Russian-speaking
 Python & Zope User Group

Главная |  Python |  Zope  

Python
Zope
Новости
Copyright
Ответственность  

Разумным машинам нет необходимости проходить подобную спиралевидную кривую обучения, поскольку чипы и другие единицы хранения информации можно реплицировать бесконечно, а сохраненные данные – копировать. В этом отношении разумные машины подлежат такой же репликации, как и программное обеспечение. Как только прототип системы достаточно обучен, его можно скопировать столько раз, сколько нам потребуется. Процессы разработки дизайна, настройки системного обеспечения, обучения, испытания и выявления ошибок с тем, чтобы усовершенствовать систему памяти умной машины, могут длиться годами. Но, как только мы получим конечный продукт, его можно будет запускать в массовое производство. Как я уже отмечал, мы сможем обеспечить возможность последующего обучения для копий или обойтись без таковой. Для некоторых приложений мы захотим ограничить возможности с тем, чтобы разумные машины работали известным и испытанным нами способом. Как только «умный» автомобиль усвоит все, что ему положено «знать», мы примем меры, чтобы у него не образовались плохие привычки или не закрепились самостоятельно найденные ложные аналогии. Мы захотим, чтобы все машины подобного строения вели себя одинаково. Но вот для других приложений может оказаться целесообразной возможность постоянного обучения мозгоподобных систем памяти. Например, разумной машине, созданной для того, чтобы искать математические доказательства, понадобится способность обучаться на основе опыта, применять старые решения для новых проблем, ей желательно быть универсально гибкой и открытой.

Возможным станет общее использование компонентов, как сейчас общедоступны программные продукты. Разумная машина определенного дизайна может быть перепрограммирована набором новых связей с тем, чтобы генерировать новое поведение (вот, например, если бы я смог загрузить новый набор связей в ваш мозг, моментально превратив вас из человека, разговаривающего на английском, в человека, знающего только французский, или из профессора политологии в музыковеда). Люди получили бы возможность «переключаться» и осуществлять новые наработки на основе чужого опыта. Допустим, что я разработал и внедрил в жизнь суперсистему зрительного восприятия, а другой человек разработал и обучил систему с превосходными способностями слухового восприятия. При надлежащем дизайне мы смогли бы объединить обе системы без необходимости повторного обучения с самого начала. Такого рода объединение экспертных знаний не представляется возможным для человека – у каждого из нас свой путь. Бизнес создания разумных машин смог бы развиваться по аналогии с компьютерной индустрией, в таком случае перепрограммирование разумных машин не слишком отличалось бы от разработок новых версий видеоигр или инсталляции новой программы.

Сенсорные системы

Люди познают мир посредством органов чувств. Ощущения, которые мы испытываем, обусловлены генами, строением наших тел и соединениями под корой головного мозга. Мы не можем изменить их. Иногда мы используем технологические достижения, позволяющие сделать наши ощущения более острыми. Например, приборы ночного видения, радары и космические телескопы представляют собой устройства, оптимизирующие передачу данных, но не обеспечивающие нам новых способов восприятия. Они конвертируют информацию, недоступную для нас в ее первозданном виде, в визуальные или звуковые сигналы, поддающиеся нашему восприятию. И все равно, в том, что мы можем взглянуть на экран радара и идентифицировать изображение, заслуга невероятной гибкости нашего мозга.

Многие виды животных обладают поразительными ощущениями, совершенно несвойственными человеку. В качестве примеров можно привести эхолокатор у дельфинов и летающих мышей, способность пчел видеть поляризованное и ультрафиолетовое излучения, восприятие электрического поля некоторыми видами рыб.

Разумные машины смогли бы воспринимать мир посредством всех видов ощущений, существующих в природе, а также изобретенных человеком. Данные об окружающей среде, получаемые с помощью гидролокатора, радара и приборов ультрафиолетового видения, являются очевидными примерами несвойственных человеку ощущений, которые мы, возможно, хотели бы воссоздать в разумной машине. И это всего лишь начало.

Намного более интересными являются способы восприятия, которые нам неизвестны и чужды. Как мы уже выяснили, алгоритм коры головного мозга в первую очередь сосредоточен на поиске сигналов внешнего мира. У него нет никаких приоритетов относительно физических истоков этих сигналов. Если входные сигналы не носят произвольный характер и обладают определенным богатством, а также статистической структурой, разумная машина будет формировать систему воспоминаний о них и прогнозы на их основе. Не существует причин, по которым входные сигналы должны иметь аналогию с физическими ощущениями или вообще иметь что-либо общее с реальным миром. Я полагаю, что именно в сфере экзотических ощущений скрыты перспективы революционного применения разумных машин.

