Сергей Шумский - Воспитание машин. Новая история разума

Дискуссия разгорелась в основном вокруг термина « интеллект» , который лежит на перекрестье многих наук – философии, психологии, нейрофизиологии и, естественно, машинного интеллекта. Первоначальная идея разработчиков последнего состояла в дополнении исторически сложившихся подходов к интеллекту новыми идеями из недавно возникших компьютерных наук. Норберт Винер в конце 1940-х предложил использовать кибернетику как науку об общих принципах управления и самоорганизации в живых и технических системах. Участники Дартмутского семинара 1956 года, на котором, собственно, и родился термин «искусственный интеллект», попытались поднять эту планку еще выше – создать искусственный разум. Общим в обоих подходах было стремление строить действующие модели, следуя принципу «понять – значит воссоздать».

Пионеры ИИ, как выяснилось, явно переоценили возможности тогдашней науки по моделированию «алгоритмов разума». У них не хватало ни теоретических представлений о том, как эти алгоритмы могут быть устроены, ни эмпирических знаний о реальных механизмах работы мозга. Это привело, как мы помним, к краху завышенных ожиданий, снижению первоначальной планки и переориентации исследований на слабый ИИ. Однако с тех пор ситуация качественно изменилась и в области алгоритмов, и в науках о мозге. Так что, возможно, пришла пора вновь переосмыслить исследовательскую программу когнитивных наук и ИИ-сообщества.

В науках о мозге прогресс был связан с появлением новых экспериментальных методик, позволивших заглянуть внутрь живого мозга: функциональной магнитно-резонансной томографии, оптико-генетических методов и многих других. Накоплен огромный массив эмпирических данных о том, что и когда происходит в мозге. При этом явно ощущается дефицит идей, обобщающих эти данные на уровне алгоритмов работы мозга и его вычислительной архитектуры [76]. По крайней мере, реалистичной действующей модели психики до сих пор так и не создано, несмотря на многолетние исследования в этом направлении [77]. Это и значит, что у нас до сих пор нет целостного понимания того, как мозг работает.

В области «алгоритмов разума» мы наблюдаем начавшуюся в 2010-х годах революцию глубокого обучения, в ходе которой впервые удалось с помощью универсального метода градиентного обучения искусственных нейросетей решать многие классы когнитивных задач не хуже человека. В ИИ-сообществе по этому поводу в последние годы наблюдается некоторая эйфория и возрождается осторожный оптимизм по поводу реальности разработки сильного ИИ. Многие лидеры революции глубокого обучения ставят перед собой эту цель (DeepMind, OpenAI и другие). При этом, по крайней мере на словах, признается, что какие-то идеи они надеются почерпнуть из наук о мозге [78]. Однако по сложившейся традиции накопленный массив знаний о мозге используется в прикладном ИИ в минимальной степени.

Таким образом, наукам о мозге не хватает объединяющей накопленный эмпирический материал модели человеческой психики, а разработчикам ИИ недостает идей о том, как может быть устроена искусственная психика. Налицо предпосылки для налаживания их более тесного взаимодействия [79].

Существующие глубокие нейросети можно рассматривать как подсистемы искусственной психики, которые можно обучить решению множества самых разных задач, но только по одной, а не всех сразу. Если обученную нейросеть начать обучать новой задаче, она будет забывать старые навыки, поскольку разные задачи решаются разными наборами одних и тех же настроечных параметров нейросети. Это известная проблема «катастрофического забывания» в нейросетях, отличающая слабый интеллект от сильного. Настоящий интеллект должен уметь накапливать знания и приобретать новые навыки, не забывая старые. А для этого нужно объединить множество нейросетей в единую искусственную психику со своей архитектурой, определяющей роли и взаимодействие своих подсистем.

Наделение интеллекта психикой связано еще и с тем, что, как выяснилось в ходе упомянутой выше дискуссии, большинство ведущих специалистов в области ИИ согласны с мнением, что родовым свойством интеллекта является способность к самостоятельному решению как можно более широкого круга задач. Сформулировать идею можно по-разному. Интеллект – это [80]:

● способность порождать новые алгоритмы для сколь угодно широкого круга задач;

● умение добиваться своих целей в постоянно меняющихся условиях внешней среды;

● способность решать неограниченный круг задач при ограниченных ресурсах;

● способность к целенаправленному адаптивному поведению, и т. д.

Все эти определения тесно связаны между собой, подчеркивая разные стороны одного и того же свойства интеллекта: его субъектность, самостоятельность и креативность в рамках так называемого агентского подхода [81] Russell Stuart J., Norvig P. (2009) Artificial Intelligence: A Modern Approach. Englewood Cliffs: Prentice Hall. .

При этом большинство исследователей ограничивают интеллект рамками индивидуальной психики агента. Мы, однако, считаем, что индивидуальное мышление, по крайней мере в случае человека, невозможно объяснить вне рамок коллективного мышления человечества. Человеческий разум – это не продукт индивидуального мышления, а результат развития человеческой культуры. Усложнение нашего разума есть результат постоянного углубления системы общественного разделения труда, в результате чего интеллект человека, воспитанного людьми, качественно отличается от интеллекта Маугли, воспитанного волками, при одинаковом устройстве мозга. Таким образом, связь между мозгом и разумом опосредована процессом воспитания.

Соответственно, далее мы будем придерживаться следующих определений:

● интеллект – это алгоритм обучения целенаправленному поведению агента;

● разум – это алгоритм обучения целесообразному коллективному поведению агентов.

Тем самым мы различаем индивидуальный интеллект и коллективный разум. Оба представляют собой обучающиеся адаптивные системы, но их целевые функции и алгоритмы обучения разные.

Заметим также, что от разумных агентов мы ожидаем постоянного накопления опыта в процессе обучения. Именно способностью к обучению решению все новых задач, то есть к усложнению своего поведения, разумные агенты отличаются от простых адаптивных физических систем с обратными связями типа, например, термостата. Даже сколь угодно сложные экспертные системы не обладают интеллектом в нашем понимании, если в них не заложена способность к обучению, – они являются лишь очень продвинутой формой справочника.

Этим определениям, однако, не хватает одного важного свойства – количественного измерения уровня интеллекта. Понятно ведь, что уровни интеллекта человека и шимпанзе существенно различаются, да и люди, как известно, обладают разными IQ. В этой связи очень интересно решение, предложенное Франсуа Шолле из Google, создателем известной библиотеки Keras. Интеллект он определяет как способность к эффективному обучению и предлагает измерять его как КПД конверсии получаемой из внешней среды информации в знания о том, как достигать своих целей [82]. В наших обозначениях: