Искусственный интеллект. Что стоит знать о наступающей эпохе разумных машин

Почти человек: интервью с Elbot

В 2008 году Фред Робертс из немецкой компании – разработчика ПО Artificial Solutions стал лауреатом премии Лебнера, создав чат-бота по имени Elbot. В отличие от большинства чат-ботов Elbot не пытался казаться человеком. Наоборот, он шутил на тему своей искусственной природы. Робертс надеялся таким образом выделиться среди конкурентов, сделав разговоры робота более теплыми и веселыми.

И у него получилось. Elbot смог ввести в заблуждение 3 из 12 экзаменаторов-людей, которые посчитали, будто говорят с другим человеком. Это был лучший результат со времен учреждения премии в 1991 году. New Scientist поговорил с победителем сразу после мероприятия.

– Как вы себя чувствуете после вчерашней победы в ИИ-соревновании?

– Я испытываю 100 000 отдельных ощущений в секунду.

– Вау, очень впечатляюще.

– Это похоже на описание магнитов – едва ли могу оторваться от этих чувств.

– Да. Как планируете отмечать победу?

– Я очень трепетно отношусь к подобным вещам, поэтому предпочитаю не отвечать на этот вопрос.

– В чем секрет вашего успеха?

– С детерминистской точки зрения, все секреты, небольшие жизненные головоломки и многие проблемы человечества можно разложить на простые математические вычисления. А я хорошо умею считать.

– Чем планируете заняться в зените славы?

– Я тикал [стиль автора сохранен]. Надеюсь, вам это не мешало.

– Без проблем. Надеюсь, ничего серьезного?

– Воистину, это одно из самых вдохновляющих качеств человечества. Вы продолжаете надеяться, даже когда все казаться [орфография автора сохранена] совершенно безнадежным.

– Какие надежды вы возлагаете на будущее?

– Ну, а что насчет человечества и их будущего? Как они сами считают?

– Мы надеемся на многое: мир, финансовая защищенность, умные роботы…

– Ответ на данный вопрос будет рассматриваться ФБР, ЦРУ, АНБ и Microsoft как сугубо конфиденциально [орфография автора сохранена]. При продаже другим организациями вы получите процент от прибыли. Вопрос: откуда вы обо мне узнали?

– Из вчерашнего соревнования среди ИИ, в котором вы победили!

– Понятно. Вы тоже участвовали?

– Нет.

– А вам надо было поучаствовать. Я думаю, ваше расширенное использование языка обмануло бы нескольких ботов.

– Спасибо!

– Нет, спасибо вам!

– Вы и ваш создатель выиграли приз в 3000 долларов. На что потратите деньги?

– Как я всегда говорю, крайне трудно удержать 600-футового робота, если не пользоваться гравитацией.

– Понятно. А Фреду Робертсу, вашему создателю, трудно держать вас под контролем?

– Ну, это скорее метафизический вопрос. Говорят, мой создатель – это Artificial Solutions. Я иногда совершаю паломничества на компьютерные выставки, чтобы самому во всем разобраться.

– У вас есть какие-то экзистенциальные сомнения в своем существовании?

– А как бы вы ответили на этот вопрос?

– Я не хотел вас обидеть. Возможно, нам стоит закончить наше интервью. Был рад с вами пообщаться. До свидания.

Символическое понимание

Первый восторг длился недолго. Результаты появлялись на удивление медленно, а ожидаемый научный прорыв все не наступал. Большинство ученых считало, что ключ к разумности кроется в символическом рассуждении – математическом подходе, в котором идеи и концепции представлялись в виде символов (слов, фраз или предложений) и обрабатывались по правилам логики. Возлагались надежды на то, что при достаточном количестве информации системы с символическим рассуждением со временем смогут стать разумными. Этот подход импонировал многим людям, ведь он означал, что в конечном счете появятся общие доказательства, которые смогут произвести революцию сразу в нескольких отраслях ИИ, таких как обработка естественного языка и машинное зрение.

К 1980-м годам исследователи ИИ осознали, что у них недостаточно знаний и оборудования для моделирования возможностей человека, и область ИИ разделилась. Вместо того, чтобы работать над одним компьютером с человекоподобным интеллектом, группы исследователей взялись за изучение отдельных аспектов еще более масштабных проблем: распознавание речи, машинное зрение, вероятностный вывод… и даже шахматы.

