В любом случае ИИ действует в соответствии со своим кодом, что означает три вида ограничений. Во-первых, код задает параметры возможных действий ИИ. Эти параметры могут быть довольно широкими, допускающими значительный диапазон самостоятельности ИИ – а значит, и высокий уровень риска. ИИ автомобиля с автопилотом может тормозить, ускоряться и поворачивать, и любое из этих действий может привести к столкновению. Тем не менее параметры, задаваемые кодом, устанавливают некоторые ограничения поведения ИИ. Например, хотя AlphaZero и разработал новые поразительные шахматные стратегии, он не может нарушать шахматные правила – например, он не может сделать ход пешкой назад. Он попросту неспособен совершать действия, выходящие за рамки параметров его кода, – если некие действия изначально не заложены или непосредственно запрещены разработчиками, ИИ не сможет их совершать. Во-вторых, возможности ИИ зависят от его целевой функции. Эта функция определяет, какую именно задачу оптимизации решает ИИ. ИИ, открывший халицин, искал связь между химическими свойствами молекул и их антибиотическим потенциалом. Ограниченный своей целевой функцией, этот ИИ не мог бы попытаться найти молекулы лекарства против рака. Наконец, что наиболее очевидно, ИИ может обрабатывать только те входные данные, для распознавания и анализа которых он предназначен. На вход ИИ машинного перевода нельзя дать изображение – без вспомогательной программы оно покажется машине бессмыслицей.
Возможно, когда-нибудь ИИ смогут писать свой собственный код – уже известны зачаточные и весьма спорные попытки таких разработок. Но даже такие ИИ, скорее всего, не будут обладать самосознанием, их действия будут определяться их функциональностью и ограничениями. Они смогут писать код так же блестяще, как AlphaZero играет в шахматы, – но без размышлений и проявлений воли, в строгом соответствии с правилами. И несмотря на все эти ограничения, ИИ – это нечто поразительное.
Что ждет ИИ
Развитие алгоритмов машинного обучения в сочетании с большими объемами данных и значительными вычислительными мощностями обеспечило быстрый прогресс в применении ИИ, который, в свою очередь, подстегивал воображение и инвестиции. Разработка и внедрение ИИ, особенно в области машинного обучения, идут по всему миру, но главные центры этой деятельности – США и Китай[31]. Университеты, исследовательские лаборатории, корпорации и стартапы обеих стран сейчас находятся на переднем крае разработки и внедрения машинного обучения для ИИ.
Многие аспекты ИИ и машинного обучения еще предстоит разработать и понять. Например, ИИ, основанный на машинном обучении, требует значительного объема обучающих данных, для которого, в свою очередь, нужна значительная вычислительная инфраструктура, что делает непомерно дорогим переобучение ИИ, даже если оно целесообразно. Поскольку требования к данным и оборудованию замедляют создание более совершенного ИИ, важным этапом станет разработка методов обучения с использованием меньших объемов данных и менее существенных вычислительных мощностей.
Кроме того, несмотря на значительные достижения в области машинного обучения, для ИИ по-прежнему представляют проблему сложные виды деятельности, совмещающие несколько задач. Например, таким видом деятельности остается управление автомобилем, которое требует одновременного решения ряда задач – от визуального восприятия до выбора маршрута и выполнения маневров, предотвращающих аварии. Хотя за последнее десятилетие в этой области был сделан огромный прогресс, достичь эффективности вождения на уровне человека все еще сложно. В настоящее время ИИ уже способен демонстрировать хорошее вождение на шоссе с ограниченным доступом или в пригородах – но не в хаотичных условиях, таких как городское движение в час пик. Кстати, вождение по шоссе представляется особенно перспективным, поскольку водители-люди в таких условиях могут расслабляться и отвлекаться. Возможно, в недалеком будущем ездить на большие расстояния с ИИ станет безопаснее, чем с водителем-человеком.
Темпы развития ИИ предсказать сложно. В 1965 г. инженер Гордон Мур предположил, что вычислительная мощность будет удваиваться каждые два года. Его предсказание оказалось удивительно верным, но ИИ развивается гораздо менее линейно. Например, ИИ для перевода с иностранных языков был в застое целые десятилетия, пока не начал бешеными темпами развиваться благодаря сочетанию новых методов с увеличением вычислительных мощностей. Всего за несколько лет люди создали ИИ, способный переводить не хуже обычного двуязычного человека. Сколько времени потребуется на то, чтобы ИИ начал переводить как действительно талантливый профессиональный переводчик, неизвестно – если это вообще когда-нибудь произойдет.
Не менее сложно предсказать темпы внедрения ИИ в новых областях. Очевидно лишь, что стоит ожидать значительного роста возможностей ИИ. Независимо от того, сколько лет (или десятков лет) на это уйдет, это неизбежно. ИИ-приложения станут более компактными, эффективными, недорогими, а значит, и более популярными, чем сегодня. ИИ будет все глубже внедряться в нашу повседневную жизнь как заметным, так и незаметным для нас образом.
