Джарон Ланир - Вы не гаджет. Манифест

Этот вроде бы легкомысленный эпизод нужно воспринимать всерьез как индикатор технологических перемен. В ближайшие годы распознавание образов, например выражений лица, войдет в повседневную практику. С одной стороны, это означает, что нам придется изменить политику общества в отношении неприкосновенности частной жизни, поскольку гипотетически сеть камер видеонаблюдения получит возможность автоматически определять, где находится любой человек и какое у него выражение лица, однако существует и множество других невероятных возможностей. Представьте себе, что ваш аватар в Second Life (или, что еще лучше, в полностью реализованной, погружающей виртуальной реальности) передает всю вашу мимику.

Однако до недавнего времени компьютеры даже не могли распознать улыбку. Мимика была глубоко упрятана в неточном понятии качества и весьма далеко от другого полюса — абсолютно определенного понятия количества. Ни одна улыбка не похожа на другую, и невозможно сказать, что общего во всех них. Подобие — это субъективное ощущение, интересующее поэтов, но безразличное для разработчиков программного обеспечения.

Хотя и существует множество качеств, которые нельзя передать с помощью программного обеспечения, используя имеющиеся на настоящий момент средства, инженеры наконец-то смогли создать программу, способную распознать улыбку, и написать код, который улавливает хотя бы часть того, что объединяет все улыбки. Данная незапланированная трансформация наших возможностей произошла на рубеже столетий. Я не был уверен, что доживу до этого события, хотя меня не перестает удивлять, что инженеры и ученые, с которыми я периодически сталкиваюсь, не осознают, что именно произошло.

РАСПОЗНАВАНИЕ МИМИКИ ИМЕЕТ И БОЛЕЕ ГЛУБОКИЙ СМЫСЛ. МНОГИЕ ГОДЫ СУЩЕСТВОВАЛА ЧЕТКАЯ И НЕИЗМЕННАЯ ГРАНЬ МЕЖДУ ТЕМ, ЧТО МОЖНО И ЧЕГО НЕЛЬЗЯ ПРЕДСТАВИТЬ ИЛИ РАСПОЗНАТЬ С ПОМОЩЬЮ КОМПЬЮТЕРА. МОЖНО ПРЕДСТАВИТЬ ОПРЕДЕЛЕННОЕ КОЛИЧЕСТВЕННОЕ ПОНЯТИЕ, НАПРИМЕР ЧИСЛО, НО НЕВОЗМОЖНО ПРЕДСТАВИТЬ ПРИБЛИЗИТЕЛЬНОЕ ЦЕЛОСТНОЕ КАЧЕСТВО, ТАКОЕ КАК ВЫРАЖЕНИЕ ЛИЦА.

Технология распознавания образов и неврология развиваются вместе. Программа, которую я использовал для НАПМИ, служит прекрасным подтверждением этого. Неврология может достаточно быстро подтолкнуть развитие технологии. Изначально данный проект стартовал в 1990-е годы под эгидой ученого-невролога из Университета Южной Калифорнии Кристофа фон дер Мальсбурга, работавшего с группой своих студентов, в частности, с Хартмутом Невеном. (Фон дер Мальсбург более всего известен своим замечательным наблюдением, сделанным в начале 1980-х: синхронное возбуждение нейронов, когда многочисленные нейроны проводят электрические импульсы одновременно, важно для способа функционирования нейронных сетей.)

В данном случае он работал над ответом на вопрос, какие функции выполняются отдельными участками ткани в зрительной коре — той части мозга, которая первой получает изображение с оптических нервов. В настоящее время не существует инструмента, способного детально определить, что происходит в большой сложной нейронной сети, в особенности если последняя является частью живого мозга. Поэтому ученым приходится изыскивать иные пути для проверки своих гипотез о том, что же в ней происходит.

Одним из таких путей является построение компьютерной модели для проверки работы гипотезы. Если гипотеза о том, как функционирует часть мозга, инспирирует создание работающей технологии, эта гипотеза определенно имеет право на существование. Однако неясно, насколько она верна. Вычислительная неврология находится на нечеткой грани научного метода. Казалось бы, программа распознавания мимики сокращает степень неопределенности, присутствующую в человеческой натуре, но фактически она может не сократить, а усилить эту неопределенность. Дело в том, что программа приближает ученых и инженеров к тому состоянию, когда наука постепенно начинает использовать методы, близкие к поэзии и прозе. Правила, используемые программой, несколько неопределенны и останутся таковыми до тех пор, пока мы не получим более точные данные о функциях нейронов в живом мозге.

Впервые мы можем рассказать хотя бы в общих чертах, как мозг распознает образы, встречающиеся в мире, например улыбку, хотя мы и не знаем, как доказать, что наше понимание верно. Вот этот рассказ.

Начну со своего детского воспоминания. Когда я рос в пустыне южного Нью-Мехико, я обратил внимание на полосы, оставляемые на грунтовой дороге проезжающими автомобилями. На дороге появлялись волнистые выпуклые поперечные полосы, как вельветовые рубчики, которые представляли собой естественным образом образующуюся бесконечную последовательность «лежачих полицейских». Расстояние между полосами определялось средней скоростью движения автомобилей по этой дороге.

Когда вы ехали с этой средней скоростью, меньше трясло. Полосы были видны лишь на закате, когда горизонтальные красные солнечные лучи высвечивают все неровности на земле. Днем нужно было ехать осторожно, чтобы не пропустить эту информацию, спрятанную на дороге.

Цифровые алгоритмы должны подходить к проблеме распознавания образов подобным косвенным путем, и им часто приходится применять общую процедуру, немного похожую на проезд виртуальных колес по виртуальным неровностям. Она носит название «преобразование Фурье». Преобразование Фурье определяет объем деятельности, проходящий на конкретной «скорости» (частоте) в блоке цифровой информации.

Представьте себе графический дисплей эквалайзера, имеющийся на аудиопроигрывателях и показывающий интенсивность воспроизведения музыки на разных частотных полосах. Именно преобразование Фурье производит разделение частотных полос.

К сожалению, преобразование Фурье не в состоянии распознать мимику, однако существует связанный с ним, но более сложный алгоритм — фильтр Габора для небольших волн, который нам и поможет. Этот математический процесс идентифицирует отдельные маркеры деятельности на конкретных частотах в конкретных местах, в то время как преобразование Фурье лишь сообщает, какие вообще частоты присутствуют.

Существуют поразительные параллели между теми процессами, что происходят в инжиниринге, и теми, что наблюдаются в человеческом мозгу, включая двойственность Платона/Дарвина: новорожденный младенец способен отследить простое схематическое лицо, но ребенку постарше нужно наблюдать людей, чтобы научиться отличать их друг от друга.

Я рад сообщить, что группа ученых из Хартмута заработала высшие баллы в соревновании по распознаванию лиц, спонсированном правительством. Национальный Институт стандартов и технологии проводит тестирование систем распознавания лиц с той же целью, что лекарств и машин: люди должны знать, кому и чему можно доверять.