Станислав Бескаравайный - Бытие техники и сингулярность

Хотя большая часть успехов достигнута в рамках сравнительно узкого набора задач и те же самые аниматы пока не могут воспроизвести походку человека проще учить машину не на примерах естественного окружения, не приводить конкретного к абстрактному но обрабатывать частично упорядоченные данные. К такой «алгоритмизации» подталкивает рост объемов информации, используемой в науке, в юриспруденции, в экономике.

Каков уровень программ, анализирующих тексты? «Современный этап развития исследований и разработок в данной области характеризуется тем, что автоматической обработке подвергаются не искусственные (модельные) тексты, а реальные документы и, в общем случае, Web-контент; происходит обработка не единичных текстов, а мультиязычных коллекций документов; обрабатываемые документы содержат опечатки, орфографические ошибки, аграмматичности и другие реальные препятствия на пути к их правильной интерпретации» [252].

Но еще раньше, на этапе использования поисковых машин, возникает качественно новая проблема — сложно использовать ключевые слова. Что именно «спрашивать» у машины? Тем более, что целая отрасль маркетинга (SEO-аналитика) специализируется на искусственном «узнавании» текстов — любое ключевое слово чрезвычайно быстро обрастает неправильными, «рекламными» ссылками. Попытки упорядочить язык научной коммуникации предпринимаются постоянно, но они сталкиваются с противоречием: «С одной стороны, основанием научной коммуникации должна быть возможность единого научного языка (наличие универсалий как его устойчивых структур). С другой, идея единства научной терминологии несовместима, во-первых, с идеей предпосылочности всегда конкретного научного знания и, во-вторых, с реальной практикой современных научных исследований» [263]. Эта проблема отражает более общую проблему — противоречие единичного (в данном случае целевого для потребителя) и всеобщего, универсального (в данном случае стереотипного).

Попытки обеспечить понимание используемой информации так же многообразны. Тут и программы, сканирующие символы (даже переводящих символы из одного формата в другой, как программа ABBYY FineReader), ведущие свою родословную чуть не от перцептронов, и попытки машинного перевода текстов, и попытки анализа содержания электронной переписки и т. п.

Но чем больше повышается качество всевозможных форм анализа информации, тем острее проблема соотношения программы по распознаванию, как некоего чисто прикладного алгоритма, и сложности окружающего мира. Иными словами, чтобы лучше переводить текст, программа должна рефлексировать ситуацию в обществе, в экономике, в государстве, учитывать историю понятий и свежие интернет-мемы.

Едва ли не первым это заметил С. Лем — «электрический поэт», чтобы сочинять лучшие стихи, должен не просто владеть рифмой, но знать всю культуру человечества.

Разумеется, прямо сейчас речь не идет о полноценном, «сильном» искусственном интеллекте. Но уже можно представить себе программу, которая будет анализировать поступающие в редакцию журнала статьи на предмет отстаивания в них идеи вечного двигателя: по устойчивым словосочетаниям, по умозаключениям, в которых автор ставит выводом возможность Perpetuum Mobile, учитывает классификацию таких двигателей, наиболее известные конструкции и т. п. Необходимость сверки «граничных условий» с открытиями физиков потребует от программы какого-то эквивалента обучения. А поскольку обновлять такую программу в ручном режиме, постоянно добавляя в нее новые прецеденты, трудозатратно, то напрашивается идея автоматического обновления. Как, например, уже сейчас антивирусные программы обновляются несколько раз в сутки, что требует получения новых пакетов данных с сайта компании-производителя. Но только чтобы не десяток доцентов вводили уточнения и поправки, а программа оценивала источники по степени надежности и сводила технические конструкции к физическим моделям.

Шаги в этом направлении — вполне предпринимаются. Например, при анализе динамических систем в компьютерных языках: «было показано, что каждый морфизм категории в динамических системах „расслаивается“, т. е. заменяется на конечное множество морфизмов, причем на каждом этапе логического вывода используется один и только один элемент этого множества, а именно тот морфизм, для которого определенные условия оказываются выполненными. Сама категория при этом оказывается состоящей из отдельных слоев, с каждым из которых связываются некоторые условия» [77]. То есть в компьютерных науках налицо попытки уйти от «жесткой», однозначной трактовки понятия к гибкому воспринятию (по В. Налимову), сохранив при этом возможность использования понятий в математических системах. И хотя между отражением предмета на матрице видеокамеры и его осмыслением лежит пропасть, уже сейчас можно указать если не на попытки создать программы, которые будут самостоятельно формулировать понятия, то на объем работ, посвященных представлению категориального аппарата в программной форме — созданию «теоретико-категориального языка» [130].

Каков же будет промежуточный итог развития служебно-аналитических программ, если электронные брокеры уже почти вытеснили людей с биржи?

Вообразим на серверах некоторого университета большую программу, обладающую отдельными чертами искусственного интеллекта, которую можно будет назвать «духом физики». Она станет анализировать все сведения об открытиях в физике и обобщать их в виде единой онтологической модели, отметая противоречия и/или встраивая их в общую модель на определенных уровнях организации материи.

В медицине такие системы уже используются: «IBM Watson». И не только в медицине: распознавание естественной речи, кулинария, дизайн одежды, логистика — когнитивная платформа «глубокого обучения» стала вполне работающим ассистентом. Сделала следующий шаг после «программной оболочки» на привычных персональных компьютерах: претендует на понимание естественного языка, выдвигает гипотезы. Это товар на рынке [243].

Так что неизбежно появление «духа истории», который обобщал бы все причинно-следственные связи в развитии человечества (или в определенном историческом периоде) и упорядочивал поступающую информацию — как археологические открытия, так и рассуждения популяризаторов.

Индивидуально-личностное измерение информации будет обеспечиваться учетом всех данных, характеризующего пользователя-партнера. Базой составления психологического портрета могут быть личный архив ученого, тексты его статей, записи в социальной сети и т. п. Такой «дух» будет исполнять обязанности личного секретаря, очень возможно, сможет находить перспективные участки исследований, подбирать темы для перспективных научных работ [18].