ейского устройства по принципу «команда/управление» к более ровному, семейному («наставничество/советы»). Банки противились таким переменам, ведь они привыкли командовать и контролировать. Однако технологии неотвратимо развиваются в направлении распределенных открытых платформ и рынков, монолитной иерархической структуре отмерен короткий век.
Иными словами, банки могут сохранять принцип «команда/управление» на физическом уровне (в отделениях), но отделения – лишь часть в постоянно растущем семействе цифровых структур. Возможно, их правомерно сравнить со старейшим членом семьи, скажем с отцом семейства, но необходимо дать себя проявить и другим членам семьи, признав, что диктат старших в прошлом. Именно поэтому должность дирижера, пожалуй, может стать важнейшей в банке будущего. Возможно, у него в подчинении не будет людей, не будет организации, и не будет рычагов управления, и вся его функция будет заключаться в создании прекрасной цифровой музыки. Я только за.
Глава 4. Восстание машин
Если вам не довелось послушать речь Энди Халдейна, главного экономиста и исполнительного директора по монетарному анализу и статистике Банка Англии – то вот его главная мысль: в ближайшие несколько десятилетий людей заменят роботы. Халдейна цитировали все ведущие издания прежде всего потому, что в своих прогнозах он основывался на исследованиях, проведенных Банком Англии. Согласно им, большинство менеджеров, клерков и рабочих лишатся работы: на смену им придут роботы. В Великобритании станет на 15 млн безработных больше, а в США – на 80 млн. Вероятность полного исчезновения бухгалтеров – 95 %, а парикмахеров – всего 33 %. Под угрозой все профессии – даже творческие, связанные с дизайном, искусством и музыкой.
В 2011 году редакторы одного из старейших американских литературных журналов The Archive решили опубликовать в осеннем выпуске короткое стихотворение под названием «Еловой шишке». На первый взгляд, это обычное стихотворение на экологическую тематику, довольно агрессивное и переполненное неуклюжими оборотами, часто встречающимися в студенческой поэзии.
Дом охвачен огнями,
И в альковах едкий дым,
Ненасытна почва твоя, планета Земля,
Они набросились на тебя с механическими рогами,
Потому что любят тебя, любят в огне и ветре.
Ты спросишь, что ждет нас этой весной?
Я отвечу – нас ждут твои колышущиеся ветви,
Ведь ты – благоухающий бриллиантовый храм,
Который сам не знает, отчего растет.
Стихотворение ничем не примечательно, кроме одного: написал его компьютерный алгоритм, и никто об этом не догадался. Создатель алгоритма Закари Шолл не стал сообщать редакторам, что поэт – на самом деле машина, потому что «никого не хотел шокировать».
Когда будет пройден тест Тьюринга?
Задача теста Тьюринга, разработанного в 1950 году Аланом Тьюрингом, – проверить, сможет ли машина продемонстрировать интеллект, эквивалентный человеческому или неотличимый от него. Многие считают, что в 2014 году чат-бот Женя Густман успешно прошел тест Тьюринга, но это неверно: скорее он обманул судей при помощи целого ряда уловок. Итак, когда же мы пройдем тест Тьюринга? На этот вопрос ответила New York Times в 2016 году в статье, посвященной проекту Google Brain («Гугломозг»). Ее автор наглядно объясняет, каким образом Google разрабатывает системы искусственного интеллекта.
В среднем мозг человека содержит около 100 млрд нейронов. С каждым нейроном могут быть связаны до 10 000 других нейронов. Таким образом, количество синапсов (связей) между двумя нервными клетками может составлять от 100 до 1000 триллионов. Google и другие компании стремятся воспроизвести такую сеть при помощи компьютеров. Это исключительно сложная задача, и до создания нейронной сети с триллионами связей еще очень далеко. В прошлом десятилетии Google активно работала над искусственным интеллектом, достигнув важной вехи в 2012 году, когда появилась возможность распознавать изображения кошек.
Допустим, вы хотите написать программу, распознающую изображения котиков, на базе старой символической модели искусственного интеллекта. Несколько дней уйдет на то, чтобы загрузить в машину исчерпывающие и подробные описания котика: четыре лапы, острые ушки, есть усы, хвост и т. д. Вся эта информация будет сохранена в специальной ячейке памяти, именуемой CAT. Далее начинаем показывать картинки. Сначала машина должна вычленить отдельные элементы изображения, затем применить к ним правила, сохраненные в памяти. Если (лапы=4) и если (уши=остроконечные), а также если (усы=есть) и (хвост=есть), если (выражение=надменное), то (кот=да). Но что если показать такой программе шотландскую вислоухую кошку – умилительное животное с генетической особенностью, из-за которой уши всегда висят как лопушки? Наш символический искусственный интеллект дойдет до этапа «уши=остроконечные», проверит этот признак и авторитетно заявит: «Не кошка». Программа воспринимает информацию буквально – даже двухлетний малыш проявил бы больше сообразительности.
