Hearsay II могла верно распознать тысячу слов английского языка и почти не делала ошибок.
«Полагаю, человеческий разум – самая интересная вещь на планете», – говорит Том Грубер. Он отправился в Университет Лойола в Новом Орлеане, где занимался изучением психологии, прежде чем обнаружил в себе склонность к компьютерной сфере, которая тогда только начала проникать в научную жизнь. Когда в университете появился синтезатор Муга, Грубер на скорую руку сделал для него компьютерный интерфейс. Также он создал систему машинного обучения, которая используется на факультете психологии Университета Лойола и по сей день. Затем Груберу попалась работа, опубликованная группой учёных из Университета Карнеги-Меллона: той самой, которую возглавлял Радж Редди.
Грубер разглядел в этой работе пробивающиеся ростки ИИ – систему распознавания речи, способную к формированию рассуждений путём логического манипулирования символами. Именно из неё десятки лет спустя вырастет Siri. Одно дело – учить компьютер распознавать звуки и сравнивать их с данными, хранящимися в базе знаний. Команда Редди пошла дальше, она пыталась выяснить, каким образом можно представить язык в компьютере так, чтобы машина могла использовать его для чего-то полезного. Для этого её нужно было научить распознавать и разбивать на куски различные части предложения.
Символьный искусственный интеллект описывает то, как человеческий разум использует символы для представления чисел и логических связей, чтобы решать как простые, так и сложные задачи.
Например: «Мы договорились встретиться в два, – говорит Грубер, имея в виду время, на которое было назначено интервью. – Это констатация факта, которую можно представить в терминах представления знаний. Её можно представить в виде базы данных, где вся база данных представляет собой не что иное как набор всех возможных вариантов для данного факта». Так что, по его словам, вы можете составить обширную базу данных для каждой возможной даты и времени, научить компьютер распознавать их, а затем – играть в нахождение соответствий. «Но это нельзя считать представлением знаний. Представление знаний – это „Ты – человек, я – человек. Встречаемся тогда-то и там-то. Возможно, есть какой-то повод“, и оно является основой интеллекта». Грубер окончил университет с красным дипломом в 1981 году и отправился в аспирантуру в Университет Массачусетса в Амхерсте, где он искал способы использовать ИИ для оказания помощи людям с нарушениями речи. «Моим первым проектом стал человеко-машинный интерфейс, использующий искусственный интеллект для помощи людям в качестве коммуникационного „протеза“», – рассказывает он. ИИ смог бы анализировать слова людей, страдающих нарушениями речи, например, из-за церебрального паралича, и предсказывать то, что они пытаются сказать. «По сути, это прародитель того, что я называю „семантическим автозаполнением“».
«Позже я использовал его в Siri, – говорит Грубер. – Всё та же идея, только модернизированная».
Автоматизированный личный помощник – это ещё одно из наших старейших стремлений и мечтаний.
«…двадцать треножников вдруг он работал,
В утварь поставить к стене своего благолепного дома.
Он под подножием их золотые колеса устроил,
Сами б собою они приближалися к сонму бессмертных,
Сами б собою и в дом возвращалися, взорам на диво»[45].
Возможно, это самые ранние упоминания, описывающие автоматизированного механического помощника, и появляются они в «Илиаде» Гомера, написанной в VIII веке до нашей эры. Греческий бог-кузнец Гефест создал небольшой штат треножников на золотых колёсах, которые могли по команде подъезжать и отъезжать от пирующих на вечеринке богов, – таковы роботы-прислужники Гомера.
Siri тоже, по сути, роботизированный прислужник. Как выразился Брюс Бьюкенен, учредитель Американской ассоциации искусственного интеллекта: «История ИИ – это история мечтаний, возможностей, демонстраций и надежд». Прежде чем люди обзавелись каким-либо технологическим ноу-хау для создания похожих на людей машин, они бурно фантазировали о том, что случилось бы, будь у них такие машины.
Еврейские мифы о големах, сотворённых из глины для служения людям в качестве защитников и рабочей силы, но в итоге вышедших из-под контроля и обезумевших, стары как мир. Франкенштейн Мэри Шелли представлял собой ИИ, созданный из частей мёртвых людей и оживлённый электричеством. Текст Ли Цзи, датированный III веком до нашей эры, описывает «механика», который подарил королю автоматона, точь-в-точь как живого: механического человекоподобного манекена, который мог петь и танцевать. Впервые слово «робот» появилось при описании одноимённых субъектов в пьесе Карела Чапека 1922 года, «Россумские универсальные роботы». Придуманное Чапеком название произошло от слова «robota», что значит «принудительный труд». С тех пор слово «робот» используется для обозначения интеллектуальных машин, которые выполняют задания людей. От робота-служанки Рози из «Джетсонов» и до дроидов из «Звёздных войн», роботы в основном являются механическими помощниками.
