Джефф Хокинс заинтересовался исследованием мозга в 1979 году, прочитав специальный выпуск журнала Scientific American, посвященный этой теме. Под впечатлением от прочитанного он попытался обнаружить хотя бы одну теорию, описывающую работу мозга в целом, но, к своему удивлению, сделать этого не смог, поскольку таких теорий не существовало вприроде. Все проведенные до тех пор исследования касались только определенной функции мозга или же его физиологии и строения.
Такое ненормальное положение вещей, учитывая очевидную важность изучения работы мозга, подвигло Хокинса на то, чтобы заняться этим самому. Поскольку к тому моменту он уже работал в компьютерной индустрии, интерес его носил не только научный, но и прикладной характер — Джефф хотел создавать «разумные» машины.
Однако попытки Хокинса заинтересовать исследованиями мозга своего тогдашнего работодателя (компанию Intel) или уйти в науку, поступив в МТИ, закончились ничем. Поэтому Джефф пошел «своим путем», совмещая работу в ИТ-компаниях с самообразованием, а позднее — с исследованиями волнующих его вопросов «на дому». Безуспешные попытки построить системы ИИ с помощью привычных подходов (экспертные системы, нейронные сети) только убедили его в том, что сперва нужно разобраться в механизмах работы мозга и только потом строить «разумные» машины по его подобию.
Работая вместе с другими исследователями и используя огромные массивы информации, накопленной о человеческом мозге, Хокинс пришел к выводу, что механизм работы мозга с информацией кардинально отличается от принципа работы современных компьютеров. Значительно упрощая, можно сказать, что мозг, а точнее неокортекс, который, как считает Хокинс, и является «интеллектуальной» частью мозга, — это единое запоминающее устройство, функционирование которого базируется на нескольких основных принципах:
< Неокортекс запоминает последовательности элементов, а не отдельно элементы окружающего мира. То есть, если вы слышите мелодию, вы запоминаете ее целиком, как последовательность нот. Алфавит «записан» в памяти в его нормальном последовательном порядке. Для того чтобы произнести алфавит в обратном порядке, человек мысленно возвращается обратно и проходит буквы последовательно, добираясь таким образом до нужной, а не автоматически «вытаскивает» ее из памяти;
< Неокортекс вспоминает последовательности автоассоциативно. Это свойство означает, что если мозг воспринимает часть последовательности, он автоматически вызывает из памяти ее целиком. Если вы видите часть лица знакомого человека, вы все равно его узнаёте. Если вы слышите несколько нот знакомой мелодии, вы можете угадать ее;
< Неокортекс запоминает последовательности в инвариантной форме. Это значит, что в качестве последовательности сохраняются не тонкие и точные детали, а важные соотношения между элементами. Таким образом, человек узнает мелодию, даже если она исполнена на разных инструментах или в разных тональностях. Человек узнает предметы независимо от того, под каким углом он на них смотрит;
< Неокортекс сохраняет последовательности иерархически. Это означает, что по мере того, как входящая информация обрабатывается и проходит «дальше» в мозг, память становится все менее детальной и все более абстрактной. Грубо говоря, когда человек смотрит на какой-то предмет или на другого человека, информация сначала распознается просто как часть поля зрения, затем как определенная фигура, затем как часть объекта, затем как целый объект и наконец как определенный образ, абстрактное понятие. Был проведен ряд экспериментов, которые позволили обнаружить отдельные нейроны, активизирующиеся, когда человек видит, скажем, Билла Клинтона или Хэлли Берри, причем независимо от их обличия.
Описав модель мозга как запоминающего устройства, Хокинс дополняет ее второй, ключевой частью своей теории — мозг человека настолько эффективен потому, что умеет предсказывать будущие события, основываясь на прошлом опыте, хранящемся в памяти (модель «память-предсказание»). То есть для того, чтобы произвести определенное действие, например поймать мяч, мозг не должен производить долгие вычисления — ему достаточно вспомнить, какие действия он предпринимал для этого раньше, и на этом основании предсказать полет мяча и скоординировать движения конечностей.
Теория Хокинса описана им в книге «On Intelligence» («Об интеллекте»), вышедшей в конце 2004 года. Помимо этого книга содержит рассуждения о последствиях и возможностях, которые возникают в случае создания разумных машин; взгляды автора на природу и отличительные особенности человеческого интеллекта, а также несколько предсказаний, касающихся открытий, которые подтвердили бы гипотезу Хокинса.
