Иллюзия пользователя

«Нам не стоит пытаться судить, являются ли объединенные структуры, которые развились в компьютерах, живыми или нет», — пишут четверо датских ученых в статье о «Coreworld» — компьютерной игре с боевыми кораблями, которую они развили до той степени запутанности, что означает: они больше не имеют возможности удостовериться, является ли изучаемая система живой. Их утверждение слегка кокетливо, так как совершенно ясно, что система не живая — но тем не менее странно, что подобные простые системы демонстрируют такие характеристики, как сотрудничество и эволюция, в степени, напоминающей о живых существах.

Исследования искусственной жизни обнаружили множество примеров того, как простые рецепты могут привести к сложному поведению — если имеется достаточно времени. Вычислительного времени.

Крис Лэнгтон создал на компьютерном мониторе искусственных муравьев — крошечные создания, которые следуют простым схемам, но вместе демонстрируют общее поведение, настолько же сложное, как и поведение насекомых в муравейнике. Мораль заключается не в том, что настоящие муравьи такие же простые, как и искусственные муравьи Лэнгтона; мораль заключается в том, что простые правила могут привести к сложному поведению — если имеется достаточно вычислительного времени и если в процессе отсеивается большое количество информации.

Для возникновения более прогрессивного поведения не нужны особо сложные или продвинутые системы: нужно время. Время для отсеивания информации.

Таким образом, новые области исследования в настоящее время работают с автоматизированными процессами, которые демонстрируют неавтоматизированное поведение.

Рецепт для чего-то сложного вовсе не должен быть сложным сам по себе. К сложному поведению и сложным системам могут привести простые законы. Ключ — позволить простым механизмам работать в течение длительного времени.

Последствием этого знания является то, что исключительно сложно получить беглый обзор того, что происходит. Если создается что-то простое, к примеру, компьютерный вирус, это может привести к последствиям, которые невозможно вычислить, так как вирус будет процветать в системе с повторениями, копиями и вычислениями, которые совершаются снова и снова.

Отсеивание информации может привести к появлению структур, которые будут намного богаче и разнообразнее, чем правила, управляющие отсеиванием информации. Ценность лежит не в том, чтобы знать правила, а в том, чтобы понимать их эволюцию.

С 50-х годов ученые, работающие над искусственным интеллектом, пытались построить машины, которые были бы наделены интеллектом. Но они не добились никакого успеха. Ученые попытались понять человека как создание, поведение которого основано на правилах и следовании простым и ясным инструкциям в умственной работе. Общих правилах, которые было бы легко понять и легко соотнести с задачами, которые они хотели решить, правилами, которые были бы ясными и определенными.

Именно по этой причине исследования ИИ сегодня ведутся уже не столь интенсивно, в то время как исследования компьютерных систем, которые требуют не следования правилам, а обучения на примерах, продвинулись гораздо дальше. Так называемые нейронные сети — пример компьютерных систем, которые не пытаются найти правила для решения сложной задачи, к примеру, анализ изображения, а вместо этого тренируются на большом количестве примеров, которые заканчиваются таким же результатом, как и желаемый результат их деятельности — человеческое поведение. Идея состоит не в том, чтобы сделать правила точными и определенными, а в том, чтобы обогатить и расширить опыт. Важно осознавать не то, как машина это делает, а то, что она делает и что при этом воспринимает.

Это как обучение навыкам человека: дорога к сложному проста, но длинна. Она предполагает постоянное повторение одних и тех же операций снова и снова, накопление большого количества опыта. Она не предполагает создания простых и сильных рецептов, которым можно было бы следовать где угодно. Она не подразумевает, что мы должны знать все еще до старта. Она включает в себя получение опыта.

Кодовое слово — появление. Когда простые правила работают достаточно долго или в достаточном количестве компонентов, появляются совершенно новые характеристики: они появляются, возникают, открываются взгляду.

Эти появляющиеся характеристики нельзя обнаружить, изучая небольшой набор составных частей. Их можно увидеть только тогда, когда имеется так много частей, что начинает накапливаться коллективное влияние, появляются групповые характеристики. Температура, к примеру, это характеристика, которая не имеет никакого смысла, если мы наблюдаем за несколькими молекулами. Прежде чем появится температура, необходимо множество молекул. На примере одной молекулы мы не можем увидеть, частью какой температуры она является, так как температура — это коллективная характеристика, проявляющаяся в виде статистических отношений: температура описывает распределение скоростей среди большого количества молекул.