Эволюция разума. Как расширение возможностей нашего разума позволит решить многие мировые проблемы

Нет, меня не интересует создание мощного разума. Все, что меня интересует, — это создание заурядного ума, что-то вроде ума президента Американской телефонной и телеграфной компании.

Алан Тьюринг[85]

Можно считать, что компьютер «мыслит», если человек не может отличить его от другого человека.

Алан Тьюринг

Я полагаю, что к концу столетия использование слов и общий уровень образования изменятся настолько, что каждый будет способен говорить о машинном мышлении, не ожидая, что ему начнут противоречить.

Алан Тьюринг

Крыса строит гнездо для своего потомства, даже если никогда в жизни не видела других крыс[86]. Паук плетет паутину, гусеница вьет кокон, а бобер строит плотину, даже если никто из сородичей никогда не показывал им, как это делается. Но это не означает, что этим навыкам они не учились. Это означает, что животные учились этому не на протяжении одной жизни, а на протяжении тысяч жизней. Эволюция поведения животных представляет собой процесс обучения, но это обучение происходит не на уровне отдельных особей, а на уровне целых видов, а его результаты записываются в ДНК.

Чтобы оценить эволюцию новой коры, представьте себе, что процесс ее обучения (иерархическим знаниям) сократился от тысячелетий до месяцев (и даже меньше). Даже если миллионам животных какого-то вида млекопитающих не удавалось решить определенную проблему (требующую иерархического подхода), одно из них вдруг неожиданно находило такое решение. И постепенно этот новый метод копировался и распространялся во всей популяции.

Теперь, осуществляя переход от биологического к небиологическому разуму, мы ускоряем процесс обучения еще в тысячи или миллионы раз. После того как цифровая новая кора усваивает какую-то информацию, она может передать ее через минуты или даже секунды. Вот лишь один пример. В моей первой компании Kurzweil Computer Products (KCP, теперь это Nuance Speech Technologies), основанной в 1973 г., мы потратили несколько лет на то, чтобы обучить компьютеры распознавать печатные буквы на отсканированных документах; эта технология называлась омнифонтовым распознаванием знаков (распознаванием знаков любого типа). Эта технология продолжала развиваться на протяжении 40 с лишним лет, и сегодня Nuance производит программу под названием OmniPage. И теперь, если нужно, чтобы ваш компьютер смог распознавать печатные буквы, не нужно учить его этому несколько лет, как это делали мы. Вы просто загружаете выученную компьютером информацию в виде компьютерной программы. В 1980-х гг. мы начали заниматься распознаванием речи, и эта технология, которая также развивалась на протяжении нескольких десятилетий, теперь лежит в основе функционирования Сири (виртуальный помощник в вашем айфоне). И вновь, если нужно, вы за секунды можете включить те знания, что исследовательские компьютеры осваивали на протяжении десятилетий.

Когда-нибудь мы создадим искусственную новую кору, которая будет обладать всеми возможностями биологического аналога. Зачем это нужно? Электронные схемы действуют в миллионы раз быстрее биологических. В первую очередь мы используем этот выигрыш в скорости, чтобы компенсировать некоторый недостаток параллельности в работе современных компьютеров, но в конце концов искусственная новая кора сможет действовать намного быстрее своего биологического аналога, и скорость ее работы будет возрастать и дальше.

При усилении биологической новой коры искусственным аналогом не нужно беспокоиться о том, сколько дополнительных единиц новой коры может физически поместиться в нашем теле или мозге, поскольку большая часть этой структуры будет находиться в облаке, как и большая часть используемых сегодня компьютерных систем. Я уже писал, что, по моим оценкам, в нашей биологической новой коре содержится около 300 млн распознающих модулей. Больше в наш череп вместить невозможно — даже после появления у нас в ходе эволюции крупного лба и с учетом того, что новая кора занимает до 80 % всего объема мозга. Но, когда наше мышление будет происходить в облаке, исчезнут природные ограничения, и мы сможем использовать миллиарды или триллионы распознающих модулей — столько, сколько нужно и сколько будет позволять закон ускорения отдачи.