Джошуа Купер Рамо - Седьмое чувство. Под знаком предсказуемости - как прогнозировать и управлять изменениями в цифровую эпоху

Проектировщик систем искусственного интеллекта Роджер Гросс называл два пути к этому виду проводной чувственности: предсказательное обучение и обучение представлениям. Первому подходу соответствовали фильмовые машины Маас. Компьютер просто проверял, с чем он сталкивается в базе информационных данных. Он «обучал» себя предсказывать будущее, на основе прошлого. Такого рода знания формируются из огромных объемов данных, а затем проверки образцов, испытывая их надежность и улучшая за счет сравнения особенностей и сходства. Инженеры Google создали устройство, которое может изучать человеческий глаз и обнаруживать признаки надвигающейся оптической патологии. Умнее ли машина офтальмолога? Трудно ответить, но давайте просто скажем так: компьютер видел, учился, и сравнивал миллионы глаз, чтобы найти образцы, которые почти полностью предсказывают диагноз. Он может пересмотреть в считаные секунды больше случаев, чем ваш врач увидел бы за всю свою жизнь, не говоря уже о том, чтобы вспомнить и произвести их сравнение с точностью до субмиллиметров. Быстрые и тщательные алгоритмы прогнозирования позволяют делать то, что, возможно, когда-то и было расценено как невостребованность искусственного интеллекта. Дело не в том, что машины способны или нет проявлять мудрость; они просто много знают.

Если рассмотреть другое направление – изучение образа, то машина использует иной образ мира, составленный по собственным наброскам. Допустим, вы хотели, чтобы компьютер идентифицировал и сделал выборку ресторанов с креслами на открытой площадке. Система сканирования могла бы ответить: посмотри на фотографии, в которых треть пикселей окрашена в цвет неба. Вы можете увидеть, насколько может быть ограничен такой примитивный подход. Но программа на основе подобных оценок будет использовать присущую ей невральную сеть для изучения тысяч фотографий двориков ресторанов. Составленная таким образом выборка называется «подготовка данных». Она разрабатывает свое собственное ощущение того, что делает эти образы особенными: солнечный свет, отражающийся от стекла, небо, отражающееся в столовом серебре. Она сформирует по кусочкам свое точное видение особенностей открытого столового пространства. И с течением времени она сможет достичь почти абсолютной верности. Компьютеры, использующие прогнозирующие методы распознавания чисел, выделенных из ряда нацарапанного от руки текста, теперь, например, могут восстановить 90 процентов скрытого изображения. Модели, работающие на основе прогнозных представлений, могут просканировать миллионы рукописных фраз без единой ошибки. Лица, симптомы заболеваний, неясные звуки – все это становится поддающимся распознаванию с помощью моделей на основе искусственного интеллекта, не потому, что машинам сказали, что искать, но потому, что они сами поняли это. Искусственный интеллект начинает размышлять, таким образом, так же, как и ребенок, который может составить свое понимание правил дорожного движения, просто наблюдая за тем, как мама ездит каждый день. А теперь представьте, что этот ребенок может превосходно помнить все и сопоставлять сделанные им заметки с миллионами заметок других детей, используя высокоскоростную сеть оптико-волоконной связи. Очень быстро ребенок превзойдет свою маму.

Сегодня искусственный интеллект может изучить карту и предложить вам оптимальные маршруты следования. Он может предсказать взломы в компьютерных сетях за несколько дней до сбоя. Программы на основе прогнозных представлений занимают больше времени для отладки, как и следовало ожидать. Но эти периоды становятся короче. И хотя искусственный интеллект на основе прогнозных представлений сложнее программировать и он требуют почти существенно большего количества вычислительной мощности, он демонстрирует тонкий, живой вид понимания. Компьютер с восприятием классической музыки может прослушать клип симфонии и назвать ее или, скажем, зная сорок одну симфонию Моцарта, может чрезвычайно убедительно написать вам сорок вторую симфонию или, если хотите, намного более раннюю Первую симфонию, основываясь на том, что он знает об эволюции Моцарта как композитора. Программа может делать это снова и снова. В течение нескольких секунд. Основным выводом исследователей, наблюдающих за работой этой технологии, является: Моцарт был фантастическим композитором. Если бы он писал еще больше симфоний, они, вероятно, были бы столь же великими. К сожалению, он умер. А как было бы великолепно, если бы мы могли взять за образцы его старые симфонии и создать новые, когда бы захотели?