Шанс есть! Наука удачи, случайности и вероятности

На первом плане этого нового ИИ – несколько компьютерных языков, включающих в себя и ту, и другую составляющую. В их числе язык Church, разработанный Тененбаумом совместно с коллегами и названный в честь Алонзо Чёрча, предложившего применить в компьютерном программировании одну из форм логики. Затем появилась Логическая сеть Маркова, разработанная командой Домингоса и сочетающая логику с марковскими сетями[14] (подобием байесовских). По сути, Рассел и его коллеги действовали в рамках байесианской логики (Bayesian Logic, отсюда название созданного ими компьютерного языка – BLOG).

Рассел продемонстрировал выразительную силу подобных языков, выступая в таких почтенных местах, как Подготовительная комиссия ООН по договору о всеобъемлющем запрещении ядерных испытаний (Comprehensive Test Ban Treaty Organization, CTBTO) в Вене. Комиссия пригласила Рассела, надеясь, что новые технологии в области ИИ помогут решить проблему выявления мест ядерных взрывов. На утреннем заседании выступающие говорили о том, как трудно обнаруживать характерный сейсмический рисунок далеких ядерных взрывов на фоне постоянных землетрясений, о капризах распространения сигнала сквозь земную кору, о «шумных» детекторах на сейсмических стациях. Внимательно выслушав все это, Рассел стал прикидывать, как бы решить столь сложную задачу, используя вероятностное программирование. «В обеденный перерыв я уже сумел полностью расписать модель для всей этой штуки», – хвастается Рассел. Модель заняла полстраницы.

В такого рода модели можно включать априорное знание – скажем, сравнительную вероятность того, что на индонезийской Суматре и в британском Бирмингеме случится землетрясение. Кроме того, комиссия требует, чтобы каждая система исходила из предположения: детонация ядерного устройства может с равной вероятностью произойти в любой точке Земли. Учитываются, конечно, и реальные данные, поступающие с мониторинговых станций комиссии. Задача системы ИИ – принимать всю эту информацию и на ее основе выдавать наиболее вероятное объяснение для каждого набора сейсмических сигналов.

Здесь-то и кроется затруднение. Такие компьютерные языки, как BLOG, оснащены так называемыми едиными устройствами вывода. Имея дело с проблемой из реального мира, где есть, как водится, большой набор переменных и большой набор вероятностных распределений, устройство вывода должно рассчитать вероятность, скажем, ядерного взрыва на Ближнем Востоке с учетом априорных вероятностей ожидаемых событий и новых сейсмических данных. Но если сделать так, что переменные будут представлять симптомы и болезнь, та же машина должна уметь поставить медицинский диагноз. Иными словами, ее алгоритмы должны носить весьма обобщенный характер. А значит, они будут совершенно неэффективны.

Таким образом, алгоритмы приходится подгонять к каждой новой задаче. Но ведь нельзя нанять какого-нибудь аспиранта, чтобы он приноравливал алгоритм под каждую новую возникающую проблему, замечает Рассел: «Ваш мозг работает не так. Ваш мозг сразу берется за решение задачи».

Вот почему Рассел, Тененбаум и многие их коллеги не дают уверенных прогнозов насчет будущих успехов ИИ. «Хочется, чтобы люди воодушевились, но не хочется прослыть шарлатаном, который торгует сомнительными снадобьями», – замечает Рассел. С ним согласен Тененбаум; хотя он несколько моложе Рассела, он все равно считает, что эффективное устройство вывода появится при его жизни лишь с 50-процентной вероятностью. И это несмотря на тот факт, что компьютеры становятся все быстрее, а алгоритмы – все смышленее. «Это куда более сложные проблемы, чем высадка на Луну или на Марс», – говорит Тененбаум.

Впрочем, такого рода выводы не нарушают общего духа оптимизма, царящего в сообществе специалистов по ИИ. Дафна Коллер из Стэнфордского университета, например, занимается решением весьма специфических проблем с помощью вероятностного программирования и добилась на этом поприще немалых успехов. Совместно со своей коллегой по Стэнфорду, неонатологом Анной Пенн, она разработала систему PhysiScore, призванную давать прогнозы, будет ли недоношенный ребенок иметь какие-то проблемы со здоровьем. Задача чрезвычайно трудна. Врачи не способны предсказать это хоть с какой-то степенью уверенности. «А ведь это единственное, что важно для семьи», – подчеркивает Пенн.

Система PhysiScore учитывает такие факторы, как возраст беременной и вес новорожденного, а также данные, собираемые в реальном времени в первые же часы после рождения: сведения о частоте сердечных сокращений, частоте дыхания, насыщенности крови кислородом. «Сейчас мы уже можем в течение первых трех часов после рождения младенцев с высокой степенью вероятности предсказать, какие дети будут здоровы, а какие будут более склонны к серьезным проблемам, даже если эти проблемы проявятся лишь через две недели», – говорит Коллер.