Сандра Блейксли - Об интеллекте

Реплицируемость

Каждый новый органический мозг растет и обучается на протяжении десятилетий человеческой жизни. Каждый человек на собственном опыте познает основы координации конечностей и мышечных групп, осваивает азы и передвижения, изучает общие свойства множества объектов окружающей среды, животных, других людей, названия предметов и структур речи, семейные и общественные правила. Как только основа заложена, начинаются годы формального обучения. Каждый человек в течении своей жизни проходит множество кругов обучения. Несмотря на то что путь этот несметное количество раз повторялся другими людьми, модель мира в коре головного мозга каждого из нас создается в индивидуальном порядке.

Разумным машинам нет необходимости проходить подобную спиралевидную кривую обучения, поскольку чипы и другие единицы хранения информации можно реплицировать бесконечно, а сохраненные данные – копировать. В этом отношении разумные машины подлежат такой же репликации, как и программное обеспечение. Как только прототип системы достаточно обучен, его можно скопировать столько раз, сколько нам потребуется. Процессы разработки дизайна, настройки системного обеспечения, обучения, испытания и выявления ошибок с тем, чтобы усовершенствовать систему памяти умной машины, могут длиться годами. Но, как только мы получим конечный продукт, его можно будет запускать в массовое производство. Как я уже отмечал, мы сможем обеспечить возможность последующего обучения для копий или обойтись без таковой. Для некоторых приложений мы захотим ограничить возможности с тем, чтобы разумные машины работали известным и испытанным нами способом. Как только «умный» автомобиль усвоит все, что ему положено «знать», мы примем меры, чтобы у него не образовались плохие привычки или не закрепились самостоятельно найденные ложные аналогии. Мы захотим, чтобы все машины подобного строения вели себя одинаково. Но вот для других приложений может оказаться целесообразной возможность постоянного обучения мозгоподобных систем памяти. Например, разумной машине, созданной для того, чтобы искать математические доказательства, понадобится способность обучаться на основе опыта, применять старые решения для новых проблем, ей желательно быть универсально гибкой и открытой.

Возможным станет общее использование компонентов, как сейчас общедоступны программные продукты. Разумная машина определенного дизайна может быть перепрограммирована набором новых связей с тем, чтобы генерировать новое поведение (вот, например, если бы я смог загрузить новый набор связей в ваш мозг, моментально превратив вас из человека, разговаривающего на английском, в человека, знающего только французский, или из профессора политологии в музыковеда). Люди получили бы возможность «переключаться» и осуществлять новые наработки на основе чужого опыта. Допустим, что я разработал и внедрил в жизнь суперсистему зрительного восприятия, а другой человек разработал и обучил систему с превосходными способностями слухового восприятия. При надлежащем дизайне мы смогли бы объединить обе системы без необходимости повторного обучения с самого начала. Такого рода объединение экспертных знаний не представляется возможным для человека – у каждого из нас свой путь. Бизнес создания разумных машин смог бы развиваться по аналогии с компьютерной индустрией, в таком случае перепрограммирование разумных машин не слишком отличалось бы от разработок новых версий видеоигр или инсталляции новой программы.

Люди познают мир посредством органов чувств. Ощущения, которые мы испытываем, обусловлены генами, строением наших тел и соединениями под корой головного мозга. Мы не можем изменить их. Иногда мы используем технологические достижения, позволяющие сделать наши ощущения более острыми. Например, приборы ночного видения, радары и космические телескопы представляют собой устройства, оптимизирующие передачу данных, но не обеспечивающие нам новых способов восприятия. Они конвертируют информацию, недоступную для нас в ее первозданном виде, в визуальные или звуковые сигналы, поддающиеся нашему восприятию. И все равно, в том, что мы можем взглянуть на экран радара и идентифицировать изображение, заслуга невероятной гибкости нашего мозга.

Многие виды животных обладают поразительными ощущениями, совершенно несвойственными человеку. В качестве примеров можно привести эхолокатор у дельфинов и летающих мышей, способность пчел видеть поляризованное и ультрафиолетовое излучения, восприятие электрического поля некоторыми видами рыб.

Разумные машины смогли бы воспринимать мир посредством всех видов ощущений, существующих в природе, а также изобретенных человеком. Данные об окружающей среде, получаемые с помощью гидролокатора, радара и приборов ультрафиолетового видения, являются очевидными примерами несвойственных человеку ощущений, которые мы, возможно, хотели бы воссоздать в разумной машине. И это всего лишь начало.

Намного более интересными являются способы восприятия, которые нам неизвестны и чужды. Как мы уже выяснили, алгоритм коры головного мозга в первую очередь сосредоточен на поиске сигналов внешнего мира. У него нет никаких приоритетов относительно физических истоков этих сигналов. Если входные сигналы не носят произвольный характер и обладают определенным богатством, а также статистической структурой, разумная машина будет формировать систему воспоминаний о них и прогнозы на их основе. Не существует причин, по которым входные сигналы должны иметь аналогию с физическими ощущениями или вообще иметь что-либо общее с реальным миром. Я полагаю, что именно в сфере экзотических ощущений скрыты перспективы революционного применения разумных машин.

Например, вообразите сенсорную систему, покрывающую планету. Представьте себе сенсоры, расположенные на расстоянии каждых пятидесяти миль по всем континентам. Эти сенсоры имитировали бы клетки сетчатки глаза. Каждое мгновение два смежных сенсора погоды имели бы высокую корреляцию активности, подобно высокой корреляции двух смежных клеток сетчатки. Существуют крупные погодные явления – например, штормы и фронтальные циклоны, – которые передвигаются в пространстве и меняются со временем точно так же, как и все объекты, которые меняются и перемещаются. Привязав этот сенсорный ряд к системе памяти, работающей по принципу коры головного мозга, мы бы обучили указанную систему прогнозировать погоду, подобно тому, как люди учатся распознавать объекты окружающей среды и прогнозировать траекторию их передвижения. Такая система предсказывала бы погодные условия на ближайшее время, а также формировала бы долгосрочные метеопрогнозы. Разместив сенсоры рядом друг с другом в какой-то области, мы бы создали своеобразный эквивалент ямки глаза, которая позволяла бы нашей системе понимать и прогнозировать микроклимат. Наш «погодный мозг» размышлял и понимал бы глобальные погодные системы точно так же, как мы с вами понимаем объекты и людей. Метеорологи пытаются создать нечто подобное в наши дни. На основе данных, собранных в разных частях Земли, используя сверхмощные компьютеры, ученые симулируют текущие погодные условия и прогнозируют будущие. Однако данный подход фундаментально отличается от принципов работы разумных машин. Он больше сродни компьютеру, играющему в шахматы, а разумная система, сконструированная по принципам работы неокортекса, скорее, напоминает человека, играющего в шахматы. Она делает это вдумчиво и с пониманием. Разумная машина-"синоптик" учла бы те сигналы, которых человек распознать не может. Она смогла бы распознать множество новых погодных феноменов (скажем, такое погодное явление, как ураганы Эль-Ниньйо было открыто лишь в шестидесятых годах XX века). Она бы прогнозировала появление торнадо и муссонов намного точнее, чем человек. Человеку не под силу сохранять в памяти и анализировать множество метеоданных искусственный интеллект компьютера-"синоптика", напротив, был бы способен ощущать и воспринимать погодные условия непосредственно.