Гарри Каспаров - Человек и компьютер: Взгляд в будущее

Мои пути с Deep Thought пересеклись еще раз весной 1991 года на компьютерной выставке в Ганновере. Состав команды Deep Thought частично сменился в процессе преобразования их детища в крупнейший проект IBM. Но Сюй Фэнсюн и Мюррей Кэмпбелл оставались лидерами команды, и оба приехали в Ганновер. Deep Thought пригласили выступить в самом сильном соревновании из всех, где доводилось играть машинам до того момента. Это был круговой турнир с участием семи немецких игроков — шести гроссмейстеров и одного крепкого международного мастера; их средний рейтинг составлял 2514 пунктов.

Получив доступ к колоссальным ресурсам IBM, Сюй Фэнсюн продолжал совершенствовать машину своей мечты, пытаясь внедрить в нее сверхбольшую интегральную микросхему (СБИС) с тысячами элементов на одном кристалле, но он еще не достиг цели. Тем не менее Deep Thought была сильнейшей машиной в мире, и, судя по ее предыдущим успехам, можно было ожидать, что в Ганновере она будет претендовать на высокое место. Но, как ни странно, она финишировала на 7-м, предпоследнем месте, одержав две победы при одной ничьей и четырех поражениях. Вину за два проигрыша команда возложила на ошибки в дебютной книге (регулярно всплывающая тема), однако в целом игру Deep Thought в Ганновере нельзя было назвать сильной.

Мой друг Фредерик Фридель, который был одним из организаторов этого турнира, предложил мне более интересное испытание. Он показал тексты партий первых пяти туров и предложил угадать, какие из этих партий были сыграны Deep Thought. Это был своеобразный вариант теста Тьюринга — посмотреть, сможет ли компьютер выдать себя за гроссмейстера. Мне удалось правильно указать две партии и еще в одном туре сузить выбор до двух партий, но один раз я ошибся — так что три из пяти компьютерных партий прошли тест Тьюринга. Для меня это было более убедительным показателем прогресса шахматного компьютера, чем результаты турнира. В некоторых партиях Deep Thought следовал привычной модели: ужасная стратегическая игра и неподобающая жадность к материалу, компенсируемые поразительным тактическим мастерством. Но другие партии были похожи на настоящие шахматы, даже если и не дотягивали до уровня чемпиона мира.

Я был заинтересован еще и потому, что не сомневался: вскоре баланс сил изменится и примерно через десять лет компьютеры станут достаточно сильными для того, чтобы победить меня. Но смогут ли они проницательно анализировать человеческую игру? Я потратил много времени на изучение сильных и уязвимых сторон моих соперников, хотя отдавал себе отчет в том, что вижу их сквозь призму собственных предпочтений и слабостей. Машины же предельно объективны. Шахматные программы уже показали свою полезность как вспомогательные инструменты для анализа партий, пусть даже они могли находить только грубые тактические ошибки. Но когда они станут достаточно сильными, думал я, возможно, они будут способны выявлять даже самые незначительные изъяны в моей игре и в игре моих соперников.

Эта идея так и не получила развития, отчасти из-за ограниченного потенциального рынка для таких программ. Всего несколько сотен шахматистов в мире достаточно регулярно играют с одними и теми же соперниками, чтобы им требовалась специальная подготовка. В конечном итоге в программу ChessBase были добавлены некоторые полезные функции, такие как автоматическое формирование профилей игроков, включая их любимые дебюты и избранные партии. Но эти функции скорее позволяли сэкономить время, чем были настоящими аналитическими инструментами. Они не были достаточно продвинутыми для того, чтобы указать на особенности, присущие данному шахматисту: например, «часто делает ошибки, когда его король находится под шахом» или «любит разменивать ферзей, играя черными». Кроме того, мысль о возможности подвергнуться такому глубокому анализу вызывала дискомфорт у некоторых игроков, хотя все их партии находились в открытом доступе. Я же был не против узнать, что машина скажет обо мне и моих партиях.

Меня также интересовало, что нового может привнести основанный на базовых данных компьютерный анализ человеческого поведения в такой области, как психология, и в частности, процесс принятия решений. Понятно, что вряд ли кто-то захочет добровольно передавать третьей стороне все свои тексты, электронные письма, сообщения в социальных медиа, историю поисковых запросов, историю покупок и все остальные составляющие цифрового следа, который мы создаем почти ежечасно. Но различные приложения и сервисы, хорошо это или плохо, уже имеют доступ ко всей подобной информации, и я уверен, что достаточное количество данных и грамотные аналитические инструменты позволили бы выявлять множество интересных корреляций, возможно, даже диагностировать такие вещи, как депрессия или ранние признаки деменции.

У Facebook есть средство для предотвращения самоубийств: пользователи могут отметить публикации, в которых высказываются мысли о суициде, и автору поста может быть предложена помощь. Фитнес-трекеры отслеживают все показатели работы вашего организма — от режима сна и сердечного ритма до количества сожженных калорий. Компании Google, Facebook и Amazon, вероятно, знают о вас больше, чем вы сами, но люди зачастую начинают нервничать, когда результаты анализа этих данных оказываются обнародованы, особенно если в публикации раскрывается неприятная правда.

Естественно, каждый раз, когда появляется доступ к таким персональным данным, возникает бесчисленное множество вопросов, связанных с защитой конфиденциальности, и достижение компромиссов в этой области будет оставаться одним из главных полей сражений в ходе революции ИИ. Я хотел бы узнать, что скажет машина о моей игре в шахматы, моем психическом и физическом здоровье, но хотел бы я, чтобы об этом узнал кто-то еще? Возможно, вы не станете возражать, если о вашем психическом и физическом здоровье узнают члены вашей семьи и лечащий врач, но как насчет вашего работодателя или страховой компании? В некоторых компаниях обзор социальных медиа уже стал стандартной процедурой процесса найма. Антидискриминационные законы в США запрещают спрашивать у кандидатов на рабочее место об их возрасте, поле, расе и состоянии здоровья, но алгоритмы анализа соцсетей могут выяснить это за доли секунды и, кроме того, сделать очень точные предположения о сексуальных предпочтениях, политических взглядах и уровне дохода.

История показывает, что стремление к комфорту в конечном итоге побеждает абстрактное желание конфиденциальности. Нам нравится делиться личной информацией в социальных сетях. Мы любим, когда алгоритмы Netflix и Amazon рекомендуют нам книги и музыку. Мы не откажемся от GPS-навигаторов, даже если их использование означает, что десятки частных компаний знают о вашем местонахождении практически в любой момент времени — и к этой информации могут получить доступ государственные органы и суды. Когда Gmail запустила сервис рекламных объявлений, основанный на сканировании содержания электронных писем, это вызвало всплеск общественного негодования, но он продолжался недолго. Это всего лишь алгоритм, к тому же от рекламы все равно никуда не деться — так не лучше ли видеть рекламные объявления, которые могут вас заинтересовать?