Искусственный интеллект – надежды и опасения

В 2003 году я навестил Нила в Массачусетском технологическом институте, где он руководит Центром изучения битов и атомов. Несколько часов спустя я еле пришел в себя после подробной экскурсии с демонстрацией весьма диковинных разработок. В частности, Нил показал мне работу своего ученика из популярного курса быстрого прототипирования («Как изготовить почти всё»), скульптора без инженерного образования, который создал портативное личное пространство для криков – вопи сколько угодно, твои крики записываются и воспроизводятся по запросу. Другой ученик с того же курса создал веб-браузер, позволяющий попугаям серфить в сети. Сам Нил занимался фундаментальными исследованиями по составлению дорожной карты для сугубо, казалось бы, фантастического «универсального репликатора». Словом, мне понадобилась пара лет, чтобы прийти в себя после этого визита.

Нил управляет глобальной сетью фаблабов – малых производственных систем с опорой на цифровые технологии; эти системы обеспечивают людям возможность создавать то, что им нравится. Будучи гуру движения творцов, объединяющего цифровую коммуникацию, вычисления и производство, он порой оказывается в положении, когда может взглянуть на текущие дебаты по безопасности ИИ со стороны. «Моя способность вести исследования основывается на инструментах, расширяющих мои возможности, – говорит он. – Спрашивать, интеллектуальны эти инструменты или нет, все равно что интересоваться, откуда мне известно, что я существую; это забавный философский трюк, не предполагающий эмпирической проверки». Его интересует «соотношение битов и атомов, граница между цифровым и физическим. С научной точки зрения это самая захватывающая задача, с которой я сталкивался».

Дискуссии об искусственном интеллекте почему-то производят впечатление игнорирующих историю. Точнее описать их как маниакально-депрессивные; в зависимости от того, кто и как считает, сегодня мы переживаем пятый цикл бума и спада[130]. Эти колебания маскируют непрерывность прогресса в данной области и последствия этого развития.

Продолжительность каждого цикла оставляет приблизительно десять лет. Сначала были мэйнфреймы, само появление которых сулило автоматизацию деятельности. Но внезапно выяснилось, что на практике непросто составлять программы для выполнения простых задач. Затем появились экспертные системы, которые накапливали знания экспертов и были призваны заменить последних. Здесь мы столкнулись с проблемой сбора знаний и осмысления случаев, еще не рассмотренных экспертами. Перцептроны[131] пытались обойти эту проблему через модели человеческого обучения, но итог был почти провальным. Многослойные перцептроны справлялись с тестовыми задачами, которые сбивали с толка более простые сети, зато испытывали очевидные сложности с неструктурированными задачами из реального мира. Ныне идет период глубинного обучения, когда осуществляются многие ранние обещания в области ИИ, но такими способами, что понимание затруднено, а последствия варьируются от интеллектуальных до экзистенциальных угроз.

Каждый из этих этапов провозглашался революционным шагом вперед по сравнению с предшествующими, но все они фактически подразумевали одно и то же, а именно – выводы из наблюдений. Как все перечисленные подходы связаны между собой, можно оценить по степени их масштабируемости, то есть по тому, насколько производительность машин каждого поколения зависит от сложности решаемых ими задач. Обыкновенный выключатель света и автомобиль с автоматическим управлением должны определять намерения оператора, но у первого всего два варианта выбора, тогда как у второго вариантов намного больше. Все этапы «бума ИИ» начинались с многообещающих демонстраций узкой применимости; а переходные этапы начинались с признания неспособности конкретных машин справиться со сложностью менее структурированных, практических задач.

Менее очевиден постоянный прогресс в освоении масштабирования. Этот прогресс опирается на технологическое различие между линейной и экспоненциальной функциями; само различие не было секретом еще на заре исследований ИИ, однако его последствия смогли оценить лишь много лет спустя.

В одном из основополагающих документов по теории интеллектуальных машин, в книге «Человеческое применение человеческих существ», Норберт Винер проделал великолепную работу по выявлению и описанию многих важных трендов развития общества, отметил людей, причастных к этим трендам, – и не переставал удивляться тому, с какой стати усилия этих людей принято считать значимыми. Самому Винеру приписывают создание кибернетики как научной дисциплины; лично я никогда не понимал, что это такое, но то, о чем не сказано в его книге, легло в основу прогресса в области ИИ. Эта история полезна в силу того эха, которое мы продолжаем слышать и сегодня.