Ханна Фрай - Hello World. Как быть человеком в эпоху машин

В прессе стали рассуждать уже не о принципиальной возможности создания беспилотных автомобилей, а о том, какие проблемы придется решать, когда они будут созданы. “Должен ли ваш автомобиль сбить пешехода ради того, чтобы спасти вашу жизнь?” — вопрошала New York Times в июне 2016 года [230]. Затем в ноябре 2017-го: “Если рулить начнут машины, что будет с животными на дорогах и штрафами?” [231]Между тем Financial Times предупреждала в январе 2018-го: “Грузовой транспорт взял курс на беспилотное будущее — профсоюзы предрекают потерю работы миллионам водителей” [232].

Что произошло? Каким образом всего за несколько лет удалось совершить рывок от нежизнеспособных железяк к революционным высокотехнологичным проектам? Стоит ли ожидать дальнейшего быстрого прогресса?

Что меня окружает?

Еще в эру научной фантастики с ее реактивными рюкзаками, космическими лайнерами, серебристыми скафандрами и бластерами мы мечтали об умных машинах с полным самоуправлением. На Всемирной выставке 1939 года в Нью-Йорке корпорация General Motors продемонстрировала свое видение будущего. Смонтированные на транспортере кресла, снабженные аудиооборудованием, на шестнадцать минут уносили пристегнутых ремнями безопасности посетителей выставки в воображаемый мир [233]. Путешественники любовались через стекло футуристическим макетом GM. Многополосные автомагистрали, вдоль и поперек разлиновавшие всю страну, шоссе, соединяющие города и фермы, узкие дороги с односторонним движением, перекрестки — и повсюду снуют автоматические машины с радиоуправлением, способные ездить без аварий на скоростях до ста миль в час. “Удивительно? — спрашивал голос невидимого гида. — Фантастика? Не верится? Не забывайте — это шестидесятый год!” [234]

За много лет люди не раз и не два пытались воплотить мечту в реальность. В 1950-х годах General Motors создала модель Firebird II [235]. В 1960-х английские инженеры пробовали адаптировать Citroën DS19 так, чтобы машина взаимодействовала с дорогой, и до сих пор после их экспериментов где-то между Слау и Редингом валяется девятимильный обрывок кабеля [236]. Научить машину ездить самостоятельно пытались и в Navlab Университета Карнеги-Меллона 1980-х, ту же цель преследовали авторы миллиардного проекта Евросоюза под названием Eureka Prometheus Project 1990-х годов [237]. С каждым новым проектом казалось, еще немного — и беспилотный автомобиль поедет по улице, заветная мечта вот-вот станет явью.

На первый взгляд, сконструировать автономную машину не так уж трудно. Людей, как правило, удается научить основным навыкам вождения. К тому же выходных параметров всего два — скорость и направление. Надо лишь понимать, как сильно нажимать на газ и насколько повернуть руль. Что тут сложного?

Однако, как выяснилось на первых автогонках, организованных исследовательским подразделением Пентагона, конструирование автомобиля-беспилотника — дело гораздо более хитрое, чем кажется. Трудности возникают уже на стадии создания алгоритма для управления большой железной штуковиной на скорости под сотню километров в час.

Возьмем нейросети, которые успешно применяются в диагностике опухолей груди; вроде они могли бы помочь автомобилю без водителя “оглядеться” вокруг. К 2004 году в прототипах автономных машин уже гудели тихонько нейросети, стараясь понять, что показывают видеокамеры на крыше [238], хотя по сравнению со своими нынешними продвинутыми аналогами они были, скажем так, немножко недоразвиты. Камера, безусловно, дает весьма ценную информацию. Нейросеть может определить цвет и фактуру поверхности, даже такие физические параметры объектов впереди, как контуры, изгибы, края и углы. Спрашивается, что делать с уже полученной информацией?

Можно скомандовать машине: “Ехать только по поверхности, похожей на асфальт”. Однако для пустыни, где все дороги грунтовые, это указание не годится. Можно велеть ехать по самому гладкому участку на изображении, но вот беда: самым гладким участком почти наверняка окажется небо или остекленная стена здания. Можно охарактеризовать дорогу по абстрактным признакам, например: “Выбрать объект с двумя нечеткими прямыми границами. Расстояние между границами должно быть бо́льшим в нижней части изображения и уменьшаться по направлению к верху”. Кажется, звучит разумно. С одним только “но” — именно так на картинке выглядит дерево. Направить автомобиль в дерево — как правило, не самое рациональное решение.