analizę opartą na big data, gdyż zarówno jej dane wejściowe, jak i wyjściowe nadają się do dokładnego matematycznego przedstawienia. Dane wejściowe to matematyczne wzory fal dźwiękowych; wyjściowe – elektrochemiczne wzory burz neuronów. W ciągu paru dekad algorytm, który prześledzi miliony muzycznych doznań, może się nauczyć przewidywać, w jaki sposób konkretne dane wejściowe generują konkretne dane wyjściowe22.
Załóżmy, że jesteś właśnie po burzliwej kłótni z chłopakiem. Algorytm odpowiedzialny za twój zestaw muzyczny natychmiast rozpozna twoje rozgorączkowanie i opierając się na tym, co o tobie wie, oraz na ogólnej znajomości ludzkiej psychiki, wybierze odpowiednie kawałki, w których odnajdziesz swój ból i smutek. Te konkretne utwory niekoniecznie sprawdziłyby się u innych, ale do ciebie – do twojego typu osobowości – pasują idealnie. Po tym jak algorytm pomógł ci się pogrążyć w rozpaczy, chwilę później puszcza ci tę jedną jedyną piosenkę, która cię rozweseli – być może dlatego, że połączył twoją podświadomość z jakimś szczęśliwym wspomnieniem z dzieciństwa, wspomnieniem, z którego istnienia nawet nie zdawałaś sobie sprawy. Nie ma na świecie didżeja, który mógłby choćby marzyć o takich możliwościach sztucznej inteligencji.
Ktoś może zaprotestować, mówiąc, że SI wykluczałaby wszelką przypadkowość i otaczałaby nas ciasnym muzycznym kokonem, utkanym z tego wszystkiego, co wcześniej polubiliśmy lub czego nie polubiliśmy. A co z poszukiwaniem nowych muzycznych upodobań, co z eksperymentowaniem z nowymi stylami? Żaden problem. Z łatwością będzie można podregulować algorytm, by przy wyborze 5 procent utworów rządził przypadek, dzięki czemu nieoczekiwanie usłyszymy zespół grający tradycyjną indonezyjską muzykę gamelan, operę Rossiniego albo najnowszy hit z gatunku K-popu. Z czasem, obserwując twoje reakcje, SI umiałaby nawet określić idealny stopień przypadkowości, który optymalizowałby poszukiwanie nowości, nie powodując jednocześnie rozdrażnienia: być może algorytm obniżyłby odsetek piosenek wybieranych na zasadzie szczęśliwego trafu do 3 procent albo podniósł go do 8.
Ktoś inny mógłby mieć zastrzeżenia co do tego, że nie bardzo wiadomo, w jaki sposób taki algorytm miałby ustalać swój cel emocjonalny. Jeśli jesteś akurat po kłótni z chłopakiem, to czy algorytm ma ci pozwolić trwać w smutku, czy cię rozweselić? Czy miałby sztywno stosować się do ustalonej skali „dobrych” i „złych” emocji? Może są w życiu takie sytuacje, gdy dobrze jest się posmucić? To samo pytanie można by oczywiście zadać ludzkim muzykom i didżejom. W wypadku algorytmu istnieje jednak wiele ciekawych rozwiązań tej zagadki.
Jedna możliwość polega na tym, by po prostu pozostawić decyzję klientowi. Możesz ocenić własne emocje tak, jak ci się podoba, a algorytm zastosuje się do tego, co mu narzucisz. Wszystko jedno, czy chcesz użalać się nad sobą, czy skakać z radości – algorytm będzie ślepo realizował twoje wskazówki. Co więcej, do tego, by algorytm nauczył się rozpoznawać twoje pragnienia, nie jest nawet konieczne, aby te pragnienia były uświadomione.
Jeśli nie masz do siebie zaufania, możesz ewentualnie polecić algorytmowi, by stosował się do zaleceń dowolnie przez ciebie wybranego wybitnego psychologa. A gdy chłopak w końcu cię rzuci, algorytm może cię przeprowadzić przez pięć formalnych etapów żałoby: najpierw pomoże ci zaprzeczać temu, co się stało (puszczając ci Don’t Worry, Be Happy Bobby’ego McFerrina), następnie podsyci twój gniew (dzięki You Oughta Know Alanis Morissette), sprowokuje cię do targowania się (tutaj sprawdzi się Ne me quitte pas Jacques’a Brela i Come Back and Stay Paula Younga), wrzuci cię w otchłań depresji (każąc ci słuchać Someone Like You i Hello w wykonaniu Adele), a na koniec pomoże ci zaakceptować tę sytuację (Gloria Gaynor i jej I Will Survive).
Później algorytm zacznie majstrować przy samych piosenkach i melodiach, za każdym razem odrobinę je zmieniając, tak by dostosować je do twoich kaprysów. Być może w jakiejś znakomitej skądinąd kompozycji nie podoba ci się konkretny fragment. Algorytm wie o tym, ponieważ ilekroć go słuchasz, mocniej bije ci serce i lekko spada ci poziom oksytocyny. SI potrafi poprawić albo usunąć przeszkadzające ci nuty.
