Седьмое чувство. Под знаком предсказуемости: как прогнозировать и управлять изменениями в цифровую эпоху

Машины, подобные тем, что созданы Новой Кастой, будут обладать Седьмым чувством. Это позволит им тонко ощущать, что происходит в сети. Если Мастер Нань был обеспокоен тем, что так много информации, свалившейся на нашу голову, может вызвать короткое замыкание, то компьютеры будут с успехом развиваться в мире коммуникаций. Они станут более чувствительными, более проницательными в своих результатах, и в той степени, в которой человеческий разум найдет себя перегруженным. В той степени, как компьютеры могут лучше видеть, лучше слышать и дольше помнить, чем мы, паутины сетевых устройств нашего будущего будут обладать новым, весьма ценным чувством того, что происходит во всей системе. Наступил тот момент, который волновал Алана Тьюринга, то мгновение, когда человек и машина противостоят друг другу, и человек должен сказать: «Вау! Я действительно позволил ей опутать меня «воротами» (Гейтлэнд)?»

Люди уже больше не производят самостоятельно самые лучшие машины: компьютерные устройства обучают себя сами в некоторой степени. Конечно, потребуются еще десятилетия перестройки, прорывов в развитии аппаратных средств и программного обеспечения, чтобы устранить противоречия между нашим рузумом и клубами идей построения цифровых систем. Но люди в этом сплетении лучших изобретений – трудолюбивые и доброжелательные гении Новой Касты являются столь же тренерами, сколь и инженерами. Они могут строить машины, чтобы играть в Go, диагностировать заболевания и ломать компьютерные системы со скоростью и успехом, которых их разработчики не смогли бы достичь. Они напоминают судостроителей более ранней эпохи, готовящих свои суда для путешествий к землям, которые они никогда не смогут увидеть сами. Каждый момент машины, окружающие нас, занимаются самообразованием, приобретая новую информацию. О мире. О себе. И о нас. Настроенный искусственный интеллект играет в игры, рассматривает фотографии, изучает химические реакции, читает вашу электронную почту и наблюдает, как вы ведете машину, а затем пытается оценить только то, что происходит перед его переходом в новое восприятие того, что он собирается делать дальше. Компрьютеры могут лучше предугадывать наши дальнейшие шаги, чем мы сами. Системы машинного обучения уже предъявляют математические доказательства, которые существуют вне того, что человеческий разум может воспринять. Своеобразная математика, передаваемая от машины к машине, расширяющая объемы знаний (сочетание человек-компьютер, несомненно, сильно бы нервировало ЭЛИЗУ Вейценбаума, а математик-теоретик Дорон Цейльбергер именовал свой компьютер соавтором его работ).

Проектировщик систем искусственного интеллекта Роджер Гросс называл два пути к этому виду проводной чувственности: предсказательное обучение и обучение представлениям. Первому подходу соответствовали фильмовые машины Маас. Компьютер просто проверял, с чем он сталкивается в базе информационных данных. Он «обучал» себя предсказывать будущее, на основе прошлого. Такого рода знания формируются из огромных объемов данных, а затем проверки образцов, испытывая их надежность и улучшая за счет сравнения особенностей и сходства. Инженеры Google создали устройство, которое может изучать человеческий глаз и обнаруживать признаки надвигающейся оптической патологии. Умнее ли машина офтальмолога? Трудно ответить, но давайте просто скажем так: компьютер видел, учился, и сравнивал миллионы глаз, чтобы найти образцы, которые почти полностью предсказывают диагноз. Он может пересмотреть в считаные секунды больше случаев, чем ваш врач увидел бы за всю свою жизнь, не говоря уже о том, чтобы вспомнить и произвести их сравнение с точностью до субмиллиметров. Быстрые и тщательные алгоритмы прогнозирования позволяют делать то, что, возможно, когда-то и было расценено как невостребованность искусственного интеллекта. Дело не в том, что машины способны или нет проявлять мудрость; они просто много знают.