Мичио Каку - Будущее человечества. Колонизация Марса, путешествия к звездам и обретение бессмертия

Другие исследователи искусственного интеллекта полностью отказались от подхода «сверху вниз» и предпочли пойти по стопам природы — «снизу вверх». Возможно, эта альтернативная стратегия подражания природе откроет более перспективный путь к созданию роботов, пригодных для работы в космосе. За стенами лабораторий ИИ можно найти хитроумные автоматы, более мощные, чем все, что мы в состоянии сконструировать. Это животные. Крохотные жучки искусно маневрируют в лесу в поисках пищи и партнера для спаривания. И наоборот, наши неуклюжие и массивные роботы иногда, пытаясь пройти мимо, обдирают штукатурку со стен.

Ошибочные допущения, на которых основывали свои усилия 60 лет назад дартмутские исследователи, и сегодня преследуют всех, кто занимается ИИ. Мозг не цифровой компьютер. В нем нет ни программирования, ни ЦПУ, ни чипа Pentium, ни подпрограмм, ни текста программы на каком-то условном языке. Если вынуть из компьютера один транзистор, он, скорее всего, перестанет работать. Но, если у человека удалить половину мозга, он, вполне возможно, все же будет функционировать.

Природа демонстрирует чудеса вычислений, организуя мозг как нейронную сеть, как самообучающуюся машину. Ваш ноутбук ничему не учится — сегодня он так же туп, как был вчера или в прошлом году. Но человеческий мозг буквально «перепрошивает» себя после освоения каждого нового навыка. Вот почему младенцы лепечут, прежде чем освоить язык, и вот почему мы вихляем из стороны в сторону, прежде чем научимся ездить на велосипеде. Нейронные сети при многократном повторении постепенно улучшают выполнение задания, следуя правилу Хебба, которое гласит, что чем дольше вы занимаетесь одним и тем же, чем больше раз повторяете задание, тем прочнее становятся нейронные связи, отвечающие за это действие. Как говорят нейробиологи, между нейронами, которые срабатывают вместе, возникает прочная постоянная связь. Возможно, вам приходилось слышать старый анекдот, который начинается вопросом: «Как попасть в Карнеги-холл?» Нейронные сети объясняют ответ на него: «Практика, практика и еще раз практика».

Туристы, к примеру, знают, что, если одна из троп утоптана сильнее других, это означает, что по ней проходило множество туристов и что, по всей видимости, это лучшая тропа в данной местности. Верный путь становится лучше всякий раз, когда по нему проходят. Точно так же нейронная связь, отвечающая за определенное поведение, усиливается всякий раз, когда ею пользуются.

Это важно потому, что обучающиеся машины станут для нас ключом к освоению космоса. Роботы в космосе будут постоянно сталкиваться с новыми и вечно меняющимися опасностями. Они встретятся с ситуациями, которых ученые сегодня не могут себе даже вообразить. Робот, запрограммированный только на ограниченное число конкретных отказов и ситуаций, в космосе будет бесполезен, потому что Его Величество Случай непременно обрушит на него по-настоящему непредвиденную ситуацию. К примеру, мышь никак не может быть генетически запрограммирована на все случаи жизни, потому что общее число ситуаций, с которыми она может столкнуться, бесконечно, тогда как генов у нее конечное число.

Предположим, метеоритный дождь, обрушившийся из космоса на марсианскую базу, повредил нескольких зданий и сооружений. Роботы, использующие нейронные сети, могут обучаться, каждый раз справляясь все лучше с подобными неожиданными ситуациями. Но традиционные роботы, сконструированные в соответствии с подходом «сверху вниз», в непредвиденной сложной ситуации будут попросту парализованы.

Многие из этих идей вошли в исследование Родни Брукса, бывшего директора известной Лаборатории ИИ в Массачусетском технологическом институте. Во время нашей с ним беседы он с искренним изумлением говорил о том, что комары с их микроскопическим мозгом, насчитывающим около 100 000 нейронов, могут без труда летать в трех измерениях, а для управления простым шагающим роботом требуются весьма и весьма хитроумные программы — и все равно он может споткнуться в любой момент. Брукс заложил основы нового подхода, начал работать с «жукоботами» и «инсектоидами» — роботами, которые учатся передвигаться как насекомые, на шести ногах. Поначалу они часто падают, но с каждой попыткой двигаются все лучше и лучше и постепенно научаются координировать движения ног, как это делают настоящие насекомые.

Процесс размещения нейронных сетей в компьютере стал известен как глубокое обучение (Deep Learning ) . В дальнейшем эта технология, возможно, произведет революцию во множестве отраслей. Не исключено, что в будущем, если вы захотите поговорить с врачом или юристом, вам достаточно будет заговорить с умной стеной или, скажем, с наручными часами и попросить связать вас с роботом-врачом или роботом-юристом, то есть запустить программы, которые смогут прошерстить для вас интернет и выдать разумный медицинский или юридический совет. Эти программы будут обучаться при повторных вопросах и с каждым разом все лучше и лучше отзываться именно на ваши нужды — а может быть, даже предвидеть их.

Глубокое обучение приведет нас к созданию автоматов, которые понадобятся нам в космосе. В ближайшие десятилетия подходы «сверху вниз» и «снизу вверх» могут быть объединены, так что роботов изначально можно будет снабдить некоторыми знаниями, но при этом они смогут действовать и обучаться посредством нейронных сетей. Подобно людям, они смогут обучаться на собственном опыте, пока не освоят распознавание образов, которое позволит им перемещать инструменты в трех измерениях, и здравый смысл, который позволит справляться с новыми ситуациями. Они будут жизненно необходимы при строительстве и поддержании поселений на Марсе, по всей Солнечной системе и за ее пределами.

Для разных задач будут сконструированы разные роботы. Те, что научатся плавать в системах канализации в поисках течей и разрывов, будут напоминать змей. Сверхмощные роботы будут учиться всевозможным работам, связанным с подъемом тяжестей на строительных площадках. Роботы-дроны, которые, возможно, будут похожи на птиц, научатся анализировать и проводить топографическую съемку инопланетного ландшафта. Роботы, способные научиться исследовать подземные лавовые трубки, могут напоминать пауков, поскольку эти многоногие существа умеют очень стабильно двигаться по сильно пересеченной местности. Роботы, способные научиться путешествовать по ледовым шапкам Марса, могут выглядеть как разумные снегоходы. Роботы, способные научиться плавать в океанах Европы, брать и рассматривать разные предметы, могут быть похожи на осьминогов.

Для исследования космоса нам нужны роботы, способные обучаться и методом долговременного погружения в среду, и получая готовую информацию напрямую.