Цель проекта заключается в изучении принципов работы человеческого мозга и использовании этой информации для того, чтобы лучше понимать самих себя, ремонтировать мозг, если это необходимо, и — что непосредственно относится к теме данной книги — создавать еще более разумные машины. Вспомним, что инженерный подход заключается в многократном усилении природных эффектов. Рассмотрим, к примеру, достаточно слабое явление, описываемое законом Бернулли. Этот закон утверждает, что воздух оказывает чуть меньшее давление на движущуюся искривленную поверхность, чем на движущуюся плоскую поверхность. Ученые еще не до конца поняли, как математика закона Бернулли описывает закономерности подъема крыла, а инженеры ухватились за это тонкое различие, сконцентрировали его и создали авиацию.
Данную книгу я посвятил изложению принципа, который называю «теорией мысленного распознавания образов» (ТМРО; The Pattern Recognition Theory of Mind, PRTM) и который, я готов поспорить, описывает основной алгоритм функционирования новой коры мозга (ответственной за понимание, память и критическое мышление). Я рассказываю о том, как последние исследования в области нейробиологии, а также наши собственные мысленные эксперименты привели нас к неизбежному выводу, что этот принцип действует во всех отделах новой коры. Инженерное использование принципов ТМРО и ЗУО позволит значительно расширить мощь нашего собственного разума.
На самом деле этот процесс уже активно претворяется в жизнь. Можно назвать сотни задач и функций, которые считались исключительной прерогативой человека и которые сейчас могут выполняться компьютерами, причем обычно гораздо точнее и с гораздо большей производительностью. Каждый раз, когда вы отправляете электронную почту или звоните по мобильному телефону, разумные алгоритмы передают информацию оптимальным образом. Когда вам делают электрокардиограмму, вы получаете поставленный компьютером диагноз, конкурирующий с диагнозом врача. То же самое справедливо для изображений клеток крови. Разумные алгоритмы обнаруживают жульничество с кредитными картами, ведут и сажают самолеты, управляют разумными системами вооружения, помогают создавать продукты и отслеживать их запасы, собирают продукцию на автоматизированных производствах и мастерски играют в такие игры, как шахматы.
Миллионы людей следили за тем, как компьютер компании IBM по имени Ватсон играл в «Джеопарди!»[6] на человеческом языке и набрал больше очков, чем два лучших в мире игрока вместе. Нужно отметить, что Ватсон не только читал и «понимал» тонкости вопросов (например, каламбуры и метафоры), но находил необходимую для ответа на вопрос информацию среди миллионов страниц документов на человеческом языке, таких как «Википедия» и другие энциклопедии. Ему пришлось разбираться практически во всех областях человеческой интеллектуальной деятельности, таких как история, наука, литература, искусство и т. д. Сейчас IBM работает с компанией Nuance (прежнее название Kurzweil Computer Products — моя первая компания) над созданием новой версии Ватсона. Эта машина будет читать медицинскую литературу (включая все медицинские журналы и важнейшие медицинские блоги) и станет специалистом по диагностике и консультантом по медицинским вопросам. Для этого используется технология компании Nuance, позволяющая воспринимать медицинскую терминологию. Некоторые наблюдатели утверждают, что Ватсон на самом деле не «понимает» вопросов викторины или текстов в энциклопедиях, а только производит «статистический анализ». В книге я расскажу, что математические технологии, использующиеся для создания искусственного интеллекта (как у Ватсона или Сири[7]), очень похожи на те, что эволюционировали естественным путем и воплотились в новой коре. Если понимание языка и другие процессы, осуществляемые с помощью статистического анализа, не считаются «истинным пониманием», можно сказать, что люди тоже ничего не понимают.
Способность Ватсона разумно воспринимать информацию на человеческом языке вскоре будет использована для создания новых поисковых систем. Люди уже говорят по телефону на своем языке (причем через айфон — именно с помощью Сири; в разработке этой системы также принимала участие компания Nuance). Эти помощники, воспринимающие человеческую речь, станут еще разумнее, когда будут применять такие методы, которыми пользуется Ватсон, да и сам Ватсон продолжает совершенствоваться.
