Технологическая безработица грозит оставить без работы и средств к существованию миллионы людей. Спасти ситуацию могло бы обучение людей, но пока оно только вредит.
Книга Дэниела Сасскинда «Будущее без работы. Технологии, автоматизация и стоит ли их бояться», опубликованная издательством Individuum, быстро стала популярна. Как изменится образование с учетом технологической безработицы и почему математику пора преподавать иначе? Главное — в материале DK.RU.
Сталкиваясь с угрозой технологической безработицы, те, кто размышляет о будущем труда — комментаторы и экономисты, политики и должностные лица, — чаще всего утверждают, что нам нужно «больше образования». Джейсон Фурман, председатель Совета экономических консультантов при президенте Обаме, выразил эту общепринятую мудрость в одном твите: «У работы есть будущее, и, каким бы оно ни было, образование нам поможет».
На данный момент это действительно лучший ответ надвигающейся угрозе, и главная задача, стоящая перед нами, — выяснить, что на самом деле означает «больше образования».
По мере расширения способностей машин образование будет помогать все меньше. Идея, что образование может бесконечно решать проблемы занятости, порождаемые техническим прогрессом, широко распространена и практически не оспаривается, однако это большое заблуждение.
В течение XVIII и XIX веков процветание страны зависело от готовности инвестировать в традиционный капитал, в фабрики и станки, но в ХХ веке благосостояние стало гораздо больше зависеть от стремления инвестировать в человеческий капитал, навыки и способности работников.
Почему приоритеты сместились? Потому что новые технологии требовали все больше специальных навыков, а страны, имеющие более образованную рабочую силу, были лучше подготовлены к тому, чтобы использовать эти технологии надлежащим образом. «Простой грамотности и умения считать» было «уже недостаточно» для экономического успеха, пишут Клаудия Голдин и Лоуренс Кац, два ведущих исследователя этих изменений. Требовалось больше образования.
Однако смысл самого словосочетания изменился в течение ХХ столетия. Поначалу оно означало больше людей. Главной целью стало массовое образование: каждый человек, независимо от его происхождения или способностей, должен был иметь доступ к надлежащему школьному образованию.
К концу ХХ века значение выражения «больше образования» изменилось и теперь стало означать не простое обучение большего числа людей и доступность школьного образования для всех, а более продвинутое образование с акцентом на высшие учебные заведения.
На данный момент этот подход, вероятно, справедлив, и «больше образования» — пока наш лучший ответ на угрозу технологической безработицы. Но как будет меняться значение этой фразы, когда машины становятся все способнее? Ответ кроется в трех изменениях нашего нынешнего подхода: чему мы учим, как мы учим и когда мы учим.
За последние несколько лет было выдвинуто множество политических предложений в ответ на угрозу автоматизации. Во всех них заложен один основополагающий принцип: мы должны обучать людей навыкам, которые позволят им лучше разбираться в том, в чем машины плохи, а не в том, в чем они хороши.
Главный смысл этого совета заключается в том, что мы должны перестать учить людей выполнять «рутинную» работу. Как мы уже видели, «рутинные» задачи — те, которые людям легко объяснить, как они выполняются, — находятся там, где машины уже преуспевают, и где замещающая сила уже вытесняет людей.
Вместо того чтобы направлять людей на такую работу, мы должны подготовить их к выполнению таких ролей, как работа медсестры и уход за больными: работа, которая включает в себя деятельность, опирающуюся на способности, которые на данный момент остаются недоступными даже самым способным машинам.
С другой стороны, мы могли бы научить людей самим строить машины, проектировать их и устанавливать их для надлежащего использования — еще одно занятие, которое в настоящее время машины действительно не могут делать.
Возможно, простота этого совета вызовет улыбку: не готовьте людей к задачам, которые машины могут выполнять лучше. Но на практике этот основной принцип зачастую игнорируется. Сегодня мы продолжаем тратить массу времени на то, чтобы научить людей выполнять именно те «рутинные» действия, в которых машины превосходят нас уже сейчас, не говоря уже о будущем.
Подумайте, например, о том, как мы преподаем математику. Многие задачи, решаемые учениками средней школы, а то и университетов, теперь можно решить с помощью таких приложений, как PhotoMath и Socratic: сфотографируйте напечатанную или написанную от руки задачу с помощью смартфона — и эти приложения ее мгновенно просканируют и выдадут вам ответ.
Читайте также: IT и медицина — профессии будущего? Это нищенская зарплата и отсутствие перспектив