Рэймонд Курцвейл - Эволюция разума

Аллен описывает мою идею об обратном проектировании человеческого мозга просто как сканирование мозга для понимания его тонкой структуры с последующей симуляцией всего мозга «вверх дном» без детального понимания его методов обработки информации. Но я предлагаю совсем другое. Нам действительно нужно подробно изучить, как работают отдельные типы нейронов, а затем собрать информацию о соединении функциональных модулей. А дальше функциональные методы, выведенные на основе этих данных, будут направлять развитие разумных систем. Грубо говоря, мы ищем биологические методы, способные ускорить исследования в сфере ИИ, которые пока во многом продвигаются без серьезного прорыва в понимании того, как аналогичную функцию выполняет мозг. На основе собственного опыта по распознаванию речи могу сказать, что работа сильно продвинулась, когда мы поняли, как мозг подготавливает и трансформирует звуковую информацию.

Дифференцировка повторяющихся структур мозга реализуется в процессе обучения и приобретения опыта. При сегодняшнем положении дел в сфере ИИ компьютерные системы тоже могут учиться на собственном опыте. Самодвижущиеся машины Google обучаются на своем водительском опыте, а также на данных машин Google, управляемых людьми. Ватсон получил большую часть информации за счет самостоятельного чтения. Интересно отметить, что математические принципы методов, заложенных в основу функционирования систем ИИ, очень близки соответствующим принципам функционирования новой коры.

Еще одно часто высказываемое возражение против возможности создания «сильного» ИИ (искусственного интеллекта на уровне человеческого разума и выше) заключается в том, что человеческий мозг активно использует аналоговые методы, а цифровые методы не могут воспроизводить плавные изменения параметров, доступные для воспроизведения аналоговыми методами. Это верно, что с помощью одного бита информации нельзя описать сложную зависимость, однако многобитные слова легко отражают множество значений, причем с любой степенью точности. Это постоянно происходит в цифровых компьютерах. А вот точность аналоговой информации в мозге (например, синаптический потенциал) составляет лишь один уровень из 256 возможных, которые могут быть представлены 8 битами информации.

В девятой главе я приводил доводы Роджера Пенроуза и Стюарта Хамероффа, касающиеся микротрубочек и квантовых вычислений. Вспомните, они утверждают, что микротрубочки нейронов осуществляют квантовые вычисления, а в компьютерных системах этого добиться нельзя. В этом заключается принципиальное отличие и, по-видимому, превосходство человеческого мозга. Я прокомментировал, что пока нет никаких доказательств того, что микротрубочки нейронов осуществляют квантовые вычисления. Человек на самом деле очень плохо решает такие задачи, которые не представляют никакой сложности для квантовых компьютеров (например, факторизация больших чисел). Но, если идеи Пенроуза и Хамероффа окажутся верны, ничто не мешает нам использовать квантовые вычисления в наших компьютерах.

Джон Серль знаменит, в частности, тем, что придумал мысленный эксперимент, называемый «китайская комната» (я подробно описывал его в книге «Сингулярность уже близка» [177]). Если говорить кратко, речь идет о человеке, который в письменном виде получает вопросы на китайском языке и отвечает на них. Для этого он пользуется сложной книгой правил. Серль утверждает, что человек не знает китайского языка и действует «неосознанно» (то есть не понимает смысла ни вопроса, ни ответа), хотя и отвечает на вопросы по-китайски. Серль сравнивает эту ситуацию с компьютером и приходит к выводу, что компьютер, который отвечает на вопросы по-китайски (и проходит тест Тьюринга на китайском языке), как и человек в китайской комнате, по-настоящему не понимает языка и не осознаёт, что делает.

В аргументах Серля есть несколько философских трюков. Например, человека из мысленного эксперимента сравнивают только с центральным процессором компьютера. Можно сказать, что центральный процессор не имеет реального представления о том, что он делает, но это лишь часть общей системы. В китайской комнате всю систему составляют человек и его книга правил. И эта система в целом понимает китайский язык, иначе она не могла бы убедительно отвечать на вопросы по-китайски, а это нарушило бы условие мысленного эксперимента Серля.

Притягательность этого эксперимента связана с тем, что сегодня нам трудно приписать компьютерной программе такие атрибуты, как истинное понимание и сознание. Однако слабость аргумента в том, что точно такие же рассуждения можно применить собственно к человеческому мозгу. Каждый распознающий модуль (вообще говоря, каждый нейрон и каждый его компонент) следует определенному алгоритму. Здесь действуют молекулярные механизмы, подчиняющиеся природным законам. Если считать, что следование алгоритму — процесс неосознанный и не требующий реального понимания, придется заключить, что человеческий мозг тоже не обладает этими способностями. Используйте аргумент Серля и замените слова «манипуляция символами» словами «манипуляция межнейронными контактами и синаптическими потенциалами», и вы получите убедительный аргумент в пользу того, что человеческий мозг по-настоящему ничего не понимает.

Еще одна линия аргументации связана с сущностью самой природы, которая является святыней для многих наблюдателей. Например, новозеландский биолог Майкл Дентон (род. в 1943 г.) усматривает глубокое различие между принципами строения машин и биологических систем. Дентон характеризует биологические существа как «самоорганизующиеся, самореплицирующиеся, взаимовыгодные, самообучающиеся и целостные» [178]. Он утверждает, что такие биологические формы могут быть созданы только в биологических процессах, являются «неизменной… недостижимой и… фундаментальной» реальностью бытия и поэтому относятся принципиально к другой философской категории, нежели машины.

Однако реальность, как мы видели, такова, что машины могут быть созданы на основе тех же принципов. Изучение специфики структуры самого разумного создания природы — человеческого мозга — как раз и является задачей исследований в области обратного проектирования мозга. Кроме того, неверно, что биологические системы полностью «целостны», как утверждает Дентон. Впрочем, было бы ошибкой заявить, что машины обязательно должны иметь модульное строение. В природных системах, особенно таких, как мозг, мы с очевидностью идентифицируем иерархические функциональные структуры. И системы ИИ используют аналогичные методы.

Мне кажется, многие критики не удовлетворятся до тех пор, пока компьютеры не смогут в обычном порядке проходить тест Тьюринга, но, возможно, даже этого окажется недостаточно. Наверняка начнут возникать сомнения в пригодности соответствующих тестов Тьюринга. Возможно, сам я буду среди критиков, отвергающих подобные ранние заявления. К тому моменту, когда появятся доказательства способности компьютеров проходить тест Тьюринга, компьютеры уже долгое время будут превосходить невооруженный человеческий разум.