Промаринованная сотнями лет фантазий и размышлений, где-то в середине XX века, как только появились достаточные компьютерные мощности, начала своё развитие научная работа по исследованию настоящего искусственного интеллекта. Своим провокационным вступлением: «Предлагаю поразмыслить над вопросом „Способны ли машины думать?“» – Алан Тьюринг в работе 1950 года «Вычислительные машины и разум» создал почву для жарких дебатов последующих лет. В той работе шла речь о его имитационной игре, известной больше как тест Тьюринга. В ней автор описывает критерии оценки того, может ли машина считаться в достаточной мере «разумной». Клод Шеннон[46], теоретик в области коммуникаций, опубликовал свой фундаментальный труд по теории передачи информации, вводя понятие бита как единицы языка, с помощью которого люди могут разговаривать с компьютерами. В 1956 году Джон Маккарти из Стэнфорда со своими коллегами придумал термин «искусственный интеллект» для нового направления, и мы быстро подхватили его.
На протяжении следующего десятилетия, когда научное исследование ИИ начало привлекать интерес общественности и когда в то же время компьютерные терминалы стали более распространённым человеко-машинным интерфейсом, две будущие темы – экранный интерфейс и ИИ – сплелись воедино, и услужливые человекоподобные роботы былого времени перевоплотились. В первом сезоне «Звёздного пути» капитан Кирк разговаривает с кубообразным компьютером. А компьютер HAL9000 из «2001: Космическая Одиссея» представляет собой всепроникающий ИИ, управляемый – недолго, правда, – с помощью голосовых команд.
«А вот Siri скорее традиционный ИИ, призванный исполнять роль ассистента, – говорит Грубер. – Задумка, основная идея иметь в помощниках ИИ, существовала в головах людей всегда. Я раньше показывал фрагменты видео о Knowledge Navigator от Apple». Видео, о котором идёт речь и которое является легендарным в определённых технических кругах, представляет собой чудесные зарисовки о ранней дизайнерской выдумке Apple времён Джона Скалли[47]. В нём показан профессор в шикарном, напоминающем о Лиге плюща, кабинете, который советуется со своим планшетом (даже сейчас Грубер называет его Dynabook, а Алан Кей, очевидно, был консультантом проекта Knowledge Navigator), разговаривая с ним. Его компьютерный помощник представлен в виде щёголя с галстуком-бабочкой, и он сообщает профессору Серьёзну[48] о его грядущей помолвке и последних публикациях его коллег. «Вот та самая модель Siri; она была уже в 1987 году».
Диссертация Грубера, которую он защитил в 1989 году и которая потом вылилась в книгу, называлась «Приобретение стратегический знаний» и описывала обучение компьютерного помощника с ИИ, перенимавшего знания от экспертов-людей.
Период, на протяжении которого Грубер учился в аспирантуре, был, по его словам, «временем накала, когда существовало два знаковых подхода к ИИ: чистое логическое представление и обобщённое формирование рассуждений». Ориентированный на логику подход к ИИ включал в себя попытки научить компьютер размышлять, используя эти символьные конструктивные блоки подобно тому, как это происходит в английских предложениях. Другой же подход ориентировался на данные. Суть модели в следующем. «Нет, на самом деле проблема заключается в реализации памяти, а формирование рассуждений – это лишь малая её часть, – говорит Грубер. – Юристы, к примеру, становятся выдающимися не потому, что обладают проницательным умом, способным решать задачи, подобно Эйнштейну. Первоклассными юристами их делает знание целой горы всякой всячины. У них есть базы данных, они превосходно в них ориентируются и быстро находят подходящие данные и документы, принимают верные решения». Грубер – приверженец логического подхода, хотя этот подход «уже не в моде. Сейчас люди тянутся не к знаниям, а к обширным базам данных и машинному обучению».
Разделение мудреное, но при этом по существу. Когда Грубер говорит «знания», я думаю, он подразумевает точное полноценное понимание того, как устроен мир и как происходит процесс осмысления. На сегодняшний день учёные мало заинтересованы в развитии способности ИИ к самостоятельному мышлению, они больше сосредоточены на всё более и более сложном машинном обучении, которое не далеко ушло от автоматизированного получения данных. Возможно, вам доводилось слышать термин «глубокое обучение». Суть проектов вроде нейронной сети Google DeepMind основана на получении как можно большего количества данных и всё более и более точном моделировании результатов на выходе. Путём обработки огромного количества данных, скажем, о картинах Ван Гога, такой системе можно дать задание создать картину Ван Гога – и она сделает изображение, очень похожее на стиль Ван Гога. Разница между ориентированным на данные и ориентированным на логику подходами заключается в том, что компьютер ничего не знает о Ван Гоге или о том, что из себя представляет этот художник. Он лишь воспроизводит шаблоны – зачастую очень умело, – которые ему попадались прежде.