Итак, можно ожидать появления интеллектуальных помощников, которые за несколько пенсов в месяц помогут пользователям управлять все большим объемом повседневных дел: важные даты, путешествия, покупки, оплата счетов, домашние задания детей, отслеживание электронной почты и звонков, напоминания, планирование питания и — предел мечтаний! — поиск ключей. Эти навыки не будут разбросаны по множеству приложений. Они станут разными возможностями единого интегрированного агента, способного воспользоваться преимуществом синергии, в терминологии военных, общей оперативной обстановки.
Шаблон проектирования интеллектуального помощника предполагает исходное знание занятий людей, способность извлекать информацию из потоков сенсорных и текстовых данных и процесс обучения, адаптирующий помощника к конкретным обстоятельствам пользователя. Одна и та же общая схема может применяться еще по меньшей мере в трех важнейших областях: медицине, образовании и финансах. Для этих сфер система должна отслеживать состояние организма, ума и банковского счета пользователя (в широком смысле). Как и в случае помощника в повседневных делах, предоперационные расходы на создание необходимого знания общего характера в каждой из этих трех сфер распределяются между миллиардами пользователей.
В случае со здоровьем, например, все мы имеем примерно одинаковую физиологию, и подробное знание о ее функционировании уже закодировано в машиночитаемой форме[93]. Системы будут адаптироваться к вашим индивидуальным характеристикам и образу жизни, обеспечивая превентивными рекомендациями и ранним оповещением о проблемах.
В образовательной сфере обещание создания интеллектуальных преподавательских систем давалось еще в 1960-х гг.[94], но до реального прогресса было еще очень далеко. Главными причинами оказались недостатки контента и доступа: большинство систем обучения не понимают содержание того, чему призваны учить, и не могут поддерживать двустороннюю коммуникацию с учениками посредством речи или текста. (Представляю, как я преподаю теорию струн, которую не понимаю, на лаосском языке, которым не владею.) Недавний прогресс в распознавании речи означает, что автоматизированные преподаватели могут, наконец, общаться с учениками, пока что не владеющими грамотой в полной мере. Более того, технология вероятностного вывода теперь умеет следить за тем, что учащиеся знают и чего не знают[95], и оптимизировать предоставление инструкций для максимально эффективного обучения. Конкурс Global Learning XPRIZE, стартовавший в 2014 г., предложил $15 млн за создание «общедоступного масштабируемого программного обеспечения, которое позволит детям в развивающихся странах самостоятельно обучиться основам чтения, письма и счета за 15 месяцев». Результаты победителей, Kitkit School и Onebillion, позволяют сделать вывод, что эта цель по большей части достигнута.