Создатели искусственного гения. О бунтарях, которые наделили интеллектом Google, Facebook и весь мир

В Университете Карнеги – Меллона еще в конце 1980-х Дин Померло разрабатывал автономный автомобиль на основе нейронной сети, но, когда компания Google почти два десятилетия спустя приступила к работе над автономными транспортными средствами, ядро научного сообщества, включая многих исследователей из Карнеги – Меллона, нанятых Google для реализации этого проекта, давно отказались от этой идеи. Нейронная сеть могла помочь построить автомобиль, который бы сам ездил по пустым улицам, но не более того. Это все любопытно, говорили специалисты, но это не приведет к созданию автономных транспортных средств, которые могли бы лавировать в интенсивном трафике, как это приходится делать машинам с водителями. Ангелова, однако, мнение этих исследователей не разделяла. И вот когда все сотрудники разъехались на рождественские каникулы и офисные здания Google опустели, она задумалась над тем, как технология глубокого обучения могла бы научить беспилотные автомобили замечать пешеходов, переходящих улицу или прогуливающихся по тротуарам. Поскольку все это было для нее в новинку, она обратилась к человеку, которого называла «мастером глубоких сетей». Крижевский согласился помочь, и за время каникул они вместе создали систему, которая научилась распознавать пешеходов, проанализировав тысячи сделанных на улицах фотографий. Когда компания вновь вернулась к работе после Нового года, они поделились своим новым прототипом с руководителями автомобильного проекта. Он оказался настолько эффективным, что их обоих пригласили в проект Chauffeur, который впоследствии выделился в отдельную дочернюю компанию, переименованную в Waymo. Рабочее место Крижевского в Google Brain в конце концов передали стажеру, потому что сам он в лаборатории почти не показывался, все время проводя в группе Chauffeur.

Инженеры из группы Chauffeur в шутку говорили о нем, что он исподтишка проталкивает свой искусственный интеллект, и очень скоро его методы распространились на все аспекты проекта. С помощью глубокого обучения беспилотный автомобиль Google учился замечать и распознавать на дороге все: дорожные знаки, дорожную разметку, другие транспортные средства. Это были еще цветочки, говорил Крижевский. В течение следующих нескольких лет он и его коллеги внедрили эту технологию во все элементы навигационной системы автомобиля. Используя правильно подобранные данные, глубокое обучение позволяло заблаговременно планировать маршрут и даже предсказывать будущие события. Предшествующие пять лет члены группы потратили на то, что вручную кодировали поведение автомобиля. Теперь они могли создавать системы, которые сами учились правильно вести себя. Вместо того чтобы пытаться объяснять машине, как выглядит пешеход, с помощью поочередно вводимых команд, теперь они могли бы обучить систему за несколько дней, используя тысячи уличных фотографий. Теоретически, если бы разработчики Google имели в своем распоряжении достаточное количество данных – снимков, иллюстрирующих каждый сценарий, с которым автомобиль может столкнуться на дороге, – и ввели всю эту информацию в гигантскую нейронную сеть, эта единая система могла бы управлять всеми элементами движения автомобиля. И хотя до этого светлого будущего нас отделяли еще долгие годы – в лучшем случае, – именно в эту сторону повернулась компания Google в 2014 году.

Этот момент знаменовал начало глобальных перемен в мировоззрении компании. Под влиянием идеи обучения нейронных сетей теперь менялся общий подход Google к развитию новых технологии в масштабе всей продолжавшей стремительно расти – как в физическом мире, так и в виртуальном – империи Google. С помощью тех сорока тысяч графических процессоров – а вскоре их стало еще больше – глубокое обучение проникло во все аспекты деятельности компании: от приложения Google Photos, где эта технология позволяла мгновенно обнаруживать нужные объекты в море изображений, до почтового сервиса Gmail, где она помогала предсказать слово, которое вы собирались ввести. Это также хорошо смазало колеса системы онлайн-рекламы AdWords, которая обеспечивала большую часть годового дохода компании в размере 56 миллиардов долларов¹⁸⁹. Анализируя данные, показывающие, на какие объявления люди реагировали в прошлом, технология глубокого обучения помогала предсказать, на что они будут реагировать – «кликать» – в будущем. Больше кликов – больше денег. Google тратила сотни миллионов долларов на покупку графических процессоров – и еще миллионы на оплату труда исследователей, – но эти затраты уже начали приносить отдачу.