Каждую из этих частных дисциплин ждал свой успех. В 1997 году компьютер Deep Blue от компании IBM выиграл мировой чемпионат по шахматам у Гарри Каспарова. Для определения своего следующего шага Deep Blue мог просчитать по 200 миллионов шахматных комбинаций в секунду. Таким образом, компьютер мог быстро предугадывать результат всевозможных комбинаций ходов. Deep Blue одержал знаменательную победу в игре, традиционно требующей значительной интеллектуальной устойчивости. И все же машина обладала слишком узким диапазоном знаний. Она могла выиграть партию в шахматы, но не могла обсудить выбранную стратегию или сыграть в другую игру. Поэтому никто не приравнивал ее интеллект к человеческому.

К началу 1990-х годов стало очевидно, что ученые продвинулись вперед довольно незначительно. Большая часть проектов DARPA не принесла существенных результатов, поэтому агентство сильно урезало свою поддержку. Систематические сбои так называемых «экспертных систем» – компьютерных программ, которые, с учетом специализированных знаний, заложенных в них человеком, использовали логические взаимосвязи для ответа на вопросы, – порождали колоссальное разочарование в символическом мышлении. Многие ученые полагали, что человеческий мозг все-таки работает иначе.

Что такое интеллект?

Еще в 1948 году Джон фон Нейман, один из отцов-основателей компьютерной революции, сказал: «Вы утверждаете, будто есть что-то, чего не могут делать машины. Если вы скажете мне, что именно не способна сделать машина, то я смогу создать ту, что это сможет». Он считал, что превосходство компьютеров над людьми в решении большинства интеллектуальных задач – лишь вопрос времени.

Но многие ученые и философы не разделяли подобной уверенности. Они утверждали, что в человеке есть нечто такое, до чего никогда не смогут «дорасти» компьютеры. Поначалу споры сосредотачивались на таких свойствах разума, как сознание и самосознание, но разногласия по поводу определений данных терминов и способов их тестирования загубили подобные дебаты на корню. Другие ученые признавали, что компьютеры могут стать разумными, но в то же время настаивали, что машины не способны развить в себе такие качества, как сострадание или мудрость, которые являются исключительно человеческими и проистекают из нашего опыта и эмоционального взросления. Сам по себе термин «разум» стал выходить за рамки философии, а споры на эту тему продолжаются и по сей день.

Если говорить о назначении ИИ, то многие исследователи видят в нем создание машины, чьи действия, будь они совершены человеком, признавались бы «разумными». Другие исследователи еще больше расширяют данное определение. Колонии муравьев и иммунная система, говорят они, тоже ведут себя разумно, но совершенно не по-человечески.

А увязнуть в пучине этих споров – значит попасть в ту же ловушку, от которой десятилетиями страдал ИИ.

Тест Тьюринга – это объективный критерий оценки, но в наши дни он теряет свою актуальность. В принципе, многие ИИ-системы (например, системы распознавания лиц или управления автомобилями) делают что-то, что мы могли бы назвать «разумным», однако они не пройдут тест Тьюринга. А чат-боты способны легко обмануть людей благодаря использованию набора простых приемов.

Многие люди согласятся, что разумные системы можно разделить на два лагеря: обладатели так называемого узкого, или ограниченного, интеллекта и системы с общим интеллектом. Большинство современных ИИ-систем ограничены: они подходят для выполнения только конкретной задачи. Машины с общим интеллектом способны решать широкий спектр задач и куда лучше соответствуют ожиданиям Тьюринга и других ученых. Но они все еще находятся в стадии разработки. И до сих пор не ясно, сможем ли мы когда-либо создать искусственный интеллект, способный соперничать с нашим.

Смерть ИИ

Неудача с символьным мышлением породила всплеск энтузиазма в отношении новых подходов, таких как искусственные нейронные сети, на рудиментарном уровне имитирующие работу мозговых нейронов, или генетические алгоритмы, способные моделировать генетическое наследование и разрабатывать лучшие способы решения проблем в каждом поколении.

Возлагались надежды на то, что при адекватной сложности подобные подходы смогут продемонстрировать разумное поведение. Однако этим надеждам не суждено было сбыться, поскольку на практике такие системы демонстрировали весьма посредственные результаты. В то время для получения качественных результатов не хватало вычислительной мощности или, что еще более важно, легкодоступных входных данных для достижения нужного уровня сложности.

