Homo Roboticus? Люди и машины в поисках взаимопонимания

В Google Хинтон быстро добился прорыва в создании более мощных и эффективных в обучении сетей, когда понял, как сделать, чтобы параметры не мешали друг другу. Вместо обработки сразу всего изображения в новой модели выбиралось подмножество, обрабатывалась часть изображения и обновлялись веса связей. Затем выбиралось другое случайное подмножество, и изображение обрабатывалось снова. Это позволяло использовать случайность для увеличения влияния каждого подмножества. Идея, возможно, и имела биологические корни, но не была слепым копированием. По словам Сейновски, Хинтон – пример исследователя искусственного интеллекта, который уделяет внимание биологии, но не замыкается на ней.

В 2012 г. сети Хинтона, проходившие обучение на огромной рендер-ферме в Google, успешно распознавали отдельные объекты, но не справлялись с «интерпретацией сцен». Например, сети не могли понять предложение: «Кошка сидит на коврике, а человек дразнит ее игрушкой на нитке». Для достижения заветной цели машинному зрению нужно то, что исследователи искусственного интеллекта называют «семантическим пониманием», т. е. способность интерпретировать сцену подобно естественному языку. В 1970-х гг. на проблему интерпретации сцен оказывали сильное влияние идеи Ноама Хомского о генеративной грамматике как контексте для объектов и структуре для понимания их связи в сцене. Но в течение многих десятилетий исследования не давали результатов.

Однако в конце 2014 г. сообщество нейронных сетей стало делать успехи и в этой области. Исследовательские группы по всей стране сообщали о достижениях в объединении возможностей двух типов нейронных сетей – для распознавания естественного языка и для распознавания цифровых изображений. Они разработали программы, которые могли генерировать фразы на английском, описывавшие изображения с высоким уровнем абстракции{121}. Это помогает улучшать результаты приложений для поиска изображений в интернете. Новый подход, помимо прочего, открывает путь к созданию класса программ, которые могут взаимодействовать с людьми на более высоком уровне понимания.

Несмотря на значительный прогресс в сфере сетей глубинного обучения, для Хинтона все только начинается. Не так давно он сказал, что считает себя исследователем, который высадился на новый континент, где все очень интересно, но прошел вглубь лишь на сотню метров – там все так же интересно, но донимают комары. В конце концов это новый континент, и исследователи пока что не представляют реальных возможностей.

В конце 2013 г. Лекун пошел по стопам Хинтона, оставил науку и взялся за создание Лаборатории искусственного интеллекта в компании Facebook в Нью-Йорке. Этот шаг стал еще одним свидетельством возрождения интереса компаний к искусственному интеллекту. Зима искусственного интеллекта осталась лишь в воспоминаниях, по всем признакам пришла весна.

Решение Facebook присоединиться к погоне за искусственным интеллектом было неожиданным. Все началось с посещения Марком Цукербергом, соучредителем и руководителем Facebook, далекой от мира сего технической конференции под названием «Нейронные системы обработки информации» в отеле Lake Tahoe в конце 2013 г. Конференция всегда была сухим академическим мероприятием, но появление Цукерберга для ответов на вопросы явно меняло ситуацию. Мало того, что исследователи не привыкли к таким высоким гостям, сюрреализм происходящего усиливали сопровождавшие Цукерберга охранники в форме. Знаменитый генеральный директор приковал к себе внимание всех присутствовавших, а заседания нескольких других секций пришлось отложить, когда в переполненном помещении стали показывать видео. «Тон быстро изменился: маститые профессора стали простыми исследователями, пробиравшимися на заседание секции по глубинному обучению, чтобы послушать важную персону»{122}, – написал в блоге Алекс Рубинштейн, специалист по машинному обучению, участник конференции.

После этого случая в крошечном сообществе исследователей забеспокоились о последствиях коммерциализации искусственного интеллекта для академической культуры. Но поворачивать назад было уже поздно. Отрасль оставила в прошлом интеллектуальные споры 1950–1960-х гг. о реализуемости искусственного интеллекта и правильном пути. Вероятностные математические методы вдохнули в нее новую жизнь и превратили из предмета академического интереса в силу, меняющую многие аспекты современного мира.

Это также реально поставило разработчиков перед выбором – включать или не включать людей в автоматизированные системы, которые будут производить продукты питания и товары, предоставлять нам услуги, перевозить и развлекать нас. Вопрос был не столько техническим, сколько философским и этическим. Взрывной рост вычислительной мощности и ее повсеместная доступность через беспроводные сети вновь подняли проблему, к которой так неодинаково подходили Маккарти и Энгельбарт на заре компьютерной эры.