И, наконец, есть огромное поле, состоящее из прагматически ориентированных специалистов, решающих реальные задачи, попадающие под определение AI. Их так много и область их деятельности так диверсифицирована, что дать общую характеристику этому полю не представляется возможным. Но можно выделить главное, как сказал известный специалист области машинного обучения Педро Домингес в своей книге «Верховный алгоритм» (The Master Algorithm): «AI – это планета, о которой мы только слышали, но теперь AI – это наша цель. Машинное обучение – это ракета, которая нас туда доставит, а ее топливо Большие данные (Big Data)».
Становясь частью современной индустрии, AI переживает сложный и неизбежный период, когда формируется обычное в таких случаях сочетание прикладной науки и инженерии, возникающее на основе предшествующих достижений в академической науке. Подобного рода трансформация теории в практику в прошлом наблюдалась неоднократно. В таких случаях с неизбежностью создается новый тип профессионального прикладного знания и возникает своего рода водораздел между академическим и инженерным знанием. Для практической инженерной работы обычно оказывается достаточным обладать ограниченным адаптированным набором прикладных знаний в сочетании с умением владеть нужным инструментарием, что же до избытка фундаментальных знаний, то порой он даже оказывается лишним. В качестве аналогии происходящему можно привести выделение в XIX и XX веках из физики таких сугубо инженерных областей как электротехника, строительная механика и других. Любой курс по теоретической электротехнике представляет собой не что иное, как выжимку из физики в сочетании с набором практик, необходимых для различных видов инженерной деятельности, от разработки до эксплуатации.
Признавая объективную необходимость упрощения, надо помнить об ограниченности инженерных знаний, иногда в процессе технических разработок возникают задачи, которые не имеют решения в рамках адаптированной инженерной модели, типичный пример проблема флаттера (возникновения вибрации). Авиационные конструкторы сами не смогли с ней справиться, потребовалась помощь со стороны физиков и математиков. Потеря связи инженерии с наукой в любой области грозит формированием того, что называют «монтерскими знаниями»: его носители успешно решают прикладные задачи, но при этом их не интересуют ни теоретические основы предмета, ни тем более его история. К сожалению, в носителей монтерских знаний превращаются многие из тех, кого называют чудовищным словом «айтишник». Трудно представить себе физика или химика, не знающего истории своей науки хотя бы в общих чертах, но, увы, среди тех, кто образует огромное дискурсивное поле, состоящее из практиков AI, знание истории этого предмета минимально, если оно вообще есть.
Книга представляет собой попытку раскрыть прикладным специалистам исторические предпосылки появления современного AI, не претендуя на большее. Она может вызвать справедливую критику со стороны представителей других дискурсивных полей, но, повторюсь, книга адресована не им.
А закончить это введение хотелось мечтой. На протяжении десятков лет в работе над AI принимали участие удивительные люди, яркие личности, их связывали сложные отношения, они испытывали триумфы побед и горечи поражений, судьба была более благосклонна к одним и несправедлива к другим. Чем не сюжет, например, для сериала на много сезонов? Как знать, может быть, кто-то и реализует эту мечту.
Глава 1 AI – От мечты к обыденности
Люди издревле стремились переложить часть своего труда на машины: первые ткацкие станки, обнаруженные археологами, относятся к 10-му тысячелетию до н. э., водяные мельницы появились в античные времена, а ветряные примерно тысячу лет назад. В последние два-три столетия процесс механизации и в последующем автоматизации пошел с постоянным ускорением, научившись использовать энергию пара, а затем и электричества люди смогли расширить сферу механизации от бытовых приборов до промышленных установок самого разного типа и перейти к автоматизации физического труда. В XX веке компьютеры позволили сделать следующий шаг – автоматизировать еще и часть часть умственного труда, которую удается запрограммировать и передать компьютерам. В XXI веке с использованием AI удалось пойти дальше – передать машинами еще ту часть умственного труда, которая не может быть запрограммирована, и превратить компьютер в интеллектуального помощника, еще больше освобождающего человека от рутины, создать умные машины, выводящие на более высокий уровень автоматизацию производственных процессов. Такое утилитарное понимание роли умного AI сложилось совсем недавно, буквально в последние годы, а прежде на протяжении нескольких десятилетий доминировало более возвышенное, скажем так, романтическое отношение к AI, люди сохраняли убеждение в возможности наделить компьютеры сравнимыми с человеческими умственными способностям, например к доказательству теорем, игре в шахматы и т. п.
Три типа представлений об AI
Сосуществуют сотни и сотни противоречащих друг другу представлений о том, что такое AI, обнаруживаемых в различных произведениях, в диапазоне от философских трактов до технических статей. На одном фланге находятся футурологи с их фантазиями о технологической сингулярности, то есть о том гипотетическом моменте, с наступлением которого технологическое развитие становится неуправляемым и необратимым. По их мнению, такой ход событий неизбежен, и тогда развитие AI приведет к созданию надчеловеческого суперинтеллекта. Успокаивает то, что за этими рассуждениями не стоит ничего кроме вольной экстраполяции существующих тенденций, наблюдаемых в техническом прогрессе. На другом фланге ученые и инженеры, работа которых связана с прикладными методами моделирования работы мозга, в их основе лежат искусственные нейронные сети (ANN, Artificial Neural Network) и их машинное обучение (ML, Machine Learning). Такие работы лишены внешней привлекательности, они мало доступны для понимания без достаточной подготовки, а их перспективы ограничены созданием умных интеллектуальных ассистентов и разного рода умных машин, в том числе роботов. Уже сегодня мы можем увидеть примеры их применения в медицине, в офисной работе, в промышленности, на транспорте и даже в быту.
Суммируя известные представления о типах AI, их можно классифицировать следующим образом:
• Супер AI, или ASI (Artificial Super Intelligence) Те, кто допускают возможность создания ASI, убеждены, что он рано или поздно может возникнуть, причем каким-то неведомым и не подвластным человеку образом. После этого он сможет не только воспроизводить любые способности человека и даже превзойти его во всех отношениях, более того ASI станет телепатом, он научится вникать в мысли и чувства человека и далее подчинить своей воле человечество. К счастью ASI существует разве что в творениях писателей-фантастов, работающих в жанре дистопии (антиутопии) и в трудах некоторых философов. Оставим писателям возможность творить, а из числа философов, приверженцев идеи ASI, наибольшую известность приобрели швед Ник Бострем (Nick Bostrom, 1973), работающий в Оксфордском университете, и австралиец Дэвид Чалмерс (David Chalmers, 1966). Заметим, что авторитет Чалмерса у некоторых философов вызывает сомнение, его книгу «Создающий ум» Джон Серл назвал «коллекцией абсурдов» (О Серле будет сказано ниже.). К числу не философов, однако прежде допускавших возможность появления ASI можно отнести известного предпринимателя Илона Маска и Билла Джоя, разработчика программного обеспечения для UNIX и сооснователя компании Sun Microsystems. В 2000 году на пике славы этой компании в журнале Wired была опубликована статья Джоя «Почему мы не нужны будущему» (Why the future doesn't need us), поначалу она привлекла к себе большое внимание, но спустя 20 лет о ней, как и о компании Sun, не вспоминают, а сам Билл Джой больше на темы ASI не высказывался. Что же касается Маска, то он явно изменил свою позицию, причем настолько, что недавно признался в ошибочности своего намерения довести в ближайшее время автономность автомобиля Тесла до теоретически максимального возможного уровня (Level 5), что уж говорить о более высоком. Показательно, что тема ASI вовсе не привлекает к себе внимание серьезных специалистов, она не обсуждается на серьезных конференциях по AI. Актуальных данных о ее популярности нет, но можно вспомнить прошедшую в 2006 году юбилейную «Дартмутскую конференцию по AI: Следующие 50 лет» (Dartmouth Artificial Intelligence Conference: The Next Fifty Years), где участникам был задан вопрос: «Когда по вашему мнению будет создан ASI?». Меньшинство (18 %) ответивших заявили, что это произойдет до 2056 года, оставшиеся голоса разделились поровну: 41 % после 2056 года, а еще 41 % – никогда. Оценивая эти и без того скромные результаты, следует еще принять во внимание два обстоятельства: во-первых, опрос проводился 15 лет назад, еще до случившегося за последние 10 лет революционного прорыва в области AI-приложений, и, во-вторых, среди участников конференции преобладали не связанные с практикой ветераны, отдавшие свои силы тому, что называют GOFAI (Good Old-Fashioned Artificial Intelligence), здесь идиому good old-fashioned можно перевести как «старый добрый» с обязательным оттенком иронии. Если бы аналогичный опрос проводился сегодня, когда вектор развития резко AI сместился в практическую сторону и в иной более прагматично настроенной аудитории, то наверняка уровень пессимизма по отношению к будущему ASI оказался бы существенно больше, не исключено, что многие из представителей современных, научных направлений вообще не поняли бы, о чем идет речь.
