Искусственный интеллект – надежды и опасения

В 1943 году Уоррен Маккаллок и Уолтер Питтс предложили модель концептуальной, формальной работы человеческого мозга – искусственную нейронную сеть. Они считали, что их «мозгоподобная» модель будет выполнять вычисления аналогично машинам Тьюринга. Из их расчетов следовало, что мы в состоянии строить «мозгоподобные» нейронные сети, действующие как обычные вычислительные машины. В действительности же практические опыты команды ЭНИАК[231], Джона фон Неймана и другие специалистов показали, что «обходная» модель нейронной сети эффективнее машины Тьюринга.

Но простые нейронные сети мало на что годились. Фрэнк Розенблатт изобрел обучающее устройство, которое он назвал перцептроном и которое представляло собой одноуровневую нейронную сеть. В конце 1960-х Марвин Минский и Сеймур Пейперт опубликовали книгу «Перцептроны», где довольно убедительно доказывалось, что перцептроны почти бесполезны. Так оно и есть. Перцептроны способны лишь на линейное различение объектов. Поэтому концепцию фактически забросили. Дескать, эти ребята (Минский с Пейпертом) доказали, что такие нейронные сети не могут делать ничего внятного, значит, вообще никакие нейронные сети ни к чему не пригодны, поэтому давайте забудем о нейронных сетях. Эта позиция господствовала в течение некоторого времени.

Между тем наметилось несколько других подходов к ИИ. Один основывался на символическом, формальном понимании мироустройства, а другой опирался на статистику и вероятности. Что касается символического ИИ, ему дали, например, тестовое задание: возможно ли научить компьютер работать с интегралами и выстраивать исчисления? Были и задачи наподобие машинного перевода, поскольку считалось, что это удачный образчик демонстрации компьютерных возможностей. Увы, к началу 1970-х эти усилия потерпели крах.

Далее сформировался интерес к так называемым экспертным системам, которые появились в конце 1970-х и начале 1980-х годов. Идея состояла в том, что машина выучивает правила от эксперта и тем самым постигает процесс экспертного мышления. Тоже ничего не вышло, после чего исследования в области ИИ стали восприниматься как форма научного безумия.

* * *

Меня с детских лет интересовало, как построить машину с подобием ИИ. В особенности меня занимало, каким образом можно аккумулировать знания, накопленные человеческой цивилизацией, и автоматизировать ответы на вопросы на основе этих знаний. Я думал о том, как сделать это символически, посредством системы, разбивающей вопросы на символические единицы и выдающей ответы. В ту пору я занимался нейронными сетями – без весомого успеха, – а потому временно отложил эти изыскания.

В 2002 году я снова задумался над тем, что нужно для создания системы вычисления знаний. Мои исследования, проделанные к тому времени, свидетельствовали, что мое исходное представление о процессе было полностью неверным. Я исходил из убеждения, что для создания полноценной системы вычисления знаний необходимо сначала создать «мозгоподобное» устройство, в которое затем заливаются знания (так происходит обучение людей при стандартном подходе). Но я сообразил вдруг, что нет и никогда не было четкой грани между разумом и простыми вычислениями.

Я предполагал, что существует некий магический механизм, который делает людей гораздо более талантливыми, чем все, кто способен к вычислениям. Это предположение было абсолютно ошибочным. Именно понимание этого привело к созданию системы WolframAlpha. Я обнаружил, что можно взять большой набор мировых знаний и автоматически отвечать на вопросы на их основе, используя, по сути, сугубо вычислительные методы. Это альтернативный способ разработки ИИ – способ, который во многом аналогичен нашей биологии и нашей эволюции.

В сущности, при компилировании программы мы обыкновенно действуем пошагово. Но возможно также исследовать вычислительную вселенную и добывать технологии из этой вселенной. Как правило, проблемы здесь те же, что и при физической добыче ресурсов: скажем, мы находим залежи железа, кобальта или гадолиния с некоторыми особыми магнитными свойствами – и собираемся использовать эту особенность для достижения человеческих целей, на развитие каких-то технологий. Для магнитных материалов найдется множество способов применения. С точки зрения программы они равнозначны. Имеется громадное количество программ, от больших до крошечных, выполняющих сложные вычисления. Получится ли «увлечь» их достижением полезных человеческих целей?