В Google Хинтон быстро добился прорыва в создании более мощных и эффективных в обучении сетей, когда понял, как сделать, чтобы параметры не мешали друг другу. Вместо обработки сразу всего изображения в новой модели выбиралось подмножество, обрабатывалась часть изображения и обновлялись веса связей. Затем выбиралось другое случайное подмножество, и изображение обрабатывалось снова. Это позволяло использовать случайность для увеличения влияния каждого подмножества. Идея, возможно, и имела биологические корни, но не была слепым копированием. По словам Сейновски, Хинтон – пример исследователя искусственного интеллекта, который уделяет внимание биологии, но не замыкается на ней.
В 2012 г. сети Хинтона, проходившие обучение на огромной рендер-ферме в Google, успешно распознавали отдельные объекты, но не справлялись с «интерпретацией сцен». Например, сети не могли понять предложение: «Кошка сидит на коврике, а человек дразнит ее игрушкой на нитке». Для достижения заветной цели машинному зрению нужно то, что исследователи искусственного интеллекта называют «семантическим пониманием», т. е. способность интерпретировать сцену подобно естественному языку. В 1970-х гг. на проблему интерпретации сцен оказывали сильное влияние идеи Ноама Хомского о генеративной грамматике как контексте для объектов и структуре для понимания их связи в сцене. Но в течение многих десятилетий исследования не давали результатов.
Однако в конце 2014 г. сообщество нейронных сетей стало делать успехи и в этой области. Исследовательские группы по всей стране сообщали о достижениях в объединении возможностей двух типов нейронных сетей – для распознавания естественного языка и для распознавания цифровых изображений. Они разработали программы, которые могли генерировать фразы на английском, описывавшие изображения с высоким уровнем абстракции{121}. Это помогает улучшать результаты приложений для поиска изображений в интернете. Новый подход, помимо прочего, открывает путь к созданию класса программ, которые могут взаимодействовать с людьми на более высоком уровне понимания.
Несмотря на значительный прогресс в сфере сетей глубинного обучения, для Хинтона все только начинается. Не так давно он сказал, что считает себя исследователем, который высадился на новый континент, где все очень интересно, но прошел вглубь лишь на сотню метров – там все так же интересно, но донимают комары. В конце концов это новый континент, и исследователи пока что не представляют реальных возможностей.
В конце 2013 г. Лекун пошел по стопам Хинтона, оставил науку и взялся за создание Лаборатории искусственного интеллекта в компании Facebook в Нью-Йорке. Этот шаг стал еще одним свидетельством возрождения интереса компаний к искусственному интеллекту. Зима искусственного интеллекта осталась лишь в воспоминаниях, по всем признакам пришла весна.
Решение Facebook присоединиться к погоне за искусственным интеллектом было неожиданным. Все началось с посещения Марком Цукербергом, соучредителем и руководителем Facebook, далекой от мира сего технической конференции под названием «Нейронные системы обработки информации» в отеле Lake Tahoe в конце 2013 г. Конференция всегда была сухим академическим мероприятием, но появление Цукерберга для ответов на вопросы явно меняло ситуацию. Мало того, что исследователи не привыкли к таким высоким гостям, сюрреализм происходящего усиливали сопровождавшие Цукерберга охранники в форме. Знаменитый генеральный директор приковал к себе внимание всех присутствовавших, а заседания нескольких других секций пришлось отложить, когда в переполненном помещении стали показывать видео. «Тон быстро изменился: маститые профессора стали простыми исследователями, пробиравшимися на заседание секции по глубинному обучению, чтобы послушать важную персону»{122}, – написал в блоге Алекс Рубинштейн, специалист по машинному обучению, участник конференции.
После этого случая в крошечном сообществе исследователей забеспокоились о последствиях коммерциализации искусственного интеллекта для академической культуры. Но поворачивать назад было уже поздно. Отрасль оставила в прошлом интеллектуальные споры 1950–1960-х гг. о реализуемости искусственного интеллекта и правильном пути. Вероятностные математические методы вдохнули в нее новую жизнь и превратили из предмета академического интереса в силу, меняющую многие аспекты современного мира.
Это также реально поставило разработчиков перед выбором – включать или не включать людей в автоматизированные системы, которые будут производить продукты питания и товары, предоставлять нам услуги, перевозить и развлекать нас. Вопрос был не столько техническим, сколько философским и этическим. Взрывной рост вычислительной мощности и ее повсеместная доступность через беспроводные сети вновь подняли проблему, к которой так неодинаково подходили Маккарти и Энгельбарт на заре компьютерной эры.
За кем в будущем останется принятие важных решений – за людьми или способными обучаться алгоритмами? Сегодняшний компьютерный мир делится на тех, кто ориентируется на создание интеллектуальных машин, и тех, кто думает, как расширить возможности человека с помощью этих же машин. Вряд ли можно сомневаться в том, что эти противоположные подходы ведут к созданию совершенно разных миров.
