Искусственный интеллект – надежды и опасения

Алекс (Сэнди) Пентленд

профессор-стипендиат и профессор медиаискусства и наук в МТИ, директор научно-исследовательской лаборатории «Человеческая динамика и связь» и руководитель программы предпринимательства «Media Lab», автор книги «Социальная физика».

Алекс Сэнди Пентленд, представитель направления, которое он сам именует «социальной физикой», интересуется разработкой эффективной экологии взаимодействия ИИ с человеком. Кроме того, его тревожит потенциальная угроза, исходящая от систем принятия решений, в которых данные фактически передаются машинам в полное владение, а человеческое творчество отодвигается на задний план.

По его мнению, пришествие больших данных открыло перед нами возможность заново изобрести нашу цивилизацию: «Теперь мы можем реально изучить подробности социального взаимодействия, проанализировать, как они разворачиваются, и нам нет нужды ориентироваться на средние величины, будь то рыночные индексы или результаты выборов. Это поразительное изменение. Способность видеть подробности поведения рынков и мельчайшие детали политических революций заодно со способностью предсказывать их и контролировать, – это, безусловно, новый прометеевский огонь, которым можно воспользоваться во благо или во зло. Большие данные ведут нас в интересные времена».

На встрече нашей группы в Вашингтоне, штат Коннектикут, Алекс признался, что читать винеровские работы по контурам обратной связи для него «сродни чтению собственных мыслей».

«После Винера люди обнаружили тот факт – и сосредоточились на нем, – что имеются действительно хаотические системы, которые действительно непредсказуемы, – говорит он. – Но, если посмотреть на человеческие социально-экономические системы, мы увидим большой процент вариаций, которые можно объяснить и предсказывать… Сегодня мы получаем данные от множества цифровых устройств, фиксирующих все наши действия. Тот факт, что «датируется» все вокруг, означает, что мы можем проводить измерения в реальном времени и учитывать большинство аспектов человеческой жизни, а рано или поздно придем к изучению вообще всех аспектов. У нас имеются поразительные компьютеры и методы машинного обучения, из чего следует, что возможно строить прогностические модели человеческих систем, ранее попросту немыслимые».

За последние полвека идея искусственного интеллекта и интеллектуальных роботов утвердилась в размышлениях об отношениях между людьми и компьютерами. Частично это объясняется тем, что довольно просто придумывать истории об ИИ и роботах, а частично проистекает из ранних успехов дисциплины (например, вспомним устройства доказательства теорем, основанные на постулатах «Principia Mathematica» Рассела и Уайтхеда[150]

) и обильного финансирования этих исследований со стороны военных. Раннее, более широкое представление о кибернетике, трактовавшее искусственное как часть крупного контура обратной связи и взаимного влияния, фактически забылось, если говорить об осведомленности социума.

Впрочем, в минувшие годы кибернетика сама по себе постепенно проникала в коллективное знание и незаметно достигла нынешнего положения, когда она оказалась «у всех на устах». Современные исследования в большинстве инженерных дисциплин опираются на системы обратной связи, динамические и регулируемые потоками энергии. Даже ИИ ныне представляется как человекомашинная система-«советчик», а военные приступили к крупномасштабному финансированию этой области исследований (возможно, этот факт должен беспокоить нас больше, чем беспилотники и самостоятельные человекоподобные роботы).

Но, по мере того как наука и техника осваивали эту «кибернетическую» позицию, становилось ясно, что даже кибернетическое видение слишком заужено. Первоначально оно фокусировалось на встроенности отдельного актора, а не на формирующихся свойствах сети акторов. Это не вызывает удивления, поскольку математика сетей возникла лишь относительно недавно, так что количественное изучение сетевого поведения было невозможно. Теперь мы знаем, что изучение индивида не обеспечивает понимания системы в целом, за исключением некоторых простых случаев. Успехи последнего времени в этой области были предопределены осознанием того факта, что «хаос», наряду со «сложностью», есть типический пример поведения системы, а сегодня мы уже можем выйти за рамки таких статистических представлений.