Мичио Каку - Физика будущего
Цифровой компьютер способен производить вычисления со скоростью, близкой к скорости света. Человеческий мозг по сравнению с ним работает невероятно медленно. Нервные импульсы движутся со скоростью всего лишь около 100 м/с. Но мозг более чем компенсирует этот недостаток, поскольку огромное число процессов в нем происходят параллельно. Это означает, что в нем одновременно работает 100 млрд нейронов, каждый из которых производит крохотную часть «вычисления», и каждый нейрон при этом связан с 10 000 других нейронов. И этот сверхмедленный параллельный процессор легко оставит позади сверхбыстрого одиночку. (Здесь можно вспомнить старую загадку: если одна кошка может съесть одну мышь за одну минуту, то за какое время миллион кошек сможет съесть миллион мышей? Ответ: за одну минуту.)
Ну и помимо всего прочего, мозг — не цифровое устройство. Транзисторы — это ворота, которые могут быть либо открыты, либо закрыты, что соответствует единице или нулю. Нейроны тоже представляют собой цифровые устройства (нейрон либо срабатывает, либо нет), но они могут быть и аналоговыми, т. е. передавать как дискретные, так и непрерывные сигналы.
Две проблемы с роботами
Учитывая очевидные ограничения компьютеров по сравнению с человеческим мозгом, несложно понять, почему нам до сих пор не удается научить компьютеры решать две ключевые задачи, которые человеческий мозг выполняет автоматически, без всякого труда. Эти задачи — распознавание образов и следование здравому смыслу — уже более полувека не даются ученым. Именно поэтому в основном у нас до сих пор нет роботов-горничных, роботов-дворецких и роботов-секретарей.
Первая из названных задач — задача распознавания образов. Роботы видят намного лучше человека, но не понимают, что видят. Входя в комнату, робот раскладывает ее изображение на множество цветных точек, а затем, обрабатывая точки, получает набор линий, окружностей, квадратов и прямоугольников. После этого робот пытается соотнести полученную мешанину деталей по очереди с каждым из объектов, хранящихся в его памяти, — чрезвычайно нудная задача даже для компьютера. После многих часов вычислений ему, может быть, удастся соотнести линии на картинке со стульями, столами и людьми, находящимися в комнате. В отличие от роботов, мы, входя в комнату, за долю секунды схватываем взглядом стулья, письменные столы и людей. В самом деле, человеческий мозг — это по сути машина для распознавания образов.
Кроме того, у роботов нет здравого смысла. Роботы могут слышать намного лучше, чем люди, но они не понимают, что слышат. Рассмотрим, к примеру, следующие утверждения.
•Дети любят сладости, но не любят наказания.
•За веревку можно тянуть, но нельзя толкать.
•Палкой можно толкать, но нельзя тянуть.
•Животные не умеют говорить и не понимают по-английски.
•От вращения у человека может закружиться голова.
Для нас каждое из этих утверждений очевидно и проистекает из обычного здравого смысла. У роботов все не так. Не существует ни одного положения логики, ни одной строки программного кода, в которых бы утверждалось, что бечевкой ничего нельзя толкнуть. Сами мы убедились в истинности этих и многих других «очевидных» утверждений на опыте, их никто не вкладывал в готовом виде нам в память.
При подходе «сверху вниз» основная проблема заключается в том, что для программирования человеческого здравого смысла, необходимого для имитации нашего мышления, потребовалось бы слишком много строк кода. К примеру, на описание принципов здравого смысла в объеме, доступном шестилетнему ребенку, ушли бы сотни миллионов строк. Ганс Моравек (Hans Moravec), бывший начальник лаборатории искусственного интеллекта в Университете Карнеги-Меллон, жалуется: «До сего дня программы ИИ не способны продемонстрировать ни крупицы здравого смысла. К примеру, медицинская диагностическая программа способна прописать антибиотик, если предложить ей для исследования сломанный велосипед. Дело в том, что у нее нет ни модели человека, ни модели болезни, ни модели велосипеда».
Тем не менее некоторые ученые упрямо верят, что единственное препятствие к овладению здравым смыслом — недостаток вычислительных мощностей. Они считают, что масштабный национальный проект наподобие Манхэттенского (в рамках которого была создана атомная бомба) наверняка смог бы преодолеть все препятствия и решить для роботов проблему здравого смысла. В 1984 г. была запущен проект под названием CYC, призванный создать «энциклопедию мысли» для роботов. Однако за прошедшие с тех пор несколько десятилетий все усилия участников проекта не увенчались сколько-нибудь серьезным успехом.
