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

Но алгоритму нужны хоть какие-то исходные данные. Раз популярность и изначально присущее качество не годятся, единственное, что можно оценить количественно, — это степень сходства с любым предыдущим продуктом.

Измерение сходства позволяет сделать массу всего. Это, бесспорно, самый подходящий метод для рекомендательных сервисов, таких как Netflix и Spotify . Обе компании предлагают пользователям удобный поиск новых фильмов и песен, к тому же, работая по схеме абонентского обслуживания, они заинтересованы в более точном прогнозировании предпочтений клиентов. Строить свои алгоритмы на базе популярности им нельзя, иначе пользователей завалят предложениями послушать Джастина Бибера и посмотреть “Свинку Пеппу”. Нельзя основываться и на косвенных показателях качества, например, на критических обзорах, потому что на домашней странице останется сплошное артхаусное кино не для всех, тогда как все вообще-то хотят скинуть туфли после длинного рабочего дня и часа на два бездумно погрузиться в какой-нибудь тупой триллер или посмотреть кино с Райаном Гослингом.

Зато с оценкой сходства алгоритм может сфокусироваться непосредственно на предпочтениях того или иного пользователя. Что он слушает, что смотрит, что пересматривает снова и снова? В таком случае можно составить набор ключевых слов для каждой песни и каждого фильма, надергав их на сайте IMDb, в “Википедии”, блогах о музыке и журнальных статьях. Проделать это для всего каталога, после чего останется только найти другие песни и фильмы с теми же тегами и предложить их пользователям. Далее можно будет еще и найти других пользователей, которым нравятся те же песни и фильмы, посмотреть, что еще они выбирают, и показать своему клиенту то же самое.

Ни Spotify , ни Netflix даже не пытаются отбирать лучшие песни и фильмы. Совершенство их вообще не интересует. Spotify не обещает вам найти ту единственную группу на земле, которая целиком и полностью отвечает вашим вкусам и настроению. Алгоритмы выдачи рекомендаций всего лишь находят достаточно хорошие для вас фильмы и музыку, так чтобы вы не разочаровались. Вам предлагают абсолютно безвредный способ скоротать время. Периодически алгоритмы будут попадать в десятку с выбором, но в каком-то смысле это немного смахивает на “холодное чтение”. Чтобы радоваться новым открытиям в музыке, вам достаточно периодически находить то, что вас порадует. Механизм поиска вовсе не обязан всегда работать безошибочно.

Для алгоритмов выдачи рекомендаций критерий сходства — идеальный инструмент. Но самое интересное начинается тогда, когда вы просите алгоритм создать произведение искусства, не имея однозначных критериев оценки его качества. Способен ли алгоритм сотворить шедевр, если его восприятие искусства целиком и полностью ограничивается прошлым опытом?

Хорошие художники копируют, великие художники воруют. Пабло Пикассо [392]

В октябре 1997 года в Орегонском университете давали весьма любопытный концерт. На авансцене одиноко стоял рояль. Вышла пианистка Уинифред Кернер и приготовилась исполнить три короткие пьесы.

Первая пьеса — малоизвестное сочинение для фортепиано великого мастера барокко Иоганна Себастьяна Баха. Вторую, в стиле Баха, сочинил профессор музыки того же университета Стив Ларсон. Третью написал алгоритм, который разработали специально для имитации музыкальной манеры Баха.

По окончании концерта публику попросили выбрать одного из этих троих авторов для каждой пьесы. К великому огорчению Стива Ларсона, его опус большинством голосов приписали компьютеру. Когда же было объявлено, что за творение гениального композитора слушатели приняли не что иное, как машинную продукцию, зал дружно ахнул от ужаса, смешанного с восторгом.

Ларсон расстроился. Вскоре после этого эксперимента он сказал в интервью New York Times : “Я глубоко и бесконечно восхищаюсь музыкой [Баха]. Компьютер сумел обмануть публику — не знаю, что и подумать”.

Не только ему стало не по себе. Создателю прославившегося алгоритма, электронного композитора, Дэвиду Коупу уже приходилось наблюдать такую же реакцию. “[Сначала] мы играли в эту, я бы сказал, «игру» с отдельными людьми, — рассказывал он мне. — И когда они проигрывали, им это не нравилось. Они сердились на меня уже за саму идею. Потому что творчество считается прерогативой человека” [393].

Очевидно, такого же мнения придерживался и Дуглас Хофштадтер, ученый-когнитивист, писатель и главный организатор памятного концерта. Несколькими годами ранее в своей книге “Гёдель, Эшер, Бах: эта бесконечная гирлянда”, за которую в 1979 году получил Пулитцеровскую премию, он довольно категорично выразился по этому поводу: