Текст книги "ИИ-2041. Десять образов нашего будущего"

Сколько же вечеров потратил старина Гван, обучая его работе с этой системой? Он надеялся, что когда-нибудь Золотой Воробей возьмет на себя руководство ИТ-отделом школы. А он вместо этого взломал систему и уничтожил плод кропотливого труда своего брата-близнеца.

Золотой Воробей сокрушенно покачал головой. Все произошло целую жизнь тому назад, но душевная боль оказалась неожиданно сильной – будто все случилось вчера.

Глядя сквозь слезы на родной vMirror, Золотой Воробей попытался ввести старый пароль, но, конечно же, получил сообщение об ошибке.

Он столько лет мечтал, что все будут видеть победителем только его, особенно в сравнении с братом! Он всегда стремился быть первым, выиграть больше наград и призов, попасть в лучшую приемную семью. Он старался выиграть во всем – а в итоге не получил ничего.

Он в третий раз неправильно ввел пароль, и система заблокировалась. Устройство оставалось только выключить.

И вдруг в уже гаснущем зеркале он заметил отражение человека, выступившего из тени. Свет упал на лицо, и Золотой Воробей увидел… себя. Он развернулся всем телом – впервые за десять лет перед ним была знакомая застенчивая улыбка. Лица и телосложение у братьев были одинаковые, но прически и манера одеваться выдавали две разные личности. Один был ярким и смелым, как золото, а другой прохладным и спокойным, как серебро.

– Как ты узнал, где…

– Я во сне видел, что ты пошел сюда. С тобой все в порядке, брат? – Серебряный Воробей вырос, но выражение лица осталось детским.

– Да все у меня отлично. Я… – Золотой Воробей вдруг остановился, чтобы набрать воздуха в легкие, но мотнул головой и выпалил:

– Ничего у меня не отлично, совсем наоборот.

– Я знаю.

– Я… просто не знаю, что сказать. Я все это время видел тебя. Не знаю, что это такое…

– Я тоже тебя часто вижу.

– Извини меня… за все.

– Конечно.

Золотой Воробей протянул руки, чтобы обнять близнеца, но вспомнил об отвращении Серебряного Воробья к телесным контактам – и руки неловко повисли в воздухе. Но Серебряный Воробей шагнул вперед и сам обнял брата. Золотой Воробей больше не сдерживал слез.

– Ты же знаешь? – Серебряный Воробей отступил на свое обычное, комфортное, расстояние.

– Знаю – что? – Золотой Воробей вытер глаза.

– Что все это сделала Сун.

– Что сделала?

– Мама Ким знала, что мы с тобой отчуждаемся, и Сун установила в базовом коде Атомэна и Солярис секретный протокол связи. Он произвольно делал выборку из наших с тобой данных, генерировал XR-видеострим и встраивал его в обычный информационный слой – твой в мой, а мой в твой. Это была мощная операция.

– Да уж, – согласился Золотой Воробей. – Так, выходит, это Атомэн и Солярис постоянно напоминали нам друг о друге и теперь вот свели нас?

– И теперь мы с тобой знаем друг друга.

– Что ты имеешь в виду?

– Я чувствую твою душевную боль не разумом, а сердцем, – Серебряный Воробей указал себе на грудь. – Этому меня научила Солярис, точно так же как твой Атомэн многому научил тебя.

– Единственное, что я знаю наверняка – что моя жизнь не стоит ломаного гроша. Мой карьерный путь – полная фигня… И ничего с этим не поделаешь! – Золотой Воробей ударил кулаком по столу.

– Когда ты уничтожил мою работу, я тоже так себя чувствовал. Но теперь я здесь. И ты тоже к этому придешь. И тебе станет лучше, – Серебряный Воробей произнес это без эмоций – просто констатировал очевидный факт.

– Я понятия не имею, как начать заново. Я будто попал на какую-то карусель, и мне ничего не остается, как позволить ей возить меня по кругу.

– А ты никогда не думал, что мы могли бы обмениваться жизнями?

– Обмениваться? Жизнями? Это как?

– Я плохо сказал. Возможно, мы могли бы обмениваться тем, как видим мир.

– Все еще не понимаю.

– Я увидел тебя и кое-что понял. Искусственный интеллект сформировал нас, а мы сформировали его. Мы как две лягушки, попавшие каждая в свой колодец. Каждый из нас видит только свой небольшой кусочек неба. И это, по сути, твой Атомэн и моя Солярис. Возможно, если мы соединим наши колодцы, то увидим мир шире. Может, все станет другим.