Цель проекта CYC была проста: освоить «100 млн вещей — примерно столько, сколько знает о мире средний человек, — к 2007 г.». Этот срок, как и несколько предыдущих, пришел и прошел, а успех так и не был достигнут. В ходе работы были Достигнуты многие формальные рубежи из тех, что намечали для себя инженеры CYC, но ученым и по сей день не удалось ни па шаг приблизиться к овладению основами разума.
Человек против машины
Однажды мне довелось помериться мыслями с роботом — принять участие в интеллектуальном состязании с машиной Томазо Поджо (Tomaso Poggio) из MIT. Роботы не способны распознавать простые образы, как это делаем мы, но Поджо сумел создать компьютерную программу, которая может потягаться по скорости с человеком в одной достаточно специфической области: в «мгновенном распознавании». Речь идет об уникальной способности человека мгновенно, даже не сознавая того, узнать объект. (Мгновенное распознавание играло важную роль в эволюции человека — ведь у наших предков была лишь доля секунды на то, чтобы обнаружить притаившегося в кустах тигра, а осознать и обдумать этот факт можно было и потом.) Первое время робот Поджо стабильно набирал в особом визуальном тесте больше баллов, чем человек-участник.
Состязание между мной и машиной выглядело очень просто. Я садился в кресло и некоторое время вглядывался в обычный компьютерный экран. Затем на экране на долю секунды мелькала картинка, а я должен был как можно быстрее нажать одну из двух кнопок — показать, вижу я на картинке какое-нибудь животное или нет. Решение нужно было принимать как можно быстрее — не дожидаясь восприятия картинки сознанием. Компьютер должен был принять по той же картинке аналогичное решение.
Стыдно признаться, но после множества тестов результаты машины и мои оказались примерно одинаковыми. Но иногда машина работала значительно лучше и оставляла меня далеко позади. Я проиграл компьютеру. (Единственным утешением было то, что, как мне сказали, компьютер дает правильный ответ в 82 % случаев, а человек в среднем лишь в 80 %.)
Ключ к успеху программы Поджо в том, что в ней использованы уроки матери-природы. Многие ученые только сейчас начинают понимать истинность утверждения «Колесо уже изобретено, почему бы не скопировать его?». Приведем пример.
Обычно робот, глядя на картинку, пытается разложить ее на элементы и представить как совокупность линий, кругов, квадратов и других геометрических форм. А вот робот Поджо действует иначе.
Человек, глядя на картинку, сначала воспринимает контуры объектов, затем детали внутри каждого объекта, затем оттенки внутри деталей и т. д. Таким образом, мы как бы расщепляем изображение на множество слоев. Компьютер, обработав один слой изображения, объединяет его со следующим и включает в общую картину. Так, шаг за шагом, слой за слоем, он имитирует иерархическую обработку изображения, которую использует наш мозг. (Программе Поджо недоступны невероятные возможности распознавания образов, которые мы с вами воспринимаем как нечто само собой разумеющееся, — трехмерная визуализация, распознавание тысяч объектов под самыми разными углами и т. д., — но все же нельзя не признать, что это серьезное достижение.)
Позже мне довелось увидеть в действии оба подхода к созданию ИИ. Сначала я побывал в Центре искусственного интеллекта Стэнфордского университета и встретился с роботом STAIR (Stanford artificial intelligence robot), созданным на базе традиционного подхода. STAIR — робот ростом около 120 см с огромной механической рукой на шарнирах. Этой рукой робот может брать со стола предметы. Кроме того, STAIR мобилен и может самостоятельно передвигаться по офису или жилищу. У него есть 3D-камера, которая фокусируется на объекте и подает в компьютер его трехмерное изображение, при помощи которого механическая рука может правильно захватить объект. Вообще, роботы научились брать объекты еще в 1960-х гг., и вскоре такие роботы появились на автомобильных заводах Детройта.
Но внешность обманчива. STAIR способен на большее. В него, в отличие от детройтских роботов, не заложен жесткий сценарий. Он действует сам по себе. Если вы, к примеру, попросите робота взять апельсин, то он проанализирует лежащие на столе предметы, сравнит их с тысячами изображений, заранее заложенных в его память, узнает апельсин и поднимет его со стола своей механической рукой. Кроме того, он способен идентифицировать предмет более точно, если возьмет в руку и будет поворачивать и рассматривать со всех сторон.