Дэвид Эпштейн - Универсалы [Как талантливые дилетанты становятся победителями по жизни] [litres]

Однако вывод, извлеченный из опыта «кентавров», остается неизменным: чем больше фокус задачи смещается в сторону глобальной стратегии, тем больше усилий требуется от человека.

В хвалебных одах своему впечатляющему детищу разработчики AlphaZero заявили, что программе удалось самостоятельно пройти весь путь развития от уровня tabula rasa («чистый лист») до мастера. Однако начало игры вряд ли можно назвать чистым листом. Ведь программа, как бы то ни было, действует по определенным правилам, оперируя внутри четких рамок. Даже в играх, в меньшей степени подчинененных тактическим схемам, компьютеры должны решать куда более серьезные задачи.

Одним из последних примеров стала компьютерная игра StarCraft – франшиза стратегий реального времени, где вымышленные расы сражаются за первенство где-то на краю Млечного Пути. Решения, которые принимаются в этой игре, гораздо сложнее шахматных задач. Здесь нужно вести сражения, планировать инфраструктуру поселений, исследовать местность, накапливать ресурсы – и все эти виды деятельности находятся в тесной взаимосвязи. Компьютерам нелегко одержать победу в StarCraft , рассказал мне в 2017 году Джулиан Тогелиус – профессор Нью-Йоркского университета, изучающий искусственный интеллект в играх. Даже когда компьютеру удавалось победить человека, те в конечном счете выходили вперед за счет «долгосрочной адаптивной стратегии».

«Существует огромное множество слоев мышления, – говорит он. – Люди одинаково плохо понимают каждый из них в отдельности, но в то же время мы имеем приблизительное представление обо всех этих слоях, можем сочетать их, и таким образом адаптироваться к различным ситуациям. А ведь именно в этом и заложен ключ к разгадке».

В 2019 году искусственный интеллект впервые одержал победу над профессиональным геймером в ограниченной версии StarCraft (правда, игрок адаптировался и в конце концов победил). Однако из стратегической сложности игры можно извлечь один очень важный вывод: чем глобальнее общая картина, тем более уникальным является потенциальный вклад человека. Наша величайшая сила состоит в прямой противоположности узкой специализации. Это способность широкой интеграции. По словам Гэри Маркуса, профессора психологии и нейробиологии, продавшего свою компанию по обучению компьютеров фирме Uber, «в узких сферах у человека осталось совсем немного времени для того, чтобы внести некий важный вклад. Однако в более открытых играх, полагаю, такая возможность еще существует. И не только в играх – на мой взгляд, в более широких сферах реального мира человек все еще опережает машину».

В узком и упорядоченном мире шахмат, с его моментальной отдачей и безграничной базой данных, искусственный интеллект совершил рывок вперед в геометрической прогрессии. В сфере вождения, которая имеет множество правил, но при этом гораздо более беспорядочна, ИИ также достиг серьезных успехов, хотя нерешенные задачи еще остались. Однако в реальном, открытом мире, свободном от строгих правил и идеальных исторических данных, искусственный интеллект пока терпит самое настоящее фиаско. Так, после победы суперкомпьютера IBM Watson в игре Jeopardy! [9] Викторина, аналог «Своей игры» ( прим. пер .). его стали позиционировать как революционный инструмент в лечении рака. И в этом качестве он провалился с таким оглушительным треском, что целый ряд экспертов в области ИИ признались мне: в тот момент они не на шутку испугались, что эта история наложит отпечаток на все научные разработки по применению ИИ в здравоохранении. По словам одного онколога, «победа в викторине и лечение рака отличаются одним: в первом случае мы знаем ответы на вопросы». Что же касается рака, в этой области четкие вопросы только формулируются.

В 2009 году уважаемое издание Nature объявило о том, что сервис Google Flu Trends может задействовать результаты поиска для составления прогноза заболеваний гриппом на ближайшую зиму быстрее и почти так же точно, как Центр по контролю и профилактике заболеваний. Однако вскоре эффективность сервиса снизилась, и в 2013 году число спрогнозированных им случаев заболевания на территории США вдвое превысило реальное количество. Сегодня на сайте Google Flu Trends больше не публикуются оценочные данные – на соответствующей странице красуется единственная фраза: «Пока слишком рано для подобных прогнозов». Маркус провел вполне ожидаемую аналогию: «Все системы искусственного интеллекта в какой-то степени саванты». Им нужны стабильные структуры и четкие рамки. Зная правила и ответы, обладая уверенностью в том, что со временем они не изменятся, – как в шахматах, гольфе, классической музыке, – мы можем найти аргументы в пользу гиперспециализированной тренировки с раннего детства. Однако все это лишь узкие, ограниченные модели, не подходящие к большинству областей человеческого знания.