Сергей Шумский - Воспитание машин. Новая история разума

Современный научно обоснованный вариант трех законов робототехники предложен Стюартом Расселом [104], а именно:

1. Единственная цель роботов – максимизировать пользу, оказываемую ими людям.

2. Первоначально роботы не знают, в чем именно эта польза заключается.

3. Роботы обучаются пониманию полезности в процессе общения с людьми.

Как видим, эти законы основаны на формировании у роботов человеческой системы ценностей методом обучения с подкреплением, когда их поведение постоянно оценивается людьми, как это и подразумевается в описанной выше операционной системе роботов.

В отличие от законов Азимова, в этой трактовке у роботов никогда не появляется уверенности в том, что они действительно правильно понимают пользу своих действий, а есть постоянное стремление улучшать свое текущее понимание ценностей и желаний людей, с которыми они взаимодействуют. Эти ценности не программируются, а воспитываются, подобно тому как это происходит у нас, и по этой же причине ценности роботов оказываются теми же самыми ценностями, что и у людей, с тем отличием, что человеческие ценности для роботов оказываются выше их собственных нужд, поскольку инстинкт самосохранения в них намеренно не закладывается.

Итак, если ранее мы лишь обозначили современный вектор развития ИИ в направлении формирования сильного ИИ, то в этой главе предложили конкретную исследовательскую программу по его созданию. Мы определили методологию разработки – обратную инженерию архитектуры мозга – и сформулировали ее цель: создание искусственной психики в качестве будущей операционной системы роботов и программных агентов. В следующей главе мы попытаемся заглянуть в будущее – как мы представляем себе переход цивилизации на новый цифровой технологический уклад, основанный во многом на технологиях ИИ.

Напомним, что в нашем понимании искусственный интеллект является замыкающей технологией цифрового технологического пакета, с появлением которой начинается лавинообразный переход на новый технологический уклад. Эволюция цифровых технологий за последние 75 лет была лишь прелюдией, развитием отдельных островков цифровой экономики. Появление ИИ знаменует собой фазовый переход, слияние этих отдельных островков в единый цифровой континент, в котором будут постепенно «усыхать» озера старого уклада. Переход объясняется тем, что ИИ снимает ограничение на скорость роста знаний у машин при переходе от ручного программирования к автоматическому порождению программ самими машинами за счет машинного обучения.

На рис. 18a и 18b показаны ключевые характеристики человеческого и машинного мышления – вычислительная мощность и количество знаний. Из них следует, что в 2010-х годах вычислительные мощности компьютеров уже превзошли человеческие, но объем знаний в головах людей по-прежнему на порядки превышает объем созданного до сих пор компьютерного кода. Однако с появлением машинного обучения скорость набора знаний машинами кардинально увеличивается, и в какой-то момент машинные знания неизбежно превзойдут человеческие.

Соответственно, мы можем разделить будущее на три этапа:

● доминирование людей, пока объем наших знаний намного превышает машинные знания;

● человеко-машинная цивилизация, когда вклад людей и машин сопоставим между собой;

● доминирование машин, когда объем знаний машин намного превышает человеческие знания.

Конкретные временные рамки для каждого из этих этапов нам, естественно, неизвестны, так что мы обозначим лишь их примерные ориентиры. Прежде всего, если компьютерные мощности будут полностью загружены обучением, притом что они суммарно превосходят человеческие, то достижение машинным интеллектом человеческого уровня займет меньше времени, чем одно поколение людей. Действительно, согласно опросам множества экспертов в области ИИ, медианный прогноз даты создания ИИ человеческого уровня – 2040 год, а формирования ИИ сверхчеловеческого уровня – 2060-й [105] Urban T. The AI Revolution: Our Immortality or Extinction ( https://waitbutwhy.com/2015/01/artificial-intelligence-revolution-2.html ). .

Возьмем эти даты в качестве некоторого ориентира, памятуя про известный со времен Фрэнсиса Гальтона принцип «мудрости толпы» [106].

Но прежде всего мы должны выяснить, достаточно ли у человечества запасов базового ресурса цифровой экономики и не является ли известное замедление действия закона Мура в последние годы препятствием на пути к сверхчеловеческому разуму.

До сих пор движущей силой цифровой революции был экспоненциальный рост вычислительных мощностей – закон Мура в широком понимании. Да, уменьшение размеров транзисторов (закон Мура в узком понимании) уже практически достигло своих физических пределов, и тактовые частоты процессоров давно не растут. Но ведь в эпоху сетевых вычислений по большому счету важна не производительность отдельного процессора, а суммарная вычислительная мощность всех процессоров. И основным ограничительным фактором для нее оказывается суммарная мощность электроэнергии, потребляемая вычислениями. Потому что энергетика – это не цифровая отрасль и она не может расти со скоростью, соответствующей закону Мура. Если суммарная вычислительная мощность CPU удваивается за полтора года [107] На самом деле основные вычислительные мощности сосредоточены в специализированных процессорах GPU, TPU и ASIC и удваиваются каждые 12 месяцев (см.: https://en.wikipedia.org/wiki/Technological_singularity ). , то производство энергии – за 30 лет. Как говорится, почувствуйте разницу!

Итак, основным ограничивающим фактором роста вычислительных мощностей – основы цифрового уклада – является энергия. Сегодня на вычисления тратится примерно 10 11Вт – около 5 % всей электроэнергии [108]. Эту долю, вероятно, еще можно нарастить, но не на порядки. Так что основным резервом для роста вычислительных мощностей остается повышение энергоэффективности вычислений, которая на протяжении десятилетий удваивалась каждые полтора года, то есть за 5 лет увеличивалась в 10 раз [109] Koomey J., Naffziger S. (2016) Energy Efficiency of Computing: What’s next. Electronic Design 28 Nov. ( https://www.electronicdesign.com/technologies/microprocessors/article/21802037/energy-efficiency-of-computing-whats-next ). . С таким темпом вычислительные мощности могут расти еще лет 40 до достижения физического предела энергоэффективности (предел Ландауэра: kТ/ бит, где Т – абсолютная температура, а k – постоянная Больцмана, или 3 × 10 –21Дж/бит при комнатной температуре).