna, žene čine nešto više od 30% ukupnog broja zaposlenih i 26% rukovodstva. Od 740 članova američkog tima, njih 2,8% se izjasnilo da su crnci, 5,5% kao hispano / latinoamerikanci i 3,9% kao dvorasni ili multirasni. Trenutno, na direktorskim i višim rukovodećim pozicijama u GitLabu nema “Latinx” ili osoba podvedenih pod „Black individuals“ (U postu na blogu, Sidžbrendidž se obavezao da će to „popraviti“ do 2021. godine, iako je – u retkom trenutku netransparentnosti – odbio da pruži specifična postignuća koja bi se dobila forsiranjem ovakve metrike).
U vreme dok je radila kao vodeća produkt-menadžerka, od maja do septembra 2019, Korina Stasik je u GitLabu bila jedna od retkih žena u timu koja se bavila razvojem proizvoda. Tokom 17 godina provedenih u tehnolokim firmama, nije to bio prvi put da je, kao žena, bila usamljen slučaj. „Način na koji se radi, način na koji timovi funkcionišu, iako je način donošenja odluka predstavljao poteškoću“, kaže ona. Ipak, boravak u jednom izmeštenom timu sa startaperskim mentalitetom visoke stope poslovnog rasta je pogoršao tu tendenciju; naime, da kada je reč o donošenju odluka, „belci se podrazumevaju“. Ona dodaje i da, „Kako su stariji lideri ulazili, želeli su da zaposle ljude sa kojima su ranije sarađivali, i taj se njihov pristup pokazao uspešnim. To je bila njihova ‘sigurnosna mreža’, kada su mogli predvideti šta (ta osoba) misli ili oseća u situaciji kada je izmeštena.”
Pitanje kako daljinski prilagoditi poslovnu i komunikacijsku kulturu je nešto što stručnjaci poput HBS-ovog Čoudurija takođe razmatraju, posebno za velike kompanije koje su mnogo uložile u kulture zasnovane na kampusu. „Napravili ste sve ove otmene, prelepe kampuse (poput Fejsbukovog), u Menlo Parku“, rekao je Čouduri, koji se savetuje sa TCS-om, indijskom kompanijom za IT usluge. “Šta to znači, da ljudi ne dolaze u kampus svaki dan? Kako menjate kulturu komunikacije? Kako ovaj zajednički kod stvarate i utvrđujete na vrhu poslovne strukture?”
Napetost između ovih pogleda i „vizija“ nalaze se u samom središtu borbi oko pojedinih zgradnih lokacija, kao i šireg fronta i sučeljavanja oko načina na koji treba pristupiti ublažavanju stambene krize. A sve donedavno gotovo da nije bilo podataka koji bi tu dilemu razjasnili na mikro-nivou: obimu koji obuhvata komšiluk površine od jednog ili dva bloka. Čak je verovatno i da bi obe ove priče mogle istovremeno biti istinite: da bi stambena novogradnja mogla doprineti snižavanju stanarina duž područja pod kojima se prostire metro, iako je to, već po tradiciji, signal da popularnost određenog susedstva automatski povećava zakupnine u objektima koji su u neposrednoj blizini.
Tipovi zgrada za stanovanje koje su u predmet ovih studija – zgrada izgrađenih shodno tržišnom principu, koje imaju 50 ili više stambenih jedinica – sada predstavljaju većinu novih stambenih objekata. A vlasnici novih stanova danas pretežno ciljaju na one podstanare koji imaju veća primanja; prema Harvardskom zajedničkom centru za stambeno istraživanje, sadašnja renta iznosi 1.620 dolara mesečno, što je 78% više od srednje (prosečne) zakupnine na nivou čitavih Sjedinjenih Država), s tim što se jaz između tih brojki (odnosno najaktuelnijih područja SAD i ostatka te zemlje) sve više produbljuje (
“Dobrostojeća klijentela već želi da se doseli u (takav) komšiluk”, rekao je Mast, želeći da upravo ovako, u najkraćem, iznese svoja zapažanja na predstojećem – po svemu sudeći burnom – javnom skupu, sazvanom upravo zbog objavljivanja takvog plana i predloga. “Tako da možemo izgraditi ovu zgradu koja će im dati one tipove stambenih jedinica u kojima bi želeli da žive. Ili, ukoliko to ne budemo učinili, uzeće neki stan u blizini i renovirati ga.”
U nekim drugim kontekstima, moguće je i to da bi novi stanovi koji se prodaju po tržišnoj ceni mogli dovesti do toga da jedan broj obližnjih vlasnika ‘obuzda’ svoje najamnine, čak i ukoliko bi to prouzrokovalo preispitivanja nekih drugih stvari, recimo, koliko je cena njihovih zakupnina bila niska. Moguće je, čak, i da rentijeri stanova za one s nižim primanjima mogu u početku osetiti neki benefit od nove gradnje, čak i ako bi dugoročno mogli imati koristi od toga (kako nove zgrade vremenom stare i, samim tim, postaju cenovno pristupačnije, ili kako stanari sa većim primanjima idu dalje, izlazeći iz ovih trenutno ‘vrućih’ prostora i kvartova, tako bi oni mogli postati pristupačniji i manje dobrostojećim podstanarima).
