Машина эмоций

Предприниматель:Почему бы не построить «машину-младенца», которая всему, что ей нужно, научится на собственном опыте? Дайте роботу сенсоры и двигатели и запрограммируйте его, чтобы он мог учиться, взаимодействуя с реальным миром – так, как это делают человеческие дети. Он может начать с простых схем вида «если ® то», а уж потом вывести более сложные.

На самом деле уже появлялось несколько реальных проектов с такой целью, и каждая из их систем сначала развивалась, но в конечном итоге прекращала свое обучение[64]. Подозреваю, обычно это происходит потому, что программе не удается разработать новые надежные способы репрезентации знаний. В самом деле, изобретение качественных методов представления знаний уже давно является одной из важнейших задач информатики. Однако, даже когда такие способы появляются, их редко начинают сразу же широко применять, поскольку необходимо также наработать навыки для эффективной работы с ними. И поскольку развитие таких навыков требует времени, пользователям придется терпеть достаточно долгие периоды, в течение которых производительность не повышается, а понижается[65] (см. разделы 6.7 и 9.4). Так или иначе, но пока еще не существует машины-младенца, которая умела бы непрерывно разрабатывать новые эффективные типы репрезентаций.

Еще одна проблема с «машинами-младенцами» заключается в том, что если система будет заучивать новые правила слишком неосмотрительно, то, скорее всего, накопит много бесполезной информации, отчего пострадает ее производительность. В разделе 8.5 утверждается, что, если обучение не осуществлять выборочно, путем присвоения соответствующих коэффициентов релевантности, из большей части своего личного опыта машина не сумеет выудить необходимой информации.

Предприниматель:Вместо того чтобы пытаться создать систему, которая учится сама, почему бы не сделать такую, которая просматривала бы интернет и извлекала знания из миллионов страниц содержательных текстов?

Это, безусловно, заманчивая идея, ведь во Всемирной паутине наверняка содержится больше знаний, чем способен когда-либо выучить человек. Однако нигде в Сети не указано, какие знания необходимы, чтобы все эти тексты понимать[66]. Рассмотрим, например, вот такую ситуацию, описанную в обычной детской книжке:

Мэри пригласили к Джеку на праздник. Она решила, что ему, наверное, понравится воздушный змей. Взяла свою копилку и потрясла. Та не издала никакого звука.

Типичный читатель предположит, что у Джека намечается праздник на день рождения и Мэри волнуется, потому что ей нужно будет принести Джеку подарок[67]. Хороший подарок на день рождения – это что-то, что понравится его получателю, и предположение, что Джеку может понравиться воздушный змей, также предполагает, что Джек – ребенок и что змей может быть подходящей игрушкой. Упоминание о копилке предполагает, что Мэри думает купить змея и ей нужны деньги, чтобы заплатить за него. Кроме того, копилка бы зазвенела, если бы в ней были монеты; это означает, что Мэри теперь столкнулась с финансовыми трудностями. Но если читатель не знает всех этих фактов, то подобная «простая» история покажется ему бессмыслицей, поскольку между предложениями нет явной связи.

Невролог:Почему бы не попытаться сделать копию мозга, используя то, что ученым известно о функциях различных его участков?

Мы узнаем новые подробности каждую неделю, но наших знаний пока еще не хватает даже для того, чтобы создать копию паука или змеи.

Программист:А как насчет альтернатив, таких как создание очень больших машин с огромными библиотеками статистических данных?

Такие системы могут научиться приносить пользу, но мне думается, что им никогда не развить особенного интеллекта, потому что они используют для репрезентации всех получаемых знаний числовые методы. Поэтому, пока мы не оснастим их возможностью высокоуровневой рефлексии, они не смогут репрезентировать концепции, необходимые для понимания того, что эти цифры означают.