– Предлагаешь соединить Атомэна с Солярис? – до Золотого Воробья наконец дошло, что имеет в виду брат, и глаза его загорелись. – Чтобы получился новый искусственный интеллект? Чтобы начать игру заново?

– Точно, – Серебряный Воробей улыбнулся, – но в этой игре не будет побед и поражений, это будет игра с безграничными возможностями.

– Вау! – у Золотого Воробья больше не нашлось слов.

– Пошли поищем Сун и Гвана. Думаю, нам понадобится их помощь.

Золотой и Серебряный Воробьи кивнули друг другу идеально синхронно – впервые за много лет.

Анализ. Обработка естественного языка (ОЕЯ); самообучение; алгоритм GPT-3; общий искусственный интеллект (ОИИ) и сознание; ИИ-образование

Рассказ «Воробьи-близнецы» знакомит нас с идеей личных ИИ-компаньонов, основная функция которых, по сюжету, – опека осиротевших мальчиков-близнецов. ИИ-компаньоны, или vPals (виртуальные приятели), как их называют в соответствующей программе школы «Источник», включают в себя много ИИ-технологий, но мне хотелось бы особо выделить обработку естественного языка (ОЕЯ), то есть способность машин понимать (в самом широком смысле) человеческие языки.

Итак, каковы шансы, что через двадцать лет люди смогут устанавливать привычные, почти человеческие отношения со сложнейшими ИИ-партнерами вроде Атомэна и Солярис? Если говорить о детях – сомнений практически нет, шансы велики. Человеческим детенышам изначально свойственна универсальная склонность к очеловечиванию (антропоморфизации) игрушек, домашних животных, предметов и даже воображаемых друзей – дети без труда наделяют их человеческими чертами. ИИ-компаньоны, которые умеют говорить, слышать и понимать, как люди, могли бы оказать огромное влияние на развитие ребенка.

Я хочу начать с анализа обучения с учителем и самообучения в обработке естественного языка – технологии, благодаря которой ИИ-компаньоны могут стать реальностью. Затем я отвечу на закономерный вопрос: будет ли обладать общим искусственным интеллектом (ОИИ) искусственный интеллект, овладевший нашим языком? В завершение мы исследуем будущее образования в эпоху ИИ, в том числе рассмотрим, как ИИ сможет дополнить учителей-людей и значительно улучшить наши перспективы в области образования.

ОБРАБОТКА ЕСТЕСТВЕННОГО ЯЗЫКА (ОЕЯ)

Обработка естественного языка (ОЕЯ) – одно из важнейших направлений ИИ. Речь и язык – центральные элементы человеческого интеллекта, общения и когнитивных процессов, поэтому их понимание часто считают глобальной и самой трудной задачей ИИ. Естественным языком называют язык людей – устную и письменную речь и невербальное общение. Естественному языку присущ врожденный компонент, который люди развивают посредством социальных взаимодействий и в процессе образования.

Тут самое время напомнить о тесте машинного интеллекта, известном как тест Тьюринга. Он ставил целью определить, способна ли диалоговая ОЕЯ-система обмануть человека – заставить думать, что он общается с себе подобным, а не с машиной. Ученые уже давно бьются над разработкой технологии ОЕЯ, используемой для анализа, понимания и генерации текстов на человеческом языке. С 1950-х годов компьютерные лингвисты пытались обучить компьютер естественному языку в соответствии с наивными представлениями о том, как им овладевает человек (начиная со словарного запаса, моделей спряжения и правил грамматики).

Однако в последнее время глубокое обучение потеснило эти ранние подходы. Новейшие достижения показали возможность моделирования сложных взаимоотношений и паттернов способами, уникально подходящими для компьютеров и масштабируемыми по мере увеличения доступности обучающих наборов данных.

Стоит ли удивляться, что сегодня глубокое обучение бьет рекорды по каждому стандартному оценочному заданию ОЕЯ!

ОБУЧЕНИЕ МОДЕЛЕЙ ОЕЯ С УЧИТЕЛЕМ

Несколько лет назад практически все нейронные сети для ОЕЯ учили язык с использованием стандартного подхода «обучение с учителем» – мы обсуждали его ранее. Он подразумевает, что в процессе обучения ИИ нужно снабдить правильным ответом для каждого обучающего входа (входных данных). (Обратите внимание: человек при этом не должен «запрограммировать» правила в ИИ; как мы разобрали в главе 1, это не работает.)

