Коллектив авторов - На что похоже будущее? Даже ученые не могут предсказать… или могут?

Не исключено, что в какой-то момент у нас появятся кибершерифы, которые будут наводить порядок в не подчиняющихся никаким законам сегментах интернета, или даже кибердружинники, которые будут следить за порядком и соблюдением закона. В этом нет ничего нового, за исключением одного обстоятельства: сейчас все равны перед законом, включая правоохранительные органы, поэтому, переступив черту, они несут такую же ответственность, как и все остальные. История показывает, что использование отрядов добровольцев для обеспечения порядка в условиях абсолютного беззакония может обернуться ситуацией, когда лечение хуже болезни.

Таким образом, мы оказываемся перед любопытной дилеммой: хотим ли мы, чтобы нашу безопасность обеспечивал максимально прямолинейный ИИ, или же мы готовы довериться кибермаршалам, которые неизбежно будут допускать ошибки, как это свойственно людям. Простых путей обеспечения безопасности киберпространства в будущем не существует. Единственное, что можно утверждать с уверенностью, — это то, что преступники будут везде, куда не дотянутся правоохранительные органы, и мы все вместе должны решить, хотим ли сами заботиться о своей безопасности или же мы желаем, чтобы нашу безопасность оберегал кто-то другой либо что-то другое. Кто это будет, Горт (робот-миротворец из фильма «День, когда остановилась Земля») или Уайетт Эрп [9] Знаменитый страж закона времен освоения Дикого Запада. — Прим. пер. , решать только вам.

Маргарет Боден.

Непросто перечислить, где будет искусственный интеллект в будущем. Но просто сказать, где его не будет: под лежачим камнем. Он будет вездесущ как святой дух.

ИИ уже активно используется во многих сферах жизни общества. Он направляет каждый наш поисковый запрос в интернете, он в самом сердце любого программного приложения. Без него не обходится ни система GPS, ни видеоигры, ни голливудские мультфильмы, ни один современный банк, ни страховая компания, ни больница. Ну и конечно, он во всяких умных часах и беспилотных автомобилях.

В будущем он будет повсюду: в судах, офисах, домах престарелых… и даже в кабинете консультанта по вопросам семьи и брака. У марсоходов появится множество собратьев, которых задействуют на складах. ИВ свяжет носимые устройства (отслеживающие наше местоположение, уровень активности и артериальное давление) со множеством гаджетов в наших домах, офисах, ресторанах, а также на улицах городов. За нами будет следить не один «Большой брат», а, скорее, армия из триллионов маленьких «братьев», непрерывно взаимодействующих друг с другом.

Ждать осталось совсем недолго. На самом деле большинство этих предсказаний уже становится реальностью. В ближайшие несколько десятилетий наша жизнь будет зависеть от бесчисленного количества таких устройств. В развитых странах люди не смогут без них обходиться. И развивающиеся страны эта тенденция также вряд ли обойдет стороной: в условиях, когда расстояние до ближайшей больницы или агронома исчисляется многими километрами, ИИ даст людям консультацию по медицинскому или сельскохозяйственному вопросу.

В основе всех этих возможностей лежит не так давно разработанная технология машинного обучения с использованием больших данных — огромных массивов информации, анализ которых позволяет выявлять закономерности и тенденции в поведении людей. Теоретическая база этой технологии ИИ, получившей название «глубокое обучение», существует уже более четверти столетия, но реализовать ее на практике не удавалось из-за недостатка вычислительных ресурсов. Однако за последние несколько лет быстродействие компьютеров и емкость их накопителей выросли настолько, что современные компьютеры, способные выполнять миллион миллиардов математических операций в секунду, стали учиться на данных из гигантских датацентров, хранящих информацию о миллиардах предметов.

Методы машинного обучения этого рода позволяют обнаружить закономерности и тенденции на самом разном уровне детализации в огромных наборах. Это могут быть, например, данные о местонахождении и скорости в текущий момент времени всех легковых и грузовых автомобилей города и состояние всех светофоров на его улицах. Или это могут быть медицинские данные из любой региональной или федеральной больницы, содержащие информацию обо всех его пациентах, их болезнях, дозах принимаемых препаратов и результатах лечения.

Эти интеллектуальные системы не программируются в обычном смысле слова, то есть в них не загружается программа, которая указывает им, что они должны сделать сначала, а что — потом. Вместо этого у них многослойные нейронные сети, и выходные данные одного слоя используются в качестве входных другим слоем. В каждом слое содержатся многие тысячи узлов, и информация от каждого узла одного слоя передается каждому узлу другого так, чтобы эта сеть в результате пришла в состояние, отражающее некую устойчивую закономерность, которая присутствует в данных. Часто эти закономерности новы и неожиданны — даже для тех людей, которые пользуются такими системами.

В 2016 г. приложение на основе этой технологии (разработанное компанией Google DeepMind) научилось играть в го и достигло такого уровня мастерства, что смогло одержать победу над чемпионом мира — а это задача намного более трудная, чем победа над чемпионом мира по шахматам (одержанная в 1997 г. суперкомпьютером Deep Blue компании IBM). Но, какой бы впечатляющей ни была демонстрация возможностей новой технологии, это была всего лишь игра, не имеющая никакого практического применения. Впрочем, глубокое обучение уже используется государственными органами и крупными компаниями, располагающими большим количеством ресурсов. По мере удешевления технология будет становиться все более доступной, что в конечном итоге приведет к ее проникновению во все сферы общества.

Наверное, вы подумали: «Сегодня го, завтра — все, что только пожелаешь!» В действительности это не совсем так. Современные системы обучения обладают колоссальными возможностями, но мы не до конца понимаем, как ими воспользоваться. Говоря языком специалистов, мы имеем дело с «черными ящиками», то есть системами, входные и выходные данные которых мы способны оценить, но вот внутренние механизмы их работы нам пока неизвестны. Их архитекторы и разработчики не знают, как они на самом деле работают, а значит, не могут точно спрогнозировать, что будет с ними в ближайшем будущем. Разумеется, разработчики прекрасно осознают эту проблему и прикладывают колоссальные усилия, требующие огромных бюджетов, для ее решения. Но никто не знает, когда эти «черные ящики» наконец-то станут — и станут ли вообще — «серыми» (под этим термином я понимаю состояние отрасли, при котором мы будем точно понимать, как такие системы делают то, что они делают). Возможно, этой мечте не суждено сбыться.