Александр Никонов - Венец творения в интерьере мироздания

С тех пор как человечество уступило шахматную корону искусственному интеллекту, с той самой поры, как чемпион мира Каспаров проиграл шахматному компьютеру «Дип Блю», разговоры об искусственном интеллекте перешли из области научной фантастики в сферу технической футурологии.

Однако до сих пор встречаются люди, которые с убежденностью фанатиков повторяют, что никогда, никогда машина не сможет мыслить! Если вы когда-нибудь встретите этих раритетных людей, считающих, что искусственный интеллект невозможен, попросите их посмотреться в зеркало. Человеческий интеллект — давным-давно интеллект искусственный, потому что формируется искусственной средой, в которой мы живем, придуманными словами, которыми мы описываем мир. Разница между мозгом и компьютером только в том, что… Нет, про это надо рассказать подробнее.

В 1936 году Алан Тьюринг описал некую математическую машину, которую впоследствии назвали его именем. Тьюринг доказал, что любые сколь угодно сложные вычисления можно производить с помощью логических элементов всего трех типов. Прошло не так уж много времени, и придуманная машина превратилась в реальную. Причиной тому послужила Вторая мировая война. Если бы не война, возможно, люди еще не одно десятилетие считали бы на железных арифмометрах. Но потребовались сложные баллистические расчеты, прогнозы погоды, дешифровка вражеских шифров… Первое электронное вычислительное устройство называлось Colossus. Его построили британцы.

Американцы немного опоздали. Лаборатория баллистических исследований, подчинявшаяся Министерству обороны США, занималась в основном тем, что рассчитывала траектории снарядов и составляла для них корректировочные таблицы. Около сотни математиков и несколько сот «вычислителей», окончивших подготовительные курсы, не могли справиться со всем объемом работ. Это и вынудило армию обратиться за помощью в Пенсильванский университет. Через три года, когда война уже закончилась, первый математический вычислитель был готов. Он весил 30 тонн, состоял из 18 тысяч электронных ламп, потреблял 130 кВт и мог выполнять 300 операций умножения в секунду. Назывался монстр ENIAC.

Несмотря на то что вычислители были построены «по заветам» Тьюринга, их стали несправедливо называть фон-неймановскими — по имени одного из американских разработчиков. С тех пор большинство ЭВМ в мире построено по этому принципу.

Однако в 1943 году математики Мак-Каллок и Питтс опубликовали статью, в которой предложили альтернативу тьюринговской машине — вычислитель с принципиально иным типом архитектуры — нейросетевым. Идея была позаимствована у природы, то есть за основу предполагаемой конструкции математики взяли обычный мозг. Было только непонятно, как программировать такие машины. Но в конце 50-х Фрэнк Розенблатт приходит к мысли, что гипотетические нейросети незачем программировать. Их, как и биологический прототип, нужно обучать!

В 1960 году Розенблатт построил первый примитивный нейрокомпьютер, который успешно распознавал некоторые буквы. Автор назвал свое детище персептроном (от англ. perception — восприятие). В газетах появились статьи о том, что искусственный интеллект на подходе. Прошло четверть века. В 1986 году Дэвид Румельхарт придумывает перспективный метод обучения персептрона. Почуяв жареное, встрепенулись военные. В Агентстве перспективных военных исследований США решили, что нейрокомпьютеры — как раз их профиль, и деньги полились рекой. Начался нейросетевой бум…

Тут нужно, пожалуй, пояснить, чем нейрокомпьютеры (персептроны) принципиально отличаются от обычных фон-неймановских машин. Поняв это, вы поймете, чем наш мозг отличается от компьютера.

Чтобы не вдаваться в технические подробности, можно провести аналогию. Допустим, у вас есть функция Y = (7∙X + 5)/9. Как получить Y при X = 4? Четыре умножаете на семь. Затем прибавляете пять. Затем делите полученный результат на девять. Последовательность ваших действий является алгоритмом, то есть программой.

Но есть другой способ решить ту же задачу. Можно построить график этой функции. Потом взять линейку и провести вверх перпендикуляр от точки 4 на оси X. Находите точку пересечения функции и этой прямой и получаете искомый результат.

Казалось бы, какая разница между этими двумя способами?

И то и другое — математика: чтобы построить функцию, нужно раз за разом подставлять в формулу разные значения X. Почему бы сразу не подставить нужное, зачем лишний ход — функцию рисовать?…

А представьте себе ситуацию, когда у нас нет формулы, но есть график. Ну, например, нарисуйте на миллиметровке профиль своей любимой девушки. Вы замучаетесь искать функцию (точнее, целый набор функций), который описывает этот профиль. А профиль — вот он!

Так вот, процесс обучения нейросети, например воспитание человека, является своего рода построением готового графика. Ребенку формируют поведенческие стереотипы, учат, как поступать в разных ситуациях, — дают готовый график. Сталкиваясь с необычным и экстраполируя этот поведенческий график в разные стороны, ребенок понимает, как поступать в незнакомых, но схожих ситуациях.

Вашему головному нейрокомпьютеру родители сообщают готовые результаты — какое Y 1при X 1. Вы ставите в уме точку. Вам дают вторую пару чисел — X 2, Y 2, вы ставите вторую точку… Если у вас много-много точек, вы размещаете их в системе координат, соединяете ближайшие, и таким образом у вас оформляется замечательная кривая поведения. Теперь вы можете по любому X выявить Y, не зная никаких формул. Просто бросив взгляд на рисунок.

Интуиция, между прочим, работает так же. Нейросеть у нас в голове обобщает опыт, массив знаний, строит график и по нему выдает готовый результат. Выдает, порой даже минуя сознание; ответ всплывает будто бы ниоткуда, а на самом деле — из подкорковых глубин. Об интуиции мы еще поговорим чуть ниже, а пока нужно разобраться, чем нейросети прогрессивнее тьюринговых (фон-неймановских) машин.

Для работы с машиной Тьюринга всякую задачу нужно формализовать (силуэт любимой превратить в набор функций: прямой нос будет описан линейной функцией, а округлый лоб — гиперболой и так далее). При этом если с винчестером фон-неймановской машины случится какая-нибудь неприятность и хотя бы одна из формул будет повреждена, неверным окажется и конечный результат. В фон-неймановской машине ошибка фатальна.

А вот для графика потеря части данных не играет решающей роли. Если вы нарисовали профиль любимой карандашом и потом какой-то подлец стер резинкой у нее нос или часть лба, вы всегда можете восстановить утраченное, продолжив оставшиеся линии. Так работает природная нейросеть — мозг. По тому же пути идут и ученые. Сейчас они обучают нейросети не только искать закономерности в массивах данных, но и формируют в них ассоциативную память! В нейрокомпьютере каждому слову отводится свое персональное «место». Если слова относятся к одной теме, они близко расположены друг к другу. И компьютер, при задании ему какого-нибудь слова, ассоциативно «вспоминает» слова, ближайшие по смыслу к данному, и таким образом генерирует ассоциации. Это еще один шаг на пути к «нормальному мышлению».