Ученые убеждены, что они лучше знают, что делать. В любом случае мы видим, как наука о мозге начинает задавать тон в биологии и гуманитарных дисциплинах. Значение ИИ растет на фоне общего экспоненциального роста машинных вычислений. Если взять показатель числа вычислений, выполняемых за 1 с на оборудовании стоимостью $1000, получается, что с 1960 г. производительность компьютеров выросла с 1/10 000 операции в секунду (т.е. на одну операцию требуется 3 часа) до 10 млрд вычислений в секунду. Все страны, как развитые, так и развивающиеся, присоединились к цифровой революции. Ее последствия уже необратимы. Ее влияние будет только увеличиваться, и уже очень скоро она глубоко проникнет в жизнь каждого. Взять хотя бы востребованность тех или иных профессий. По оценке экономиста Карла Бенедикта Фрея и математика Майкла Осборна из Оксфордского университета, специалисты по восстановительному лечению, спортивные тренеры, зубные врачи, священнослужители, инженеры-химики, пожарные и редакторы могут быть спокойны за свои рабочие места по крайней мере до 2030 г. При этом промышленным рабочим, секретарям, агентам по недвижимости, бухгалтерам, аудиторам и телемаркетерам стоит подумать о смене профессии — риск остаться без работы для них очень велик.
Каждый год в области технологий ИИ и многочисленных способов их применения на практике делаются потрясающие открытия — открытия, которые еще десятилетие назад показались бы чем-то фантастическим и осуществимым только в далеком будущем. Роботы перемещаются по поверхности Марса. Они объезжают камни, взбираются на склоны и скатываются обратно вниз и при этом ведут фотосъемку, всевозможные виды топографических измерений, анализируют химический состав грунта и горных пород, ищут повсюду признаки жизни. В 2014 г. японский робот SCHAFT победил в International DARPA Robotics Challenge — международном состязании робототехники, организованном Управлением перспективных исследовательских программ в области обороны США. Для победы ему потребовалось найти дорогу в лабиринте дверных проемов и завалов из мусора, прорезать отверстие в стене с помощью специального инструмента с механическим приводом, подсоединить пожарный шланг и проехать на небольшом автомобиле по извилистой дороге. Последние поколения компьютерных систем обладают способностью к самообучению и корректировке своих действий методом проб и ошибок. Одна запрограммированная таким образом система научилась распознавать изображения кошек. Другая, запрограммированная вести беседу на уровне мальчика, прошла тест Тьюринга (названный так в честь первопроходца в теории компьютерных вычислений Алана Тьюринга), убедив треть общавшихся с ней в течение пяти минут экспертов в том, что она — человек.
В 1976 г. Кеннет Аппель и Вольфганг Хакен произвели революцию в одной из отраслей математического знания, выполнив 10 млрд вычислений на одном из первых компьютеров, чтобы доказать классическую теорему о четырех красках (утверждение о том, что всякую двухмерную карту, разбитую на двухмерные страны или иные фрагменты, можно раскрасить не более чем четырьмя красками). Доказать традиционными аналитическими методами эту теорему не удавалось. Тем самым они, по крайней мере частично, подтвердили правоту Эйнштейна, который как-то заметил: «Наши математические затруднения Бога не беспокоят. Он интегрирует эмпирически». Другими словами, если что-то можно посчитать, Он отдает предпочтение счету. Может быть, это в какой-то мере — в какой именно, мы пока не знаем — верно и для 100 млрд нейронов человеческого мозга?
Подобно тому как конструкторы самых первых летательных аппаратов в своих проектах опирались на принципы механики и интуиции, не пытаясь имитировать полет птицы, на заре цифровой революции изобретатели проектировали компьютеры как машины, то есть без учета строения человеческого мозга. Такой подход был продиктован обычным недостатком информации. Ни разработчики компьютерных технологий, ни ученые, изучающие головной мозг, не обладали достаточными знаниями, чтобы на практике реализовать нечто, похожее на живой организм. Сейчас, когда оба эти направления развиваются стремительными темпами, количество аналогий и даже прямых сравнений между процессами в естественной среде и в искусственной среде, созданной человеком, множится с головокружительной скоростью. Из союза компьютерных технологий и наук о мозге родилась идея полной эмуляции человеческого мозга, ставшая одной из главных целей ученых.
Знают ли исследователи достаточно о связях и процессах в мозге, чтобы перевести их на язык алгоритмов ИИ? У этих двух дисциплин по-прежнему разные приоритеты. Если ИИ — во многом удел инженеров, пытающихся решить различные задачи, то в основе проекта полной эмуляции человеческого мозга лежит фундаментальная проблема дуализма мозга и сознания. Тем не менее у них очень много точек соприкосновения. Дэниел Эт и его коллеги из Стэнфордского университета заявляются о возможности симуляции на компьютере человеческого мозга во всех его проявлениях, включая мысли, чувства, воспоминания и навыки. По их мнению, для этого достаточно четырех технологий: сначала требуется выполнить полное сканирование мозга на клеточном уровне; затем необходимо построить на основе полученных снимков модель; следующий этап — запустить эту модель на компьютере; и наконец — подать на вход модели результат симуляции ощущений, получаемых органами чувств от тела и окружающей среды. Все это, как полагают эти и многие другие ученые, может быть реализовано уже к концу нынешнего столетия.
В свою очередь инженеры нейроморфных систем, исследования которых связаны с компьютерными разработками, рассчитывают на успешное завершение работ по проектированию компьютеров с характеристиками, которыми обладает мозг человека, но которые до сих пор недоступны вычислительным машинам. Карлхайнц Майер из Гейдельбергского университета называет три серьезные проблемы, которые должны быть решены, чтобы эти попытки обратного проектирования увенчались успехом. Суть первой в том, что существующие суперкомпьютеры, используемые для эмуляции деятельности мозга, потребляют миллионы ватт, тогда как человеческий мозг обходится всего лишь двадцатью. Еще одно препятствие заключается в том, что компьютеры по-прежнему не способны справляться даже с небольшими сбоями. Для выхода микропроцессора из строя достаточно поломки всего лишь одного транзистора. Мозг же, напротив, продолжает работать, несмотря на постоянную потерю нейронов. Наконец, в процессе развития ребенка, отличающегося чрезвычайной сложностью, мозг учится и меняется спонтанно под влиянием опыта, получаемого при взаимодействии со средой. Компьютеры же нуждаются в заранее заданных алгоритмах, которым они должны следовать.
В действительности трудности, стоящие перед теми, кто работает над полной эмуляцией человеческого мозга, выходят далеко за рамки традиционных ограничений, присущих инженерному проектированию. Самая очевидная — человеческий мозг является результатом эволюции, а не проектирования. Он — плод непрерывного процесса импровизации, сформированный из того, что осталось на очередном этапе эволюции от предыдущего, и адаптированный к текущим условиям среды механизмами естественного отбора. На протяжении 450 млн лет эволюции позвоночных животных и в течение многих миллионов лет предшествовавшей этому эволюции наших беспозвоночных предков мозг развивался не столько как орган мышления, сколько как орган выживания. С самого начала он был запрограммирован обеспечивать автономную работу систем дыхания и кровообращения, а также контролировать работу органов чувств и двигательную активность с помощью рефлексов. Также с самого начала в мозге были сосредоточены центры, управляющие инстинктами. Именно в них формируются стимулы («сигнальные раздражители» в этологии), активирующие врожденные инстинкты (завершающие действия, которые удовлетворяют побуждение).
