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

Если рассмотреть другое направление – изучение образа, то машина использует иной образ мира, составленный по собственным наброскам. Допустим, вы хотели, чтобы компьютер идентифицировал и сделал выборку ресторанов с креслами на открытой площадке. Система сканирования могла бы ответить: посмотри на фотографии, в которых треть пикселей окрашена в цвет неба. Вы можете увидеть, насколько может быть ограничен такой примитивный подход. Но программа на основе подобных оценок будет использовать присущую ей невральную сеть для изучения тысяч фотографий двориков ресторанов. Составленная таким образом выборка называется «подготовка данных». Она разрабатывает свое собственное ощущение того, что делает эти образы особенными: солнечный свет, отражающийся от стекла, небо, отражающееся в столовом серебре. Она сформирует по кусочкам свое точное видение особенностей открытого столового пространства. И с течением времени она сможет достичь почти абсолютной верности. Компьютеры, использующие прогнозирующие методы распознавания чисел, выделенных из ряда нацарапанного от руки текста, теперь, например, могут восстановить 90 процентов скрытого изображения. Модели, работающие на основе прогнозных представлений, могут просканировать миллионы рукописных фраз без единой ошибки. Лица, симптомы заболеваний, неясные звуки – все это становится поддающимся распознаванию с помощью моделей на основе искусственного интеллекта, не потому, что машинам сказали, что искать, но потому, что они сами поняли это. Искусственный интеллект начинает размышлять, таким образом, так же, как и ребенок, который может составить свое понимание правил дорожного движения, просто наблюдая за тем, как мама ездит каждый день. А теперь представьте, что этот ребенок может превосходно помнить все и сопоставлять сделанные им заметки с миллионами заметок других детей, используя высокоскоростную сеть оптико-волоконной связи. Очень быстро ребенок превзойдет свою маму.

Сегодня искусственный интеллект может изучить карту и предложить вам оптимальные маршруты следования. Он может предсказать взломы в компьютерных сетях за несколько дней до сбоя. Программы на основе прогнозных представлений занимают больше времени для отладки, как и следовало ожидать. Но эти периоды становятся короче. И хотя искусственный интеллект на основе прогнозных представлений сложнее программировать и он требуют почти существенно большего количества вычислительной мощности, он демонстрирует тонкий, живой вид понимания. Компьютер с восприятием классической музыки может прослушать клип симфонии и назвать ее или, скажем, зная сорок одну симфонию Моцарта, может чрезвычайно убедительно написать вам сорок вторую симфонию или, если хотите, намного более раннюю Первую симфонию, основываясь на том, что он знает об эволюции Моцарта как композитора. Программа может делать это снова и снова. В течение нескольких секунд. Основным выводом исследователей, наблюдающих за работой этой технологии, является: Моцарт был фантастическим композитором. Если бы он писал еще больше симфоний, они, вероятно, были бы столь же великими. К сожалению, он умер. А как было бы великолепно, если бы мы могли взять за образцы его старые симфонии и создать новые, когда бы захотели?

В будущем мы будем привлекать машины с их уникальными возможностями в нашу жизнь, чтобы многим помочь избавиться от проблем, с которыми мы сталкиваемся, и не только в попытке развития наследия умершего Моцарта. Компьтерное обучение поможет людям восстанавливать и сохранять стирающиеся в памяти воспоминания, придаст ощущение безопасности и даже сможет помочь нам в созидании. Системы искусственного интеллекта будут основываться на возможностях глобальных, мгновенно обновляемых сетей, чтобы сообщить нам ту информацию, которую мы не смогли бы сами обнаружить или не обратили бы на нее внимание в первую очередь: «Не посещайте этот офис, там все болеют». Компьютеры будут моделировать тысячи возможных результатов нашего выбора, чтобы вооружить нас способностью «прогнозирования, способностью учиться у будущего, а не только у прошлого. Или они смогут узнать, как в нужное время обеспечить наш мозг необходимыми химическими элементами: «Это композиция Diplo, она поможет создать вам нужное настроение для пробежки. Вам действительно следует заняться спортом, Дэйв».

Таким же образом, как компьютерные системы посадки лайнеров теперь позволяют благополучно проводить их сквозь туман в аэропорт, интеллектуальные машины помогут нам преодолеть туман сложных научных проблем. Они будут оберегать нас от наших собственных ошибок. Слишком большого количества финансовых рисков. Неверного выбора в получении образования. Ошибочного подбора музыки к первому свиданию. Но обратная сторона медали заключается в том, что мы не совсем понимаем, почему они так много знают. «Искусственный интеллект освобождает нас как от необходимости программирования, так и от понимания сути происходящего» – очевидный вывод, следующий из данного парадокса.