Например, вообразите сенсорную систему, покрывающую планету. Представьте себе сенсоры, расположенные на расстоянии каждых пятидесяти миль по всем континентам. Эти сенсоры имитировали бы клетки сетчатки глаза. Каждое мгновение два смежных сенсора погоды имели бы высокую корреляцию активности, подобно высокой корреляции двух смежных клеток сетчатки. Существуют крупные погодные явления – например, штормы и фронтальные циклоны, – которые передвигаются в пространстве и меняются со временем точно так же, как и все объекты, которые меняются и перемещаются. Привязав этот сенсорный ряд к системе памяти, работающей по принципу коры головного мозга, мы бы обучили указанную систему прогнозировать погоду, подобно тому, как люди учатся распознавать объекты окружающей среды и прогнозировать траекторию их передвижения. Такая система предсказывала бы погодные условия на ближайшее время, а также формировала бы долгосрочные метеопрогнозы. Разместив сенсоры рядом друг с другом в какой-то области, мы бы создали своеобразный эквивалент ямки глаза, которая позволяла бы нашей системе понимать и прогнозировать микроклимат. Наш «погодный мозг» размышлял и понимал бы глобальные погодные системы точно так же, как мы с вами понимаем объекты и людей. Метеорологи пытаются создать нечто подобное в наши дни. На основе данных, собранных в разных частях Земли, используя сверхмощные компьютеры, ученые симулируют текущие погодные условия и прогнозируют будущие. Однако данный подход фундаментально отличается от принципов работы разумных машин. Он больше сродни компьютеру, играющему в шахматы, а разумная система, сконструированная по принципам работы неокортекса, скорее, напоминает человека, играющего в шахматы. Она делает это вдумчиво и с пониманием. Разумная машина-«синоптик» учла бы те сигналы, которых человек распознать не может. Она смогла бы распознать множество новых погодных феноменов (скажем, такое погодное явление, как ураганы Эль-Ниньйо было открыто лишь в шестидесятых годах XX века). Она бы прогнозировала появление торнадо и муссонов намного точнее, чем человек. Человеку не под силу сохранять в памяти и анализировать множество метеоданных. Искусственный интеллект компьютера-«синоптика», напротив, был бы способен ощущать и воспринимать погодные условия непосредственно.

Другие распространенные большие сенсорные системы могли бы дать нам возможность создать разумные машины, понимающие и прогнозирующие миграцию животных, демографические изменения и распространение инфекционных болезней. Представьте себе сенсоры, размещенные в сети электрического тока некой страны. Разумная машина, присоединенная к этим сенсорам, наблюдала бы за спадами и подъемами потребления электроэнергии точно так же, как мы с вами наблюдаем большее или меньшее количество транспортных средств на трассе или потоки передвижения пассажиров в аэропорту. Посредством повторных наблюдений люди учатся прогнозировать подобные сигналы. (Можете спросить у тех, кто каждый день ездит на работу на автомобиле или охранника в аэропорту.) Точно так же наша разумная система сможет прогнозировать повышенное напряжение или опасные ситуации, которые могут вызвать сбои в подаче электричества, лучше, чем человек. Мы могли бы сочетать погодные и демографические сенсоры, чтобы спрогнозировать вспышки политического недовольства, голода или болезней. Подобно гениальному дипломату, разумные машины могли бы сглаживать конфликты и уменьшать человеческие страдания. Вы можете подумать: для того чтобы предвидеть сигналы, включающие человеческое поведение, разумным машинам непременно нужны эмоции. Я так не считаю. Мы не рождены с заданной культурой, заданными ценностями и заданной религией, мы приобрели их в процессе жизненного опыта, иными словами – обучились им. Точно так же, как я могу изучить мотивацию людей с ценностями, отличающимися от моих, разумные машины могут понять человеческие мотивы и эмоции, сами таковыми не обладая.