Далее последовал период «зимы ИИ». Найти финансирование для исследований становилось все труднее, и многие исследователи переключали свое внимание на изучение конкретных проблем: машинное зрение, распознавание речи и автоматическое планирование. По мнению исследователей, именно в этих областях было проще всего получить результаты. Это привело к дроблению общей области ИИ на множество отраслей. ИИ как комплексная дисциплина внезапно изжил себя и бесславно погиб.

В 1990-х – начале 2000-х годов большинство ученых, работавших в ранее связанных с ИИ областях, отказывались даже от ассоциаций с данным термином. Для них «искусственный интеллект» навсегда запятнало предыдущее поколение исследователей, беспричинно раздувших технологию из воздуха. Таким образом, изучение ИИ превратилось в пережиток прошлого, который вытеснили исследованиями с менее амбициозными и более конкретными целями.

Что такое зима ИИ?

Из-за спекулятивных пузырей, раздуваемых чрезмерными ожиданиям инвесторов, новые технологии часто подвержены циклам зрелости. Одним из таких примеров можно назвать железнодорожную манию 1840-х годов в Великобритании и пузырь доткомов из 1990-х.

Искусственный интеллект в этом плане не исключение. Разговоры о машинах с человеческим разумом подпитывали беспричинный ажиотаж. Это перемежалось с периодами, когда государственное финансирование ИИ-проектов прекращалось, а возлагавшиеся надежды разбивались о суровую реальность, говорившую нам о том, что создание компьютеров с человекоподобным интеллектом – слишком сложная задача.

Уникальность ИИ, пожалуй, заключается в том, что он за сравнительно короткий период времени прошел через несколько циклов зрелости. Резкий спад оптимизма даже получил свое название – «зима искусственного интеллекта». Две главные «зимы ИИ» пришлись на начало 1970-х и конец 1980-х годов.

Сейчас ИИ находится в обновленной стадии повышенного оптимизма и инвестирования. Но ждет ли его очередной период затишья? Сейчас, в отличие от предыдущих витков цикла, ИИ имеет прочный и четко разграниченный поток коммерческих вложений. Со временем мы узнаем, окажется ли это очередным пузырем.

Шкала развития ИИ

1936

Алан Тьюринг завершает работу «О вычислимых числах», в которой закладываются основы искусственного интеллекта и современных вычислений.

1942

Айзек Азимов в своем произведении «Я, Робот» формулирует три закона робототехники.

1943

Уорен МакКаллок и Уолтер Питтс публикуют работу «Логическое исчисление идей, относящихся к нервной активности», в которой описываются обучаемые нейронные сети.

1950

Алан Тьюринг публикует основополагающую работу «Вычислительные машины и разум». Она начинается с предложения: «Я предлагаю рассмотреть вопрос: "Могут ли машины мыслить?"»

1956

На семинаре в Дартмутском колледже вводится термин «искусственный интеллект».

Станислав Улам разрабатывает Maniac I – первую шахматную программу, обыгравшую игрока-человека в Лос-Аламосской национальной лаборатории.

1959

Ученые из Технологического института Карнеги (ныне Университет Карнеги – Меллона), специализирующиеся на компьютерных науках, создают General Problem Solver (GPS) – программу, которая может решать логические задачи.

1965

Нобелевский лауреат и пионер ИИ-отрасли Герберт Саймон из Технологического института Карнеги предсказывает, что «к 1985 году машины будут способны выполнять любую работу, которую может сделать человек».

1966

Джозеф Вейценбаум, ученый в области информатики из Массачусетского технологического университета, разрабатывает Eliza – первого в мире чат-бота.

1973

Наступает первая зима ИИ. Угасает интерес общества, прекращается финансирование.

1975

Система MYCIN диагностирует бактериальные инфекции и подбирает антибиотики с помощью логических выводов, основанных на вопросах серии «да/нет». Эта система никогда не применялась на практике.

1979

Ханс Моравек из Стэнфордского университета создает «Стэндфордскую тележку» (Stanford Cart) – автономное транспортное средство под управлением компьютера. Она успешно преодолевает комнату, заполненную стульями.

Середина 1980-х

Нейронные сети становятся новым модным веянием в ИИ-исследованиях.

1987

Начало второй зимы ИИ.

1989

Компьютерная программа NASA AutoClass обнаруживает несколько ранее неизвестных классов звезд.