Самодвижущиеся машины Google проехали 200 тыс. миль по многолюдным городам и центрам Калифорнии (и эта цифра, без сомнения, значительно возрастет к тому моменту, когда моя книга окажется на полках реальных и виртуальных магазинов). В современном мире существует множество других примеров использования искусственного интеллекта, а на горизонте возникают все новые и новые примеры.
Еще одно проявление закона ускорения отдачи заключается в том, что возможности пространственного разрешения структур головного мозга и количество информации о мозге ежегодно увеличиваются в два раза. Кроме того, мы теперь можем использовать эти данные для создания рабочих моделей и для моделирования участков мозга. Нам удалось осуществить обратное проектирование ключевых функций слуховой коры, в которой обрабатывается звуковая информация, зрительной коры, где обрабатывается зрительная информация, и мозжечка, отвечающего за определенные навыки (например, за поимку летящего мяча).
Главная задача проекта по изучению и моделированию головного мозга человека заключается в обратном проектировании новой коры мозга, которая отвечает за рекурсивное иерархическое мышление. Кора составляет 80 % головного мозга человека и образована из повторяющихся структур, что позволяет нам создавать сколь угодно сложные идеи.
Моя теория мысленного распознавания образов описывает модель, с помощью которой человеческий мозг реализует эту свою способность, используя замечательную структуру, появившуюся в ходе биологической эволюции. Какие-то детали этого механизма мы пока понимаем не полностью, но мы знаем достаточно, чтобы создать алгоритм, приводящий к тем же результатам. Начав с изучения функций новой коры, мы продвинулись настолько, что можем значительно усилить ее возможности — таким же образом, как конструкторы самолетов усилили эффект принципа Бернулли. Принцип функционирования новой коры, безусловно, является важнейшей в мире идеей, поскольку новая кора способна не только аккумулировать знания и навыки, но и создавать новые знания. Ведь именно новая кора в конечном счете отвечает за все рассказы, все песни, все картины, все научные открытия и все другие результаты человеческой деятельности.
Нейробиология остро нуждается в теории, которая смогла бы связать воедино результаты всех обширных и разнообразных наблюдений. Никакая наука не может существовать без единой теории. В следующей главе я расскажу о том, как двое мечтателей соединили физику с биологией — два раздела науки, которые до них считались безнадежно разупорядоченными, и как можно применить эту теорию для изучения головного мозга.
Сегодня часто говорят о сложном строении человеческого мозга. Если осуществлять поиск с помощью Google, вы обнаружите около 30 млн ссылок на эту тему (однако указать точное число цитирований невозможно, поскольку некоторые сайты цитируются много раз, а другие однократно). Джеймс Уотсон писал в 1992 г., что «головной мозг — это [для нас] последняя и самая серьезная биологическая преграда, самая сложная вещь из всех, что мы до сих пор открыли во Вселенной». И объяснял это тем, что мозг «содержит сотни миллиардов клеток, соединенных между собой триллионами связей. Мозг поражает разум»[8].
Я согласен с Уотсоном в том, что изучение головного мозга — самая сложная биологическая задача, но тот факт, что в нем миллиарды клеток и триллионы связей, не обязательно указывает на особую сложность его изучения, если только нам удастся идентифицировать понятные (и воспроизводимые) структуры этих клеток и связей, особенно учитывая их избыточность.
Давайте подумаем, что означает быть сложным? Ну, например, сложен ли лес? Ответ зависит от точки зрения. Можно сказать, что лес состоит из тысяч деревьев и каждое дерево отличается от других. Кроме того, на каждом дереве тысячи веток, и все они тоже различны. Затем можно отметить причудливые формы этих ветвей и прийти к выводу, что лес настолько сложен, что и вообразить трудно.
Но такая точка зрения буквально иллюстрирует выражение «не видеть леса за деревьями». Безусловно, все деревья и все ветви различаются, но, чтобы правильно понять принцип устройства леса, следовало бы начать с идентификации повторяющихся рисунков с имеющимися стохастическими (то есть случайными) вариациями. Можно сказать, что принцип устройства леса проще принципа устройства дерева.
