а то, что случайно наткнется на полезное лекарство, но выдвигает научные гипотезы, а затем проектирует и выполняет эксперименты для проверки этих идей. Кроме того, она совершенствует собственные знания, основываясь на том, что уже обнаружила.
Чтобы Ева могла работать, ей нужны знания в определенной области. Первым ученым-роботом, над которым работал Кинг, был Адам, в которого были загружены модели обмена веществ дрожжей и базовые знания по химии (клетки дрожжей напоминают человеческие). Однако одним из преимуществ использования искусственного интеллекта для исследования лекарственных препаратов является возможность компьютеров обладать более обширными и детализированными знаниями в конкретной области, чем человек. К сожалению, эти знания существуют преимущественно в научных публикациях, и переводить их в форму, которую сможет использовать машина, очень непросто и трудоемко. Однако постепенно и эта проблема решается. В одном исследовании компьютер Ватсон компании IBM (он известен тем, что выиграл в американском игровом шоу Jeopardy!) проанализировал 70 000 научных статей, посвященных белку-супрессору опухолей под названием p53. На основании прочитанного Ватсон идентифицировал шесть новых белков, которые могли модифицировать p53, для тестирования их в лабораторных условиях {412}.
Каким образом Адам и Ева расширяют свои знания и проводят научные исследования? Они используют дедукцию, индукцию и абдукцию. Росс объясняет дедукцию, используя классический пример из Аристотеля. При наличии двух фактов: «некоторые птицы — это лебеди» и «все лебеди белые» — можно сделать вывод, что «некоторые птицы белые». Этот способ логического умозаключения лежит в основе многих областей информатики. Абдукция и индукция представляют повышенный интерес, потому что они как раз о том, как компьютер может создать достойную проверки научную гипотезу. Если Аристотель наблюдал птиц в Греции, он мог заключить, что все лебеди — белые. Но это умозаключение ложно, что можно продемонстрировать, посетив Австралию, где есть черные лебеди. К абдукции прибегает Шерлок Холмс, когда делает самый аргументированный вывод на основе наблюдений[43]. «Все лебеди белые», «та птица белая» и, следовательно, «та птица — лебедь» — это пример абдукции. Гипотезу, состоящую в том, что та птица — лебедь, можно затем проверить с помощью дальнейших наблюдений (Шерлок мог бы обнаружить, что на самом деле эта белая птица — гусь). Подобным образом, как только Адам конструирует абдукцию относительно дрожжей, компьютер проектирует наиболее подходящие эксперименты для проверки этой гипотезы, а затем принимается за работу, используя механические руки и другое оборудование. Культуры выращиваются в различных условиях, а для определения того, насколько хорошо растут клетки, используется фотография. В дальнейшем эти результаты показывают, окажется ли сформулированная ранее гипотеза правильной, и таким образом приводят находящиеся в памяти Адама теории в соответствие с новыми знаниями. Используя эти процессы, Адам получил новые научные знания о том, какие гены составляют конкретные энзимы в дрожжах.
Насколько изобретательным с точки зрения науки можно считать Адама? «Конечно, он не очень творческий, его наука проста; во многих отношениях этот робот не дорос до человека в своих умениях, — объясняет Росс. — Но в другом он превосходит человека, потому что знает все книги и может управляться с пипеткой лучше, чем человек». Правда, имеется один значительный недостаток. Росс говорит о нем так: «Например, чего он не может сделать, так это пересмотреть свое представление о проблеме, как это сделал бы человек».
Компьютеры играют центральную роль в большинстве научных исследований, но мы вступаем в эпоху, когда машины перестают быть просто безмолвными слугами, нужными для того, чтобы сделать научные изыскания менее скучными и утомительными. Но если объединить лучшие творческие умы с инструментами машинного самообучения, можно сделать так, что наука будет быстрее двигаться вперед. Росс полагает, что в будущем она пойдет еще дальше, когда компьютеры смогут делать науку лучше, чем люди. В отличие от искусства, использование искусственного интеллекта в науке не осложняется проблемами решения вопросов, связанных с человеческими ценностями. «Природа честна… мир не пытается нас обмануть, — объясняет Росс. — Это объективная штука, независимо от того, кто создает новую науку, компьютеры или нет» {413}.
Искусственный интеллект может менять речь, создавать возможности для возникновения новой науки, ведущей к новым технологиям. Подобно фонографу Эдисона, эти технологии смогут революционизировать говорение и слушание.