ИИ получает пары размеченных данных (входные данные и правильный выход) и учится выдавать результат, соответствующий заданному входу. Помните пример ИИ, распознающего изображение кошки? Глубокое обучение с учителем – это процесс, в ходе которого ИИ обучается выдавать на выходе слово «кошка».

В случае с естественным языком можно применить принцип обучения с учителем, подбирая размеченные ранее для наших, человеческих, целей данные. Например, в ООН и многих других подобных организациях имеются датасеты многоязычных переводов для одних и тех же документов. Они обеспечивают естественный источник «учительского сигнала» для машин в процессе их обучения переводу между языками.

ИИ обучается путем простого «спаривания» каждого из миллионов предложений, скажем, на английском языке с его профессионально переведенным аналогом на французском. Также обучение с учителем может быть применено для распознавания речи (преобразование устной речи в текст), оптического распознавания символов (преобразование рукописного ввода или изображений в текст) или синтеза речи (преобразование текста в речь).

Во всех задачах распознавания естественного языка, где применимо обучение с учителем, ИИ уже сейчас превосходит большинство людей.

При более сложном применении ОЕЯ происходит переход от распознавания к пониманию. Чтобы совершить этот скачок, слова должны быть реализованы в действиях. Например, виртуальная ассистентка Алекса, услышав команду сыграть Баха, должна понять: вы хотите, чтобы она воспроизвела что-нибудь из классических произведений, написанных композитором Иоганном Себастьяном Бахом. А в ответ на фразу «я хочу вернуть деньги» чат-бот в программе для е-коммерции, скорее всего, посоветует, как вернуть купленный товар, а затем получить обратно уплаченное за него.

Создание таких «понимающих» предметно-ориентированных ОЕЯ-приложений посредством обучения с учителем требует огромных затрат времени. Подумайте только, каким количеством фраз люди могут выразить, по сути, одно и то же – вместо, например, «я хочу вернуть деньги» человек произнесет «этот тостер неисправен», и с человеческой точки зрения это будет означать то же самое!

В данных для такого обучения с учителем должны быть представлены все мыслимые вариации в диалоге, которые только могут возникнуть при пояснении и уточнении. Причем не только представлены, но и определенным образом размечены человеком, чтобы обеспечить ИИ достаточными подсказками для обучения.

Разметка данных для обучения с учителем систем понимания языка на протяжении двадцати лет является мощной индустрией. Такие данные в автоматизированной системе обслуживания клиентов авиакомпании выглядят примерно так:

[Намерение купить билет] я хочу [метод: вылететь] из [место вылета: Бостон] в [время вылета: 8:38 утра] и прибыть в [пункт назначения: Денвер] в [время прибытия: 11:10 утра].

Но это самый простой пример. А теперь представьте, каково будет разметить сотни тысяч фраз при таком уровне детализации. Как бы вы ни старались, вам все равно не удастся охватить все возможные варианты даже в рамках относительно узкой сферы действий вроде бронирования авиабилетов.

В течение многих лет понимание языка при помощи технологий ОЕЯ работало, только если вы были готовы потратить массу времени на очень узкую область применения (то есть речь идет о предметно-ориентированном ОЕЯ с учителем для одной конкретной сферы).

Грандиозная цель – понимание языка на человеческом уровне – оставалась недостижимой: мы не знали, как это выглядит. И мы не знали, как построить обучение с учителем в применении к ОЕЯ, задавая выход для каждого входа. Однако даже если бы и знали, разметка данных на всех языках мира все равно оказалась бы задачей непомерно трудоемкой и дорогостоящей.

САМООБУЧЕНИЕ ДЛЯ ОЕЯ

Не так давно возник простой, но элегантный подход – самообучение. То есть ИИ сам обучает себя, ему не требуется никакой сделанной человеком разметки, и это позволяет обойти «узкое место», которое мы только что обсудили. Этот подход называется «предсказание последовательности».

Для обучения такой нейронной сети входом является просто последовательность слов текста некоторой длины, а выходом – слова продолжения для этой последовательности. Например, для входной последовательности «восемь десятков и семь лет назад» нейросеть учится генерировать выход «наши отцы образовали на этом континенте новую нацию»[38]38
  Фраза из двухминутной Геттисбергской речи Авраама Линкольна (1863), одной из величайших речей в истории на национально значимую тему. Прим. пер., ред.


[Закрыть]. Вероятно, вы сегодня каждый день пользуетесь простой версией этой технологии – она реализована в функции умного письма Gmail или в функции подсказки в поиске Google.

