Homo Roboticus? Люди и машины в поисках взаимопонимания

В 2010 г. Себастьян Трун пришел в Google, чтобы создать X Laboratory, своего рода аналог Исследовательского центра Xerox в Пало-Альто. У лаборатории был большой портфель научно-исследовательских проектов – от работы Труна над беспилотными автомобилями до развития нейронных сетей. В широком смысле их определяли как «мозговые» проекты, возрождавшие новую волну интереса к системам искусственного интеллекта.

Проект «Человеческий мозг» первоначально возглавлял Эндрю Ын, коллега Труна по возрожденной Стэнфордской лаборатории искусственного интеллекта. Ын был экспертом по машинному обучению и знатоком некоторых методов глубинного обучения нейронных сетей, предложенных Хинтоном и Лекуном. В 2011 г. он начал заниматься в Google созданием системы машинного зрения, и в следующем году проект дал такие результаты, что исследователи Google решили представить их в докладе об эксперименте по неконтролируемому обучению с использованием видео из YouTube. Обучение на 10 млн цифровых изображений, найденных на YouTube, прошло намного лучше, чем все предыдущие попытки, – точность распознавания 20 000 объектов возросла примерно в два раза. Система также научилась распознавать кошек, что не удивительно, учитывая изобилие изображений кошек на YouTube. «Мозг» Google смонтировал сказочное цифровое изображение кошки, используя иерархию ячеек памяти для последовательного отбора общих особенностей на основе просмотра миллионов изображений. Ученые описывали этот механизм как кибернетический аналог процесса, происходящего в зрительной зоне коры головного мозга. Эксперимент стал возможным благодаря огромным вычислительным ресурсам Google, позволившим исследователям выделить для решения задачи кластер из 16 000 процессоров, что, конечно, ничтожно мало по сравнению с миллиардами нейронов мозга, значительная доля которых задействована в нашей зрительной системе.

Вопрос о том, идет ли Google по пути создания подлинного искусственного «мозга», становится все более спорным. Методы глубинного обучения, без сомнения, позволили добиться многого в распознавании образов и речи. В Кремниевой долине растет число тех, кто полагает, что мы вновь на пути к «сильному искусственному интеллекту» – созданию обладающей самосознанием машины с интеллектом, равным или превосходящим человеческий.

Рэй Курцвейл, исследователь искусственного интеллекта и страстный проповедник «технологического бессмертия», пришел в Google в 2013 г. как продолжатель работы Ына в области мозга вскоре после публикации книги «Эволюция разума», в которой предлагался рецепт создания работающего искусственного интеллекта. Курцвейл всегда был одним из самых откровенных сторонников идеи сингулярности. Как и Моравек, он уверен в том, ускорение роста вычислительной мощности неизбежно приведет к появлению самостоятельного сверхчеловеческого машинного интеллекта: по его оценке, около 2023 г. В Кремниевой долине эта идея материализовалась в форме Университета сингулярности и Института сингулярности – организаций, которые занимаются последствиями экспоненциального роста.

К Курцвейлу примыкает разношерстная группа ученых и инженеров, считающих, что, стоит лишь разгадать механизм функционирования биологического нейрона человека и создание искусственного интеллекта станет вопросом масштабирования. Успешный инженер из Кремниевой долины и соавтор книги «Об интеллекте» Джефф Хокинс, основавший с Донной Дубински компанию Palm Computing, утверждал, что путь к интеллекту на уровне человека лежит в эмуляции и масштабировании подобных коре головного мозга схем, способных распознавать образы. В 2005 г. Хокинс создал Numenta, одну из многих компаний, работающих с технологиями распознавания образов. Теория Хокинса перекликается с рецептом Курцвейла из «Эволюции разума». Аналогичным путем идут и Дилип Джордж, получивший образование в Стэнфорде исследователь искусственного интеллекта, который работал с Хокинсом в Numenta, а затем создал собственную компанию Vicarious для разработки «следующего поколения алгоритмов искусственного интеллекта», и швейцарский исследователь Анри Маркрам, убедивший Европейский союз выделить на его проект по созданию точной копии человеческого мозга €1 млрд.

В 2013 г. охота на таланты, которая и раньше не прекращалась, достигла нового размаха. Хинтон перешел в Google, поскольку ресурсы, доступные в Маунтин-Вью, затмевали все, чем он располагал в Торонтском университете. Компьютеры теперь были несравненно более мощными, чем во времена, когда Сейновски и Хинтон создали машину Больцмана, значительно больше стало и данных, пригодных для обучения нейронных сетей. На повестке стояла проблема управлении нейронной сетью, в которой количество параметров могло превышать миллиард. То, что было кошмаром для рядового статистика, породило бурнорастущую индустрию «больших данных», которая не пасовала перед необходимостью отслеживать и накапливать информацию практически по всем аспектам поведения людей, их взаимодействия и мышления.