«Механический турок» компании Amazon делает нечто подобное. Он «прячет» людей внутри программного обеспечения, используя их для выполнения задач, решение которых пока дается компьютерам с трудом. Допустим, программист пишет приложение, которое включает в качестве одного из шагов определение зданий на цифровых фотографиях. Эта работа ставит в тупик современные компьютеры, но легко выполняется людьми. Сервис «Механический турок» дает программисту возможность написать несколько простых строк кода, чтобы задействовать необходимые интеллектуальные мощности. В назначенной точке исполнения программы запрос на выполнение «человеческой задачи» автоматически размещается на сайте сервиса «Механический турок», где люди соревнуются в выполнении этой задачи за плату, установленную программистом.
Как объясняет на своем сайте компания Amazon, сервис «Механический турок» переворачивает с ног на голову обычные отношения между компьютерами и людьми: «Когда мы думаем о взаимодействии между человеком и компьютером, то обычно предполагаем, что человек ставит задачу, а компьютер решает ее и выдает результаты. Что если бы этот процесс был “перевернут” и компьютерная программа могла попросить человека выполнить задачу и предоставить результаты?» Именно это и делает «Механический турок». Этот сервис превращает действия и суждения людей в функции программы. При этом получается, что не машина работает на нас, а мы работаем на машину.
Мы неосознанно играем аналогичную роль, прибегая к поисковой системе Google. В основе этой системы находится алгоритм ссылочного ранжирования PageRank, который Брин и Пейдж создали, будучи аспирантами Стэнфордского университета, в 1990 году. Они считали, что каждый раз, когда человек переходит по ссылке с одного сайта на другой, он выражает суждение. Таким способом он заявляет, что считает другой сайт важным. Кроме того, они осознали, что каждая ссылка во Всемирной паутине содержит небольшую часть человеческого интеллекта, а все ссылки вместе взятые обладают интеллектом, который значительно превышает разум отдельного человека. Поисковая система Google отслеживает ссылку за ссылкой для определения важности всех веб-страниц. Чем больше ссылок ведет на сайт, тем больше его ценность. Как говорит Джон Маркофф, программное обеспечение Google «систематически использует человеческие знания и суждения о том, что имеет значение». Каждый раз, когда мы пишем ссылку или щелкаем по ней, мы делимся частью своего интеллекта с системой Google. Мы делаем машину немного умнее, а Брина, Пейджа и акционеров компании Google – немного богаче.
Примеры сервиса «Механический турок» и поисковой системы Google показывают, как человеческий разум сливается с искусственным разумом Всемирного компьютера. В обоих случаях люди подчиняются машинам. В случае «Механического турка» мы становимся частью программы, выполняя небольшую функцию, не осознавая общей цели – так же, как чернорабочие – винтики длинных сборочных линий. В случае с поисковой системой Google наш вклад осуществляется бессознательно. Брин и Пейдж запрограммировали свою машину так, чтобы она собирала крошки интеллекта, оставляемые нами в интернете в процессе повседневной деятельности.
По мере роста вычислительного облака и развития сферы повсеместных вычислений мы будем вкладывать в это облако все больше своих интеллектуальных мощностей. Спутники глобального позиционирования и крошечные радиопередатчики дают возможность отслеживать наши движения в реальном мире так же точно, как сегодня отслеживает наши передвижения по ссылкам виртуального мира. С увеличением количества коммерческих и социальных операций, совершаемых через интернет, многие другие виды данных будут собираться, храниться, анализироваться и становиться доступными для программного обеспечения. Всемирный компьютер станет гораздо умнее. Другими словами, передача наших интеллектуальных мощностей машине произойдет вне зависимости от того, позволим мы внедрить в наши черепа чипы и розетки или нет.
Ученые в области компьютерных наук сейчас занимаются созданием нового языка для интернета, который обещает сделать его гораздо более сложным средством для выражения и обмена интеллектуальными мощностями. Создавая веб-страницы, сегодня программисты располагают ограниченными возможностями использования кодов или тегов для описания текста, изображений и другого контента. Традиционный язык разметки гипертекста, или HTML, концентрируется на простых командах форматирования, например на создании инструкции для браузера, чтобы он выделил строку текста курсивом или поместил ее в центр страницы. Новый язык позволит программистам пойти гораздо дальше. Они смогут использовать теги для описания значения таких объектов, как слова и изображения, а также связи между различными объектами. Так, например, имя человека будет нести в себе информацию о его адресе, профессии, предпочтениях и отношениях с другими людьми, а название продукта – содержать теги, описывающие его цену, наличие, производителя, а также совместимость с другими продуктами.
Этот новый язык, как считают инженеры по программному обеспечению, сделает возможной гораздо более умную «беседу» между компьютерами в интернете. Он превратит Всемирную паутину информации во Всемирную паутину смысла – так называемую семантическую паутину. Разработчик языка HTML Тим Бернерс-Ли – инициатор развития альтернативного языка. В 2006 году в своей речи перед участниками Международной конференции World Wide Web в Шотландии он сказал, что «Всемирной паутине еще только предстоит пережить революцию» и что «через двадцать лет мы оглянемся назад и скажем, что это был только период ее зарождения». Он предвидит день, когда «механизмы торговли, бюрократии и нашей повседневной жизни будут находиться в ведении машин, общающихся с машинами».
В Центре имени Тьюринга Вашингтонского университета, являющемся ведущей лабораторией искусственного интеллекта, исследователи уже создали программное обеспечение, которое может на самом базовом уровне «читать» предложения на веб-страницах и извлекать из них смысл, не требуя от программистов никаких тегов. Эта программа под названием TextRunner сканирует предложения и определяет отношения между словами или фразами. Например, читая предложение «Торо написал “Уолден”, покинув свой домик в лесу», программа TextRunner понимает, что глагол «написал» описывает отношение между словами «Торо» и «Уолден». По мере сканирования большого количества страниц, содержащих сотни или тысячи подобных конструкций, программа может предположить, что Торо – это писатель, а «Уолден» – книга. Поскольку программа TextRunner читает с невероятной скоростью – при проведении одного из тестов она извлекла миллиард текстовых отношений из 90 миллионов веб-страниц, – она учится очень быстро. Разработчики программы рассматривают ее в качестве перспективного прототипа программы «машинного чтения», которое они определяют как «автоматическое, неконтролируемое понимание текста» компьютерами.
Ученые также обучают машины видеть. Компания Google работает с исследователями из Калифорнийского университета в Сан-Диего над усовершенствованием системы обучения компьютеров интерпретации фотографий и других изображений. Данная система сочетает текстовые теги, описывающие содержимое изображения, с его статистическим анализом. Сначала компьютер учится распознавать объект, например дерево, «просматривая» множество изображений, содержащих объекты, отмеченные людьми как «дерево». Компьютер учится устанавливать связь между тегом и результатом математического анализа форм, присутствующих в изображениях. В сущности, он учится определять дерево вне зависимости от его положения на изображении. Используя сначала человеческий интеллект, компьютер может в дальнейшем интерпретировать изображение самостоятельно, устанавливая собственные теги со все возрастающей точностью. В конце концов, он научится так хорошо «видеть», что сможет обойтись без учителей. Он начнет думать сам за себя.