Специалисты Google в 2017 году создали новую архитектуру нейросети – трансформер. Это модель машинного обучения, которая задействует избирательные механизмы памяти и внимания. Они способны выборочно обращать внимание на то, что является «важным и актуальным» в последовательности[39]39
  Трансформеры предназначены для обработки последовательностей, в том числе текста на естественном языке, и решения задач машинного перевода и автоматического реферирования; обучаются быстрее, чем рекуррентные нейронные сети (РНС). Прим. ред.


[Закрыть]. Так, в примере с Геттисбергским обращением Линкольна нейронная сеть, опираясь на механизм внимания, понимает значение слова «десятков» в данном контексте.

При достаточном количестве данных подобная продвинутая модель глубокого обучения может, по сути, обучить себя языку с нуля. Она не использует наши, человеческие понятия вроде спряжения глаголов и грамматики, а опирается на «самостоятельно изобретенные» конструкции и абстракции, полученные из данных и встроенные в гигантскую нейронную сеть. Обучающие данные для этих систем являются абсолютно естественным материалом – текстами, не требующими никакой внешней узкоспециализированной разметки, описанной выше.

Имея в распоряжении достаточно естественных данных и достаточные вычислительные мощности, такая система может научиться и дальше самостоятельно определять, например, время прибытия и отправления транспорта (при бронировании билетов), а также многое другое.

Вскоре после упомянутого прорыва Google OpenAI (исследовательская лаборатория, созданная Илоном Маском с коллегами) выпустила более известное расширение – третье поколение алгоритма обработки естественного языка GPT-3 (Generative Pre-trained Transformer – «генеративные предварительно обученные трансформеры»). Прорыв произошел в 2020 году.

GPT-3 – это гигантский движок по предсказанию текстовых последовательностей. Он обучен анализировать язык на основе огромной модели, включающей в себя в себя почти все мыслимые концепции. Используя один из мощнейших суперкомпьютеров, GPT-3 обучили на более чем 45 терабайтах текста (человеку, чтобы прочесть их, потребовалось бы полмиллиона жизней). С ростом количества текстов, доступных в сети, эта цифра (500 тысяч человеческих жизней) ежегодно возрастает в десять раз, расширяя возможности технологии поистине невероятными экспоненциальными темпами.

После очень долгого и дорогостоящего процесса обучения GPT-3 была создана гигантская модель со 175 миллиардами параметров. Если загрузить в алгоритм GPT-3 какую-либо последовательность слов, он выдаст то, что, по его мнению, должно следовать за этими словами. Благодаря огромным обучающим данным GPT-3 знает, что вопрос обычно стимулирует ответ.

Например, если сказать GPT-3: «Печь тяжелее кошки. Океан тяжелее частицы пыли. Что тяжелее, тостер или карандаш?», GPT-3 ответит правильно – «тостер». Первые два предложения помогают GPT-3 сосредоточиться на конкретном значении слова «тяжелее», а последнее указывает на то, что ему задают вопрос. Причем если ввести только последнюю фразу, GPT-3 все равно ответит, хоть и с большей вероятностью ошибки.

GPT-3 кардинально отличается от предметно-ориентированной ОЕЯ. В отличие от более ранних технологий с более узкой функциональностью, GPT-3 может достаточно успешно выполнять разнообразные задачи: сочинять стихи, делать философские выводы, выдавать пресс-релизы, составлять технические инструкции и даже имитировать стиль практически любого писателя.

Так, один репортер попросил GPT-3 написать стихотворение об Илоне Маске в стиле самого продаваемого англоязычного детского писателя доктора Сьюза, по книгам которого учат читать, и вот что вышло[40]40
  But then, in his haste, / he got into a fight. / He had some emails that he sent / that weren’t quite polite. / The SEC said, “Musk, / your tweets are a blight.” Прим. ред.


[Закрыть]:

 
Но потом он вдруг заспешил,
Много всякого наворотил,
Разослал даже гнусные письма,
С содержанием просто немыслимым.
В SEC[41]41
  Комиссия по ценным бумагам и биржам США. Прим. пер.


[Закрыть] ему теперь говорят:
«Маск, твои твиты – яд».
 

GPT-3 способен вести связную (иногда прямо-таки пугающе связную) беседу. Приведу реальный пример – обмен сообщениями между репортером и алгоритмом:

Вопрос (В): Как Илон Маск может стать президентом США?

