Компьютерра - Журнал «Компьютерра» № 3 от 24 января 2006 года

Вы сделали в книге несколько предсказаний. С момента ее публикации прошел год. Что-то уже подтвердилось или, может быть, вы в чем-то ошиблись?

— Вы сами сказали, что прошел лишь год — совсем небольшой срок для исследований в этой области. На эксперименты здесь обычно требуется три-четыре года.

Знакомые ученые держат меня в курсе происходящего. В основном научные находки не вступают в противоречие с моей теорией, хотя я не сказал бы, что они как-то подтверждают мои предсказания или вообще являются экспериментальной проверкой моих предположений. На это просто нужно больше времени.

Вы не разочарованы отсутствием новостей?

— О нет, я же знал, во что ввязываюсь. Я неплохо понимаю, как устроена наука, я знаком со многими учеными и не могу сказать, что происходит что-то неожиданное. На проверку моих предположений ученым нужны годы, так что удивляться нечему — я с самого начала знал, что так будет. Академические исследования — особенно когда дело касается такой сложной области, как изучение человеческого мозга, — это, прежде всего, кропотливый и неторопливый труд. Так что я не разочарован. Наоборот — я приятно удивлен тем, как моя теория принята научным сообществом.

Давайте поговорим о другом вашем детище, Редвудском нейроинституте (RNI). Он был образован в августе 2002 года, верно?

(Неуверенно.) — Думаю, да. Дело в том, что работать над его образованием мы начали немного раньше, поэтому с моей точки зрения он был образован в феврале.

Если можно, в двух словах, чего добился RNI за это время?

— Недавно институт вошел в состав университета Беркли, поэтому я уже не занимаюсь им напрямую. Но широкой общественности он известен в основном благодаря моей книге — из-за оборотов типа «когда я был в Редвуде», «и тут в Редвуде» и т. п.

Уникальность RNI в том, что это единственное научное заведение, работающее только над изучением новой коры головного мозга, неокортекса. За его недолгую историю у нас побывали почти все ведущие исследователи в этой области. Причем зачастую инициатива исходила именно от них — «могу ли я приехать?», «я бы хотел посетить…», «было бы интересно пообщаться» и т. д. Потому что в RNI совершенно особенная атмосфера. Он очень маленький — на постоянной основе у нас работает 15—20 человек, и буквально каждую неделю приезжают гости. В общем, главное достижение института в том, что он заслужил уважение научного сообщества.

Я вам больше скажу. Так как с лета прошлого года RNI входит в состав Беркли, то многие из тех, кто прочел мою книгу и заинтересовался этими исследованиями, решили поступать именно в Беркли, ведь оттуда и до RNI недалеко. Так что у института очень неплохие шансы и дальше оставаться влиятельным исследовательским центром.

Не кажется ли вам, что вхождение RNI в состав Беркли может замедлить работу над вашей теорией из-за сопротивления академических кругов?

— Посмотрим. Хотя я бы не сказал, что работы RNI и, в частности, моя теория выходят за рамки академической науки. Одно время я немного волновался по этому поводу, но меня довольно быстро успокоили: мол, что ты переживаешь, твоя теория — самый настоящий мэйнстрим.

Переход RNI под крыло Беркли позволил мне освободить время для работы в Numenta. И, кстати, то, что переход вообще оказался возможен, лишний раз свидетельствует о том, что научное сообщество высоко оценивает работу RNI. Мои изыскания не выходят за рамки академической науки, просто для усвоения новой теории университетами нужно время.

Собственно, поэтому и была создана Numenta. В науке все делается довольно медленно. Требуется время для того, чтобы люди ознакомились с твоей теорией, привыкли к ней, проверили ее, а потом согласились с твоей правотой. В бизнесе все происходит быстрее. Когда люди узнают, что на чем-то можно сделать деньги, они почему-то становятся более энергичными. И в Numenta мы пытаемся создать впечатляющие приложения и показать людям, что они могут зарабатывать или строить карьеру с помощью наших технологий. И, возможно, это способствует более быстрому развитию технологии, чем было бы возможно в академической среде.

О компанииВы утверждаете, что современная компьютерная архитектура непригодна для создания разумных машин. Однако в то же время вы являетесь сторонником функционализма, и вам, по идее, должно быть все равно, как устроена машина, если на выходе она дает нужный результат. Нет ли здесь противоречия? И можно ли все же использовать современные компьютеры для построения систем ИИ?

— Прошу прощения, если кого-то запутал. Я пытался сказать, что современный «компьютерный» подход к проблеме ИИ бесперспективен, это тупик. Если вы понимаете, как устроен неокортекс, то, конечно, можете эмулировать его с помощью современного железа и специального ПО. Но разработчики систем ИИ, как правило, поступают иначе. Так, говорят они, что тут у нас, компьютерное зрение? Ну давайте-ка сейчас сядем и быстренько запрограммируем это дело с помощью наших алгоритмов[Говорят, Марвин Мински когда-то обещал расправиться с системой компьютерного зрения за одно лето. Лето, как видим, несколько затянулось].

Мы в Numenta сейчас занимаемся проблемой распознавания образов. И вполне успешно. И мы используем стандартное железо, но вместо того, чтобы изобретать алгоритмы компьютерного зрения, мы построили модель запоминающего устройства коры головного мозга. Построенная нами система действительно работает, и я уже демонстрировал наши результаты в нескольких университетах.

Таким образом, за последний год в работе Numenta есть очевидный прогресс?

— Более чем. Я ведь пришел к идее решения проблемы ИИ со стороны биологии. Но когда я писал книгу, у меня еще не было понимания, как это все устроено математически. Я описывал некие структуры, но ничего не говорил о том, как их воссоздать, поскольку в тот момент и сам еще не знал, как это сделать. Но после того как книга была завершена, я и сооснователь Numenta Дилип Джордж (Dileep George; www.stanford.edu/~dil) разработали соответствующие математические модели и доказали их работоспособность. А затем мы основали компанию, чтобы привлечь к нашим разработкам как можно больше людей.

Доказали их работоспособность? Можно чуть поконкретнее?

— Пожалуйста. На сегодняшний день не существует ни одного алгоритма, ни одной системы, которые бы умели опознавать объекты. Вы не можете показать компьютеру картинку и «услышать» в ответ, что на ней изображено. Никто даже близко не подошел к решению этой проблемы.

Что сделали мы? На основе принципов, описанных в моей книге, и математического аппарата, который мы разработали после ее выхода, мы создали систему, научившуюся после определенной тренировки распознавать небольшие — 32х32 пиксела — изображения. Сейчас она умеет распознавать около восьмидесяти разных объектов. У этой системы пока нет практического применения — в конце концов, 32 пиксела это не очень-то много, — но любым другим способом задачу компьютерного зрения до последнего времени решить не удавалось (к тому же она довольно легко масштабируется). Люди, которые видели нашу систему в работе, вообще не могли понять, как мы это сделали.