Что это означает в реальности? Смартфоны, которыми мы пользуемся сегодня, обладают намного большей мощностью обработки данных, чем вся программа посадки на Луну «Аполлона-11» сорок лет назад. Уди Манбер и Петер Норвиг из Google сообщили, возможно, еще более впечатляющие статистические данные, написав в 2012 году:
Вводя один-единственный запрос в строку поиска Google или просто разговаривая по телефону, вы запускаете вычислительные мощности, аналогичные тем, что понадобились для того, чтобы отправить в космос Нила Армстронга и еще одиннадцать космонавтов. Не для собственно полетов, но для всех расчетов, выполненных при планировании и осуществлении семнадцати миссий программы «Аполлон» за одиннадцать лет9.
Нам легко забыть, какими объемами процессорной мощности мы оперируем в повседневной жизни, но еще большая проблема – понять, как сильно все изменилось за относительно небольшой период времени.
Развитие, о котором говорится в законе Мура и другие «законах» технологии, например, в законе Крайдера (плотность записи на магнитные диски удваивается каждые восемнадцать месяцев) или законе Меткалфа (полезность сети пропорциональна квадрату численности ее пользователей) идет по экспоненте10. При удвоении чего-либо с постоянной скоростью, раз в день, раз в год или столетие, мы называем это ростом в геометрической прогрессии. Такой темп роста может встречаться где угодно от биологических систем, таких как клетки, до популяций животных и сложных процентов в инвестициях.
Рост в геометрической прогрессии может быть невероятно обманчивым, поскольку мы привыкли воспринимать мир линейно. Минуты, дни и годы последовательно сменяют друг друга, накапливаясь один за другим. То же самое происходит и с задачами, которые мы выполняем. Во многих отношениях геометрическая прогрессия нам чужда.
Представьте небольшое озеро, на поверхности которого плавает одна кувшинка. Количество кувшинок каждый день удваивается, так что на второй день их будет две, на третий – четыре, на четвертый – восемь и так далее. Через десять дней кувшинок будет 1024, но они все равно покроют лишь небольшую часть озера. Предположим, площадь поверхности озера составляет миллион квадратных футов (-92 903 м2) с кувшинками на каждый квадратный фут (-30 см2). Даже на пятнадцатый день озеро будет покрыто цветами на 3 %. Но спустя четыре дня кувшинки покроют половину поверхности озера, а на двадцатый день будет закрыта вся поверхность озера. Более того, при отсутствии сдерживающих факторов через десять дней кувшинками зарастут тысячи таких озер. И все началось с одного цветка.
Вот почему рост по экспоненте нередко нас удивляет, будь то кувшинки на озере, пандемии или технологический прогресс. Мы еще не эволюционировали до способности воспринимать их должным образом. Это не значит, что такие ожидания и прогнозы невозможны, они просто кажутся нелогичными.
Изменения в геометрической прогрессии не ограничиваются интегральными микросхемами и законом Мура. Они затрагивают большую часть мира технологий. Все больше экспертов в области технологий и ученых признают, что это фундаментальный аспект технологического прогресса. Учитывая положительную обратную связь и пользу, которую приносит технология, она обеспечивает нам возможность изменять окружающий мир с невиданной скоростью, что ведет к ускорению темпа изменений. Это только укрепляет симбиоз: нам нужна технология, а мы нужны ей. (По крайней мере пока.) Благодаря этому симбиозу происходит постоянное развитие, и в итоге формируются самодостаточные отношения совместной эволюции. Во многих отношениях мы стали чем-то большим, чем люди, поскольку мы – это сумма всего, что нами создано.
Ускоряющиеся изменения происходят постоянно, но стали очевидными лишь в последние десятилетия, поскольку происходят в пределах времени, воспринимаемого человеком. Когда наши человекоподобные предки начали мастерить первые примитивные орудия труда, изменения происходили настолько медленно, что наблюдать их было невозможно даже на протяжении многих поколений. Сегодня технологии регулярно меняют общество. Рэй Курцвейл называет это «законом ускоряющейся отдачи», поскольку технология существует внутри цепи положительной обратной связи, заставляя наблюдаемый темп изменений постоянно ускоряться с течением времени11. Некоторые аспекты такого укрепления приводят к вторичным уровням роста в геометрической прогрессии. Курцвейл продолжает, что рост в геометрической прогрессии сам возрастает в геометрической прогрессии.
Именно это усовершенствование в геометрической прогрессии приведет к тому, что в грядущие десятилетия технология искусственного интеллекта совершит гигантский скачок вперед. Эти исследования станут настолько значительными, что мы окажемся перед фактом: интеллектуальному превосходству людей брошен вызов. Проще говоря, мы можем не удержаться на вершине разума.
В течение последних десятилетий к проблеме искусственного интеллекта применялись многочисленные подходы, например перцептроны, простые нейронные сети, экспертные системы на основе дерева принятия решений, алгоритм имитация отжига и байесовские сети. Каждый из них был по-своему успешен и носил прикладной характер, но спустя время стало ясно, что ни один из этих подходов даже не приблизился к искусственному интеллекту уровня человека.
Такой была ситуация, когда молодой инженер по вычислительной технике по имени Розалинд Пикард поступила на работу в междисциплинарную исследовательскую лабораторию Массачусетского технологического института в 1987 году. Вначале она работала ассистентом преподавателя и научным сотрудником, а в 1991 году заняла должность штатного сотрудника в группе по разработке машинного распознавания образов и моделированию. Пикард преподавала и работала над рядом новых технологий и инженерных задач, включая разработку методов распознавания образов, математического моделирования, машинного зрения, изучения восприятия и обработки сигналов. Получив степень по электротехническому проектированию, а позже по информатике, Пикард уже внесла значительный вклад в развитие некоторых из этих направлений.
Но именно работа Пикард по разработке технологии моделирования образов и систем поиска по содержимому привела ее в направлении, неожиданном для многих и для нее самой. В этих системах ряд математических моделей используется для приближения к системам биологического зрения, наподобие того, как мы «извлекаем» из обстановки (например, фильма или реальной жизни) предметы, содержание и смысл. Система, которую вместе со своей командой разработала Пикард, была одной из первых трех систем в мире и прототипом таких современных систем, как Google Images.
Система, основанная только на жестких правилах, не может быть устойчивой.
Чтобы лучше понимать, как мозг обрабатывает изображения, Пикард сотрудничала с учеными, исследовавшими зрительную зону коры головного мозга человека. Но даже когда имитация человеческого зрения была освоена, остались серьезные проблемы, от решения которых зависела стабильная и надежная работа системы. Было недостаточно просто создать фильтры для выделения сцен или жестко задать правила, описывающие, как выглядит тигр, стул или машина. Линии размываются. Цвета и текстуры накладываются друг на друга. Тени исчезают. Поэтому система, основанная только на жестких правилах, не может быть устойчивой. Такие системы программного обеспечения называют нестабильными, поскольку имеют ограниченное применение в жизни. Нестабильность – очень подходящее название; получая новые условия или непонятную информацию на входе, система просто ломается.
