Что мы думаем о машинах, которые думают. Ведущие мировые ученые об искусственном интеллекте

Что я думаю о мыслящих машинах? В целом я рад тому, что они есть и что они становятся лучше. Конечно, существует опасность, что такие машины будут принимать пагубные решения, но она, вероятно, не больше, чем опасность подобных решений, принимаемых людьми.

Если у нас и будут такие машины, это не даст ответов на те вопросы о мире, которые для меня и для многих других важнее всего. Из чего состоит темная материя Вселенной? Действительно ли суперсимметрия — это симметрия природы, которая необходима для формирования и развития нашей крайне популярной Стандартной модели физики элементарных частиц? На эти и подобные им вопросы можно ответить, только имея эмпирические данные. Никакие размышления тут не помогут.

Возможно, учитывая всю имеющуюся у нас информацию о природе, некая машина действительно найдет верные ответы; не исключено, что кто-то из физиков уже пришел к этим ответам. Но подлинное назначение данных состоит в том, чтобы подтверждать правильность тех или иных ответов. Если какой-то ученый или какая-то машина их найдет, то у них не будет другого способа убедить всех в правильности своих ответов. Детекторы темной материи, или Большой адронный коллайдер ЦЕРН, или, может, проектируемый китайский коллайдер способны дать нужные данные, но не мыслящая машина.

А туда ли мы идем?

Скотт Атран

Антрополог, Национальный центр научных исследований, Париж; автор книги «Разговаривая с врагом: Религиозный экстремизм, священные ценности и что значит быть человеком» (Talking to the Enemy: Violent Extremism, Sacred Values, and What It Means to Be Human)[55]

Машины способны превосходно имитировать некоторые виды человеческого мышления и последовательно превосходить людей в каких-то интеллектуальных задачах, но, как принято думать, не всегда правильно понимают нас, потому что обрабатывают информацию совсем по-другому, если говорить об области творческих способностей человека.

Машины научились точно имитировать кое-какую нашу разумную деятельность, результаты которой фиксированы (запоминание любимых фильмов конкретных людей, узнавание известных объектов) или динамичны (управление самолетом, игра в шахматы на уровне гроссмейстера). Машины могут превосходить человеческие мыслительные процессы быстро и без усилий в простых задачах (запоминание бесконечно большого числа телефонных номеров) и в сложных (обнаружение на основе анализа триллионов глобальных коммуникаций социальных сетей, члены которых и не знают о том, что они — часть сети).

Хоть сейчас эти технологии развиты довольно слабо, я не вижу принципиальных препятствий для того, чтобы машины, работающие без прямого управления человеком, начали учиться на ошибках людей — или на своих собственных — и, таким образом, эволюционировать, создавать новые формы искусства и архитектуры, добиваться успехов в спорте (своеобразное сочетание Deep Blue и Оскара Писториуса), изобретать новые лекарства, замечать таланты и использовать возможности образования, осуществлять контроль качества или даже конструировать оружие, способное уничтожать людей, но не другие машины.

Но, как мне кажется, при сохранении текущего приоритета в области искусственного интеллекта и нейробиологии, то есть достоверного определения паттернов, связей и фиксации как функции от прошлых связей и будущих вероятностей, машины вряд ли когда-нибудь смогут копировать (имитировать) критико-созидательный процесс человеческого мышления, включая формирование новых гипотез в науке или даже обычную речь.

Законы механики Ньютона или идеи Эйнштейна об относительности — это представления об идеальных мирах, не имеющих аналогов в прошлом или в возможном будущем, например движение в мире без силы трения или погоня за лучом света в вакууме. Подобные мысли требуют таких уровней абстракции и идеализации, которые скорее пренебрегают большими объемами информации, а не учитывают их.

Все более сложные и эффективные модели обработки огромных массивов информации с помощью суперкомпьютеров, постоянно обновляющиеся байесовские вероятности и прочие статистические данные, основанные на степени уверенности в состояниях природы, вполне могут делать все лучшие предложения и переводы или генерировать приятные мелодии и новомодные ремиксы. Таким образом, машины способны приблизиться с помощью своеобразного обратного проектирования к тому, что наши дети или эксперты делают с легкостью — при наличии относительно хорошо сформулированных внутренних структур, используемых, чтобы извлекать значимую информацию из мира, который в противном случае был бы нестерпимо шумным. Люди с самого начала знают, что именно они ищут в нем. В известном смысле они находят это еще до того, как начинают искать. Вычислительные машины никогда не будут так делать.