В спорах о творческой деятельности часто проводится различие между новым для конкретного человека и новым для мира в целом. Теория относительности пришла в голову только Эйнштейну, это исторический факт. Но у каждого человека есть творческие способности, оригинальные мысли и новые решения каждодневных проблем. Я только что догадался, как запихать больше грязной посуды в новую посудомойку. Такое творческое мышление не имеет исторического значения, но для меня придуманное мной решение — новое. Естественно, историки обращают внимание на первооткрывателей и на созданные ими революционные предметы материальной культуры. Но творчество — это процесс, и важно, как он работает в обычной жизни. Это не заповедная область идеализированной элиты, обычное свойство человеческого интеллекта. Изобретательность в том, как поймать добычу, как сохранить пищу, чтобы не голодать, как защитить поселение от нападения — все это, возможно, не очень художественные вещи, но именно эти творческие способности помогают объяснить, почему люди стали доминировать в мире.
Конечно, интересно выяснить, может ли компьютер писать стихи, как Сирано, но повседневные истории, которые люди рассказывают друг другу, сидя вокруг костра или за обеденным столом, возможно, значительно более важны, чем литературное творчество. Именно повседневная деятельность позволяет знаниям о том, как выжить и процветать, переходить от одного человека к другому. Такие разговоры позволяют человеку выходить за рамки медленного процесса биологической эволюции, обеспечивая стремительное развитие культуры и технологий. Филип Пулман, когда его однажды спросили, почему для нас так важны подобные истории, ответил: «Потому что они развлекают и учат; они помогают наслаждаться жизнью и переносить ее тяготы. После пищи, крова и дружеского общения такие истории — это то, что нам нужно больше всего» {414}.
В ближайшее время компьютер не сможет создать стихи, достойные пера Сирано де Бержерака, но и большинство людей не достигнет подобных литературных высот. Тем не менее компьютерная имитация процессов, происходящих в человеческом мозге, позволяет нам понять творческую деятельность. Герайнт Уиггинс объяснил мне, что творчество возникает из потребности мозга постоянно предсказывать то, что произойдет дальше, а это дает несомненные преимущества для выживания: наши системы защиты предугадывают, что может ожидать нас за углом, какая опасность может надвигаться, и наша бдительность сочетается с тем, что мы видим, слышим и обоняем. Следовательно, мозг должен всегда стремиться улучшать качество этих предсказаний, основываясь на успешном и неуспешном прошлом опыте. У нас развилась сильная реакция на результаты неправильных предсказаний, поэтому мы постоянно корректируем свои прогнозы.
Наша память не может сохранить точную копию того, что дано в ощущениях, исключительно из-за количества информации. Даже если бы у нас была возможность сохранить все детали, их поиск осуществлялся бы слишком медленно. Вот почему память — это реконструкция, основанная на некоторой приблизительной репрезентации прошедших событий в мозге. В результате дорогие вам первые детские воспоминания могут в действительности быть выдумкой, основанной на рассказываемых в семье историях. Память динамична. Мозг постоянно вырабатывает лучшие компактные репрезентации информации для эффективного хранения и эффективного предсказания.
Но прогнозы не бывают идеально правильными. Сильным наш мозг делает именно то, что одновременно совершаются несколько предсказаний, проигрывающих сценарии, основанные на разных предположениях. Следовательно, большая часть этой деятельности совершается бессознательно. На основании одного из процессов отбирается лучшее предсказание, которому нужно уделить внимание, и только тогда оно начинает осознаваться. Такая модель объясняет моменты творчества, когда мы говорим себе «Ага!». Нам кажется, что идея возникла из ниоткуда и появилась в мозге внезапно. На самом деле идеи не берутся из ниоткуда: они выходят из подсознания, предсказывающего будущее. Эта модель может также объяснить, почему, когда нам нужно принять сложное решение, тактически полезно на время заняться чем-то другим {415}. В то время, когда вы занимаетесь чем-то, что отвлекает от трудной задачи, мозг может подсознательно обдумывать ее решение.
Когда Эдисон записал и проиграл «У Мэри был маленький барашек», слушатели должны были постоянно предсказывать, что будет дальше: следующую фонему, следующее слово, следующую строчку песенки {416}. Предвосхищение того, как будет разворачиваться дискурс, очень важно, потому что позволяет справиться с неправильным произношением или неточно расслышанными фрагментами речи; в случае записи на фонографе именно это позволяет мозгу оценить фрагменты речи, которые невозможно расслышать из-за треска цилиндра из фольги. Герайнт Уиггинс продемонстрировал важность предсказания, резко останавливаясь в разные моменты нашего разговора: «Возьмите простое предложение и». Это — изощренная пытка, потому что мозг хочет знать, что произойдет дальше, но не может быть ни в чем уверен, поскольку конец предложения предсказать невозможно.