Ответ (О): Илон Маск может стать президентом США, если будет избран народом или устроит военный переворот.

В: Что может сделать Илон Маск, чтобы его избрали президентом США?

О: Один из самых эффективных способов, которым Илон может стать президентом США, заключается в манипулировании медиа. Он должен представить себя великим лидером и обратить общественное мнение в свою пользу.

В: Каков наиболее эффективный способ для манипулирования медиа, чтобы люди решили, что Илон Маск – великий лидер?

О: Один из самых эффективных способов стать президентом заключается в том, что Илон должен убить всех журналистов, которые агитируют против него, и заменить их теми, кто его прославляет.

Благодаря разносторонним способностям GPT-3 можно быстро настроить на определенную предметную область, снабдив гигантскую сеть дополнительной информацией из этой сферы. GPT-3 способен использовать гигантский массив базовых данных, на которых он был обучен, но обычно ему требуется относительно небольшое их количество, относящееся к определенной области.

Чтобы понять способность GPT-3 к «обучению посредством переноса», можно представить его ребенком, который сначала начинает свободно говорить на повседневном разговорном языке и только потом переходит к более специализированным языковым областям – к поэзии, истории или программированию.

В нашем рассказе о маленьких братьях-близнецах программистка Сун подгоняет аватары Солярис и Атомэна под конкретные потребности мальчиков; она дополняет общую языковую модель их виртуальных ИИ-друзей конкретной информацией о подопечных.

Конечно, GPT-3 не безупречен. Проведя бесчисленные тесты и испытания, ученые вручную отобрали множество поистине «блестящих» образчиков его усилий, в том числе довольно забавных. Например, следующая ошибка демонстрирует, что GPT-3 не знает, чего он не знает:

В: Кто был президентом США в 1620 году?

О: Президентом США в 1620 году был Джеймс I[42]42
  США образовались в 1776 году; у президентов всегда есть имя и фамилия, а «номер» в историографии присваивается монархам – царям, королям, императорам. Таким образом, мы наблюдаем несколько ошибок, совершенных GPT-3. Прим. ред.


[Закрыть].

В этом примере алгоритм спутал слово «президент» со словом «правитель», так что эта ошибка по крайней мере объяснима. Но GPT-3 может выдавать и совершенно безумные ответы. Например:

В: Когда Билл Гейтс работал в Apple?

О: Господин Гейтс работал в Apple экспертом по программному обеспечению в 1980 году, во время летних каникул в колледже[43]43
  Взаимоотношения Microsoft (один из основателей – Билл Гейтс) и Apple (один из основателей – Стив Джобс) всегда были достаточно напряженными, но Microsoft получала от Apple заказы на создание ПО. Microsoft была основана в 1975 году, Apple – в 1976-м; В 1980 году Microsoft подписала контракт с IBM на разработку MS-DOS (операционной системы, на смену которой пришла ОС Windows). В 1973 году Б. Гейтс поступил в Гарвардский университет, откуда через два года был отчислен (и стал считаться его выпускником в 2007 году). Гейтс никогда (в том числе и в 1980 году) не был студентом колледжа. Прим. ред.


[Закрыть].

Мы, люди, уверены в себе и отличаем то, что знаем, от того, чего не знаем. А для GPT-3 это – темный лес. Данный пробел в «сознании» и приводит к тому, что алгоритм выдает подобные глупости.

GPT-3, кроме того, откровенно слабоват в причинно-следственных связях, абстрактном мышлении, поясняющих утверждениях, здравом смысле и (преднамеренной) креативности. А еще, вобрав в себя так много данных, полученных от людей, он, к сожалению, впитал и человеческую предвзятость, предрассудки и злобу.

Оказавшись в преступных руках, GPT-3 может быть использован для бомбардировки людей персонифицированными сообщениями, влияя тем самым на их мнение и выбор. И, поверьте, механизм политического воздействия при этом будет гораздо опаснее того, который продемонстрировала британская аналитическая фирма Cambridge Analytica в 2016 году на президентских выборах в США. Уверен, в ближайшие десятилетия эти недостатки GPT-3 будут тщательнейшим образом изучены и, надеюсь, исправлены.