О книге.
В своей книге вы довольно много внимания уделили критике других подходов к созданию искусственного интеллекта (ИИ). Почему?
— Много? Ну, во-первых, не могу сказать, что это отняло у меня много времени, и потом, есть люди, которые считают, что я недостаточно глубоко рассмотрел этот вопрос. В любом случае, это не критика ради критики. Просто большинство людей не имеет представления о том, сколь малого, на самом деле, добились разработчики систем ИИ. Я описал, что сделано, а что нет. Немножко истории, немножко о современном состоянии дел. Я хотел показать, что нам, мягко говоря, есть над чем поработать.
То есть это введение в историю вопроса?
— В большей степени — да, это некий исторический экскурс. И многим читателям он пришелся по душе. Были даже такие, кто сказал: «Джефф, ты целиком и полностью прав. Мы действительно застряли, и нам нужны новые подходы».
А как к вашей книге отнеслись разработчики систем ИИ? Обсуждали ли они вашу книгу, и если да, то как они ее оценивают?
— Обсуждали, и довольно активно. Меня даже попросили выступить с речью на ежегодной конференции разработчиков систем ИИ [www.aaai.org/Conferences/IAAI/2005/iaai05.html]. Кроме того, после выхода книги я активно выступал в университетах — в основном перед теми, кто занимается исследованием работы головного мозга, но и перед разработчиками ИИ тоже.
Надо сказать, что многие, прочитав книгу, сказали: «Вот оно!» Собственно говоря, поэтому меня и пригласили на конференцию, чтобы я мог обсудить свои идеи с учеными, с теми, кто занимается этими вопросами профессионально, с восьми до пяти. И было больше позитива, чем негатива. Возможно, потому, что люди, которым не близок мой подход, решили не говорить мне об этом, не знаю.
Кстати, разработки в области квантовых компьютеров могут как-то повлиять на вашу работу?
— Даже не знаю, что ответить. Я просто не очень в этом разбираюсь. Мне, правда, кажется, что им еще далеко до практических применений. И я считаю, что квантовые компьютеры для наших приложений вовсе не обязательны. Математик Роджер Пенроуз написал в своей книге «Новый ум короля», что для объяснения работы мозга требуются какие-то квантовые процессы, но он попросту ошибался. Неокортексу это совершенно не нужно. У него есть статистические методы, есть байесовские методы, но никаких квантовых алгоритмов нет. В общем, думаю, это не имеет к нам особого отношения.
Иерархическая структура модели «память-предсказание» имеет много общего с парадигмой ООП, которая тоже базируется на эксплуатации иерархических структур. Не кажется ли вам, что предложенные вами подходы уже адаптированы компьютерщиками — пусть и неявно?
— Новые теории обычно стоят на плечах старых теорий. Другими словами, ничто не ново под луною. Конечно, иерархические структуры, математические описания неокортекса и даже идея предсказаний — все это не ново. Но верная теория отличается от неверной тем, что в первой те же самые — пусть уже знакомые — кусочки головоломки собраны в правильном порядке.
В основе ООП действительно лежат иерархические структуры, но поведение и взаимоотношения описанных объектов жестко задаются на этапе программирования. Мозг же устроен иначе. У нас есть иерархическая структура, состоящая из идентичных, по большому счету, объектов. Они выполняют одну и ту же функцию (в нашем случае — запоминание). Но их поведение определяется опытом, полученным системой — она ведь самообучающаяся.
Таким образом, сходство между иерархией ООП и нашей иерархической структурой скорее внешнее. При желании можно найти и другие аналогии. Например, мы активно используем математический аппарат байесовских сетей. Мы их тоже не сами придумали, но, как правило, байесовские сети лишены временной иерархии или вообще не учитывают концепцию времени. В общем, в нашей теории, наверное, нет неизвестных до нас элементов, но мы сложили их в правильном порядке и получили готовую технологию.
Вы же знаете, что я работал в Palm? После успеха PalmPilot многие говорили, что в нем нет по-настоящему новых технологических решений. И это правда. Но мы сложили кусочки верно.