Глава 5Развитие идей
Еще в молодости, во время службы в ВМС США в 1950-х гг., Роберт Тейлор приобрел приличный летный опыт, хотя и не имел права управлять самолетом. Он частенько играл роль второго пилота у настоящих летчиков, которым требовались не только часы налета, но и время для подготовки к экзаменам. Они брали Тейлора с собой в учебные полеты, и после взлета он управлял самолетом (осторожно), пока настоящие пилоты зубрили свои задания на заднем сиденье. Ему даже доверяли заход на посадку по приборам, когда самолет направляют по радио, а пилот сидит в специальном шлеме, закрывающем обзор.
Вот почему в начале 1960-х гг. молодой руководитель программы NASA Тейлор чувствовал себя уверенно, когда его пригласили принять участие в испытательном полете в аэрокосмической лаборатории Корнеллского университета. На него надели неудобный противоперегрузочный костюм и усадили на переднее сиденье учебного реактивного самолета Lockheed T-33, а профессиональный пилот устроился позади него. Они взлетели, набрали максимальную высоту почти 15 000 м и Тейлору разрешили попрактиковаться в управлении самолетом. Через некоторое время пилот сказал: «А теперь попробуем что-нибудь поинтереснее. Сможешь перейти в пике?» Тейлор подал ручку управления вперед, чтобы самолет пошел вниз, а потом потянул ее назад и замер – самолет перешел в более крутое пике. Ощущение было как при спуске на американских горках. Он потянул ручку сильнее, но самолет продолжал падать почти вертикально.
Наконец Тейлор сказал сидевшему сзади пилоту: «Все, сдаюсь, лучше возьми управление на себя!» Пилот засмеялся, выровнял самолет и сказал: «Попробуем еще раз». Они попробовали еще раз, но теперь в ответ на движение ручки вперед самолет пошел вверх. Чем больше Тейлор подавал ручку вперед, тем круче становился подъем. На сей раз он запаниковал, и снова пилот выровнял самолет.
Тейлору следовало бы догадаться. Реакция самолета была такой странной, поскольку он сидел за штурвалом лабораторного образца, на котором исследователи из ВВС экспериментировали с системами управления. Тейлора пригласили в Корнелл по той причине, что он, как руководитель программы NASA, по собственной инициативе выделил $100 000 исследовательской группе авиабазы Райт-Паттерсон.
Сначала в NASA, а затем в DARPA Тейлор готовил почву для появления систем, предназначенных и для расширения возможностей людей, и для их замены. NASA исполнилось три года, когда в 1961 г. президент Кеннеди объявил об амбициозной цели – доставить человека на Луну и обратно в течение десятилетия. Агентство столкнулось с уникальной задачей: определить принципы взаимодействия людей с машинами, причем не только в летательных аппаратах, но и во всех автоматизированных системах – от настольных компьютеров до сегодняшних мобильных роботов.
Термин «киборг», т. е. «кибернетический организм», был введен в 1960 г. медиками-исследователями, ломавшими головы над расширением возможностей людей при подготовке к освоению космоса{123}. В их воображении появилось новое существо – получеловек-полумашина, способное выживать в суровых условиях.
В отличие от этого организация Тейлора финансировала разработку электронных систем, которые тесно взаимодействовали с людьми, но не переходили границу, разделявшую человека и машину.
В начале 1960-х гг. NASA представляло собой государственное ведомство, расколотое на две части в вопросе о роли людей в космических полетах. Тогда впервые появилась возможность всерьез задуматься о полностью автоматизированных космических полетах. Многих очень беспокоило очевидное направление развития – передача управления машинам и превращение людей в пассажиров. Именно таким путем в то время шла советская космонавтика. Американская программа опиралась на другой подход, о чем ясно говорил ряд инцидентов, в которых вмешательство астронавтов в процесс доказывало важность сохранения того, что в NASA называли «человек в контуре управления». Например, Уолли Ширра стал героем после того, как во время запуска Gemini VI он в нарушение правил NASA не нажал кнопку аварийного прекращения предстартовых операций{124}.
Дебаты в NASA о необходимости включения человека в контур управления в 1950-х и 1960-х гг. превратились в ожесточенные сражения. Тейлор, пришедший в агентство в 1961 г., обнаружил, что для местной инженерной культуры характерно почитание раздела математики, известного как теория управления, – наследия кибернетики Норберта Винера. Инженеры NASA разрабатывали системы управления летательными аппаратами и для авиации, и для космоса. Они были настолько сложными, что казались инженерам прекрасными, можно сказать, по определению. Тейлор быстро понял, что разработчики зачарованы эстетикой управления и уверены в необходимости дальнейшей автоматизации систем, поскольку люди недостаточно быстры и надежны, чтобы совладать с ними.