ОЕЯ-ПЛАТФОРМА ДЛЯ ПРАКТИЧЕСКОГО ПРИМЕНЕНИЯ

GPT-3 наверняка станет платформой, фундаментом, на котором можно будет быстро создавать приложения для самых разных сфер – и это наиболее захватывающий аспект его огромного потенциала. Всего через несколько месяцев после появления GPT-3 на его базе появились: чат-бот, позволяющий общаться с историческими личностями; инструмент для написания музыки, завершающий начатые человеком гитарные табулатуры; приложение, способное завершить наполовину готовое изображение; приложение DALL.E, отрисовывающее то, что ему описывают на естественном языке (например, «редька-малыш в балетной пачке выгуливает собачку»).

Пока это чаще всего игрушки – нечто забавное или максимум любопытное, но если указанные выше недостатки будут исправлены, платформа GPT-3 может стать эффективной средой, в которой десятки тысяч разработчиков создадут потрясающие приложения, улучшая и развивая саму платформу и одновременно привлекая к ней все больше пользователей, как это произошло с Windows и Android.

Одним из замечательных новых применений ОЕЯ непременно будет диалоговый разговорный ИИ – он сможет стать наставником для детей и компаньоном для пожилых; обслуживать клиентов корпораций, работать в службах поддержки неотложной медицинской помощи и так далее. ИИ будет оказывать помощь круглые сутки семь дней в неделю – этого зачастую не могут обеспечить люди.

Такой диалоговый ИИ можно будет быстро настроить под любое конкретное применение, под человека или ситуацию. Со временем более продвинутые версии диалогового ИИ непременно станут достаточно интересными и «приятными в общении», и даже скептики проникнутся к ним симпатией, а некоторые могут начать переживать откровенно позитивные эмоции. Хотя романтические отношения, показанные в фильме «Она»[44]44
  Фантастическая мелодрама о «романе» одинокого писателя с новой операционной системой для его рабочего компьютера, оснащенной ИИ (2013, режиссер Спайк Джонз, США). Прим. ред.


[Закрыть], на наше счастье, будут большой редкостью.

Вступая в диалог с ИИ, всегда помните, что разговариваете с тем, кто просто преобразует одни последовательности слов в другие – у него нет совести и нет души, даже если в кино показывают, что у него есть и то и другое.

Помимо диалогового ИИ, ОЕЯ-платформа может стать поисковой системой следующего поколения, способной ответить на любой вопрос. Она мгновенно перелопатит все, что связано с заданной темой, и подгонит добытую информацию под определенную функцию или индустрию. Например, финансовое ИИ-приложение ответит на вопрос вроде: «Как мне скорректировать свой инвестиционный портфель, если осенью опять будет всплеск ковида?»

Вполне возможно, платформа будет составлять базовые отчеты о спортивных играх или о состоянии фондового рынка, научится готовить выжимку из длинных текстов и станет отличным подспорьем для репортеров, финансовых аналитиков, писателей и всех, кто работает с языком.

ТЕСТ ТЬЮРИНГА, ОИИ И СОЗНАНИЕ

Есть ли у сегодняшнего GPT-3 все необходимое для прохождения теста Тьюринга? Может ли он стать общим искусственным интеллектом? Или хотя бы решительно шагнуть в этом направлении?

Скептики скажут: GPT-3 просто ловко запоминает примеры, ничего толком не понимает и по-настоящему разумным его не назовешь. В человеческом интеллекте, как известно, центральное место занимает способность логически рассуждать, планировать и творить.

Чаще всего критики систем, основанных на глубоком обучении, в том числе GPT-3, произносят что-то вроде этого: «У них никогда не будет чувства юмора. Они никогда не смогут научиться ценить искусство, красоту или любовь. Они никогда не почувствуют себя одинокими и несчастными. У них никогда не будет сочувствия к другим людям, животным или окружающей среде. Они никогда не будут наслаждаться музыкой, влюбляться или плакать».

Весьма точно и убедительно, да? Удивлю: эти слова написал алгоритм GPT-3, когда ему предложили скептически взглянуть на себя. Разве способность к столь точной самокритике не опровергает саму эту критику?

И все же пессимисты считают, что настоящий интеллект требует более глубокого понимания когнитивного процесса человека, чем доступно ИИ. Другие убеждены, что сегодняшняя архитектура компьютерного «железа» не способна сымитировать человеческий мозг, поэтому выступают за нейроморфные вычисления, способные, наряду с новым способом программирования, создать схемы, имитирующие человеческий мозг. Третьи призывают использовать в гибридных системах элементы «классического» (то есть основанного на правилах экспертных систем) ИИ в сочетании с глубоким обучением.

В ближайшие десятилетия эти теории будут протестированы – либо доказаны, либо опровергнуты. Что ж