Проект CAT продемонстрировал, что нейронная сеть, включающая более миллиарда «синаптических» связей, – а это в сотни раз больше любой известной нейронной сети, однако на несколько порядков меньше нашего мозга – может анализировать «сырые» и несистематизированные данные и самостоятельно формулировать обобщенное понятие, как это делаем мы, люди.
Почему Google так заинтересован в искусственном интеллекте? Это закономерный шаг. Ведется огромная работа по совершенствованию машинного перевода, и Google заметно преуспел в этом. Убедитесь сами на примере первого абзаца из рассказа Эрнеста Хемингуэя «Снега Килиманджаро»:
«Kilimanjaro is a snow-covered mountain 19,710 feet high, and is said to be the highest mountain in Africa. Its western summit is called the Masai “Ngaje Ngai”, the House of God. Close to the western summit there is the dried and frozen carcass of a leopard. No one has explained what the leopard was seeking at that altitude».
Google Translate, где более десятилетия использовался искусственный интеллект старой модели (то есть основанный на машинном обучении), перевел бы этот абзац примерно так:
«Килиманджаро – это 19 710 футов горы, покрытой снегом, и говорят, что это самая высокая гора в Африке. Вершина запада, “Нгайе-Нгай” на языке масаи, называлась домом Бога. На западной поблизости от вершины лежит сухой замороженный каркас леопарда. Что леопарду могло понадобиться на такой высоте – никто не может объяснить».
Новый сервис Google Translate на основе искусственной нейронной сети переводит гораздо точнее:
«Килиманджаро – заснеженная гора высотой 19 710 футов, и считается самой высокой горой в Африке. Его западная вершина называется на языке масаи “Нгайе-Нгай”, Дом Божий. Рядом с западной вершиной находится высохший и замерзший труп леопарда. Никто не объяснил, что искал леопард на этой высоте».
Если вам интересно, каким образом Google достиг таких высот, рекомендую прочесть статью Тhe New York Times: это выдающееся научно-техническое достижение, но и оно не предел.
Базовый искусственный интеллект, он же «ограниченный искусственный интеллект», великолепно справляется с какой-то одной конкретной задачей. Следующий уровень искусственного интеллекта – «общий искусственный интеллект»; позволяет функционировать в режиме многозадачности, то есть выполнять несколько операций одновременно. Ограниченный искусственный интеллект может эффективно выполнять только одно действие. Сегодня мы уже достигли этого уровня, и искусственный интеллект на основе нейронных сетей позволяет нам совершенствоваться в области искусственного интеллекта, как никогда прежде. Вот почему я считаю, что тест Тьюринга, возможно, будет пройден до конца нынешнего десятилетия. До конца 2020-х годов появится сверхразумный искусственный интеллект – и машины смогут обучаться так же хорошо, как люди. Далее в этой главе мы подробно обсудим все три группы искусственного интеллекта.
Машины, управляемые искусственным интеллектом
Машинное обучение и искусственный интеллект – самые яркие и значимые технологические тренды сегодняшнего дня. Есть и другие – контекстная торговля, распознавание устной речи, цифровые помощники, но машинное обучение и искусственный интеллект – безусловные лидеры.
По мнению одного моего знакомого IT-директора, машинное обучение в приоритете, поскольку может помочь оптимизировать производственные и бизнес-процессы. Сам по себе искусственный интеллект – давно не новость, Спилберг снял одноименный фильм еще в 2001 году. Новизна заключается именно в тех разработках, которыми занимаются Google и IBM.
Watson от IBM – самый известный широкой публике суперкомпьютер, оснащенный вопросно-ответной системой искусственного интеллекта. Еще в 2011 году он победил в американской телевикторине Jeopardy! Watson, названная в честь основателя IBM Томаса Дж. Уотсона, – это когнитивная технология, ее задача – понимать вопросы, сформулированные на естественном языке, и находить ответы в базе данных. Она обрабатывает информацию скорее как человек, а не компьютер.
Суперкомпьютер Watson работает со скоростью 80 терафлопс (триллион операций над числами с плавающей точкой) в секунду. Стремясь воспроизвести (а то и превзойти) нашу способность отвечать на вопросы, Watson обращается к 90 серверам, где хранится 200 миллионов страниц, а за обработку информации отвечают шесть миллионов логических правил. Суперкомпьютер и хранилище данных занимают пространство, где могло бы уместиться десять холодильников.
Тем временем в начале 2014 года Google в рамках разработки искусственного интеллекта приобрел лондонскую компанию DeepMind. Теперь DeepMind пишет программы, способные обыгрывать людей в видеоиграх и даже побеждать чемпиона мира по игре го, самой сложной логической игре на планете.