Разумно ожидать, что ИИ будет развиваться с не меньшей скоростью, чем вычислительные мощности, то есть со скоростью удвоения каждые два года, – а это значит, что за 15–20 лет его возможности вырастут в миллион раз. Такой рост позволит создавать нейронные сети в масштабах, сравнимых с человеческим мозгом. Сегодня самые крупные сети, такие как GPT-3, имеют около 1011 связей, что в 105 раз меньше, чем число синапсов в человеческом мозге, – но этот разрыв может сократиться менее чем за десятилетие. Это не значит, что такие нейросети будут иметь интеллект, равный человеческому. Неизвестно, какой уровень возможностей будет поддерживать такая сеть, – ведь некоторые приматы имеют объем мозга не меньше или даже больше, чем у человека, но ничего похожего на человеческий интеллект у них нет. Скорее, результатом может быть появление очень мощных специализированных ИИ («ИИ-савантов»), значительно превосходящих человеческие показатели в определенных областях.
Пока расширяется применимость и повышается производительность ИИ, очень важно не забывать, что у ИИ нет никаких ценностей, мотиваций и целей. ИИ – просто сложные вычислительные модели реальных отношений, их можно использовать для прогнозирования неких событий или идентификации неких объектов. При правильном применении ИИ могут выполнять очень сложные задачи, такие как вождение автомобиля, игра в шахматы или перевод с других языков. Но они не могут выбирать, чем им заниматься, о чем размышлять и какие делать выводы.
Не исключено, что дальнейшее развитие методов машинного обучения приведет к созданию общего искусственного интеллекта (AGI). У AGI нет точного определения. Обычно под ним понимают ИИ, способный решать любые интеллектуальные задачи, свойственные человеку, в отличие от сегодняшних узкоспециализированных ИИ, разрабатываемых для решения конкретных задач. Но это не будет «богоподобный» ИИ, во всем превосходящий человеческий интеллект.
Машинное обучение будет еще важнее для развития AGI, чем сегодня – для современного ИИ. Кстати, поскольку даже всесторонне развитые люди все равно специализируются в определенных областях, не исключено, что AGI на практике тоже будет ограничен теми или иными сферами экспертизы. Один из возможных путей развития AGI предполагает обучение традиционных ИИ в нескольких областях, а затем своеобразное объединение их экспертной базы в единый ИИ. Такой ИИ может быть более разносторонним и надежным, чем нынешние ИИ, – то есть способным выполнять более широкий круг задач и не допускающим столь серьезных ошибок на границах своей компетенции.
Но пока неясно, возможен ли AGI в принципе и какими характеристиками он может обладать. Будет ли он больше похож на среднего человека, или он будет равняться на лучших? Если AGI будет развиваться вышеописанным способом, при помощи агрегации традиционных узкоспециализированных глубоко обученных ИИ, тяжело придется даже очень искушенным исследователям с очень щедрым финансированием. Разработка таких ИИ потребует огромных вычислительных мощностей и будет оцениваться в миллиарды долларов, что смогут позволить себе лишь немногие.
В любом случае неочевидно, что создание AGI существенно изменит курс, которым человечество идет сегодня, используя алгоритмы машинного обучения. Так или иначе, важную роль в создании и эксплуатации ИИ (или AGI) по-прежнему будут играть разработчики-люди. Именно люди в обозримом будущем станут определять алгоритмы, обучающие данные и цели машинного обучения. Методы машинного обучения будут совершенствоваться, но ИИ по-прежнему будут отражать ценности, мотивы, цели и суждения своих создателей – по крайней мере в ближайшей перспективе.
Независимо от того, появится ли AGI, ИИ будет распространяться все шире, и его мощь будет расти. По мере снижения стоимости разработки и внедрения ИИ будет появляться все больше управляемых им устройств. Благодаря Alexa, Siri и Google Assistant они уже стали повсеместными. ИИ будет все чаще встраиваться в транспортные средства, инструменты и приборы, контролируемые человеком. ИИ на цифровых устройствах и в интернете будет помогать потребителям и выводить предприятия на новый уровень. Наш мир станет более автоматизированным и более интерактивным – люди будут взаимодействовать с машинами, даже если они не похожи на роботов из кинофантастики. Жизнь станет менее опасной. Автомобили с автопилотом снизят смертность в ДТП, ИИ-диагносты будут раньше и точнее выявлять болезни, а ИИ-фармацевты – открывать новые лекарства и методы их доставки, снижая стоимость исследований, и это приведет к разработке методов лечения трудноизлечимых болезней и появлению лекарств от плохо изученных заболеваний. ИИ-пилоты будут управлять беспилотниками и даже истребителями. ИИ-программисты будут завершать программы, начатые разработчиками-людьми, а ИИ-писатели будут дописывать рекламные объявления, придуманные маркетологами-людьми. ИИ снизит транспортные и логистические расходы, а также потребление энергии и воздействие человека на окружающую среду. И в гражданской, и в военной сферах воздействие ИИ будет поразительным.