Ostatecznie algorytmy mogą nauczyć się komponować całe utwory, grając na ludzkich emocjach, jakby to były klawisze fortepianu. Wykorzystując twoje dane biometryczne, algorytmy będą mogły nawet tworzyć spersonalizowane melodie, które doceni i polubi tylko jedna osoba w całym wszechświecie: właśnie ty.
Często można się spotkać z twierdzeniem, że ludzie potrzebują sztuki, ponieważ odnajdują w niej siebie. Może to prowadzić do zaskakujących i dość złowrogich rezultatów. Pomyślmy, co by było, gdyby Facebook zaczął tworzyć spersonalizowaną sztukę, opierając się na tym, co o nas wie. Jeśli rzuci cię chłopak, Facebook skomponuje dla ciebie piosenkę właśnie na temat tego łajdaka, a nie jakiejś nieznanej bliżej osoby, która złamała serce Adele albo Alanis Morissette. Taki kawałek będzie nawet wspominać o rzeczywistych wydarzeniach z twojego życia, o których nie wie nikt oprócz ciebie i twojego eks.
Oczywiście może się okazać, że spersonalizowana sztuka wcale się nie przyjmie, ponieważ ludzie nadal będą woleli zwykłe przeboje, które lubią wszyscy. No bo jak tańczyć albo wspólnie śpiewać do melodii, której nie zna nikt poza tobą? Algorytmy mogłyby jednak okazać się jeszcze skuteczniejsze w tworzeniu ogólnoświatowych przebojów niż spersonalizowanych unikatów. Wykorzystując olbrzymie biometryczne bazy danych zbieranych od milionów ludzi, algorytm będzie wiedział, jak ułożyć sekwencję uruchamianych kolejno biochemicznych przycisków, aby powstał światowy przebój, który każdego bez wyjątku wprawi w szalone pląsy na parkiecie. Jeśli sztuka naprawdę polega na wzbudzaniu emocji – albo na oddziaływaniu na nie – to mało który (o ile w ogóle jakiś) zwykły muzyk będzie miał szansę rywalizować z takim algorytmem, ponieważ ludzie nie są w stanie dorównać mu w rozumieniu podstawowego instrumentu, na którym grają: ludzkiego systemu biochemicznego.
Czy to wszystko sprawi, że powstanie wielka sztuka? Zależy, jak zdefiniujemy sztukę. Jeśli rzeczywiście piękne jest to, co się komu podoba, i jeśli klient ma zawsze rację, to biometryczne algorytmy mają szansę tworzyć najlepszą sztukę w dziejach. Jeśli w sztuce chodzi o coś głębszego niż ludzkie emocje i jeśli ma ona wyrażać pewną prawdę, a nie tylko wywoływać nasze biochemiczne drżenie, to biometryczne algorytmy mogą się okazać słabymi artystami. Ale podobnie jest z większością ludzi. Aby wkroczyć na rynek sztuki i wyprzeć z niego wielu kompozytorów oraz artystów, algorytmy nie będą musiały od razu przewyższać Czajkowskiego. Wystarczy, jeśli okażą się lepsze od Britney Spears.
Znikanie wielu tradycyjnych zawodów w najrozmaitszych sektorach, od sztuki po opiekę medyczną, częściowo będzie równoważone przez tworzenie nowych miejsc pracy dla ludzi. Lekarzy pierwszego kontaktu, którzy skupiają się na diagnozowaniu znanych chorób i stosowaniu standardowych sposobów leczenia, prawdopodobnie zastąpią lekarze zrobotyzowani, oparci na sztucznej inteligencji. Właśnie dlatego jednak zostanie znacznie więcej pieniędzy dla lekarzy i laborantów, którzy będą się zajmować przełomowymi badaniami i opracowywaniem nowych leków czy procedur chirurgicznych23.
Sztuczna inteligencja może też pomagać tworzyć nowe miejsca pracy w inny sposób. Ludzie nie muszą rywalizować z SI: zamiast tego mogą skoncentrować się na jej serwisowaniu i wyciskaniu z niej, ile się da. Na przykład zastąpienie pilotów przez drony zlikwidowało pewną liczbę miejsc pracy, stworzyło jednak wiele nowych możliwości w zakresie konserwacji, zdalnego sterowania, analizowania danych i cyberbezpieczeństwa. Do obsługi każdego bezzałogowego drona typu Predator czy Reaper, który lata nad Syrią, amerykańskie siły zbrojne potrzebują trzydziestu ludzi, a analizowanie zbieranych przez nie informacji daje zajęcie co najmniej osiemdziesięciu kolejnym osobom. W 2015 roku Siłom Powietrznym