Мы могли бы создать сверхтонкие ощущения. Теоретически возможно иметь сенсоры, регистрирующие сигналы клеток или больших молекул. Например, перед нынешними биологами стоит серьезная задача – разобраться, как можно спрогнозировать форму молекулы протеина, зная последовательность аминокислот, формирующих протеин. Способность прогнозировать расщепление и взаимодействие протеинов ускорила бы развитие медицины и разработку многих лекарственных препаратов. Инженеры и ученые создали трехмерные визуальные модели протеинов с тем, чтобы прогнозировать, как эти сложные молекулы будут себя вести. Но, как бы мы ни старались, на сегодняшний день эта задача слишком сложна. С другой стороны, машина, обладающая суперинтеллектом и набором ощущений, специально настроенных на данную проблему, могла бы ответить на поставленный вопрос. Быть может, эта идея представляется вам чересчур надуманной, но ведь нас бы не удивило, если бы человек смог решить такую проблему. Возможно, наша неспособность разрешить проблему связана в первую очередь с несоответствием масштабов человеческих ощущений и изучаемого физического явления. Разумные же машины смогут обладать выборочными ощущениями и памятью большей емкости, чем человеческая, которая позволит им решать задачи, людям неподвластные.

При наличии соответствующих ощущений и небольшом структурном изменении памяти коры головного мозга разумные машины будущего смогли бы жить и мыслить в виртуальном мире математики и физики. Многие математические проблемы, например, касаются поведения объектов в мире с более, чем тремя измерениями. Ученые, изучающие природу пространства, размышляют о Вселенной как сущности, имеющей десять и более измерений. Но даже с восприятием четырехмерного пространства у людей возникают немалые трудности. Возможно, разумная машина с соответствующими функциями сможет понять многомерные пространства, как вы и я понимаем трехмерное, и сможет спрогнозировать поведение находящихся в них объектов.

И наконец, мы смогли бы объединить несколько разумных систем в большую иерархию, подобно тому, как наша кора сочетает осязание, слуховое и зрительное восприятия в высших областях иерархии коры головного мозга. Такая система автоматически научилась бы моделировать и прогнозировать сигналы в популяциях разумных машин. С помощью средств коммуникации, таких как Интернет, разумные машины могли бы объединиться в сеть, охватывающую весь Земной шар. Большие иерархии способны регистрировать более глубокие сигналы и более сложные аналогии.

Цель изложенных мной размышлений состоит в том, чтобы показать, что существует очень много сфер, в которых мозгоподобные машины могли бы намного превзойти наши способности. Они смогли бы мыслить и обучаться в миллионы раз быстрее, чем мы с вами, запоминать огромные массивы подробной информации и улавливать практически сигналы. Они могут обладать ощущениями более чувствительными, чем наши, или ощущениями для восприятия очень специфических феноменов. Они без труда могут размышлять в терминах многомерных пространств. Ни одно из перечисленных любопытных свойств не зависит от внешнего сходства разумных машин с человеком, и эти машины также не требуют сложной робототехники.

Теперь, я надеюсь, вы понимаете, насколько тест Тьюринга, в котором между интеллектом и человеческим поведением ставился знак равенства, ограничил наше видение потенциальных возможностей разумных машин. Глубоко познав интеллект, мы сможем создавать разумные машины, которые будут представлять намного большую ценность, чем простое воспроизведение человеческого поведения. Наши разумные машины станут отличным инструментом, позволяющим значительно обогатить наши познания о Вселенной, наши способности и опыт.

* * * * *

Как много воды утечет прежде, чем мы достигнем такого уровня? Создадим ли мы по-настоящему разумные машины через пятьдесят, двадцать или пять лет? В мире высоких технологий любят повторять: кратковременные изменения длятся дольше, чем это предполагалось, а долгосрочные перемены происходят намного быстрее, чем прогнозировалось. Я много раз убеждался в справедливости этого высказывания. Кто-то поднимется во время конференции и скажет, что новая технология появится в каждом доме уже через четыре года. А потом окажется, что он ошибся. Четыре года проходят, восемь лет, все начинают думать, что этого уже никогда не произойдет. И вот как раз в тот момент, когда кажется, что сама идея зашла в тупик, она вдруг оживает и становится величайшей сенсацией. Скорее всего, что-то подобное произойдет и с индустрией разумных машин. Сначала прогресс будет малозаметным, но затем резко пойдет в гору.

Страницы:
 
 
Copyright © 2000-2022, Russian-speaking Python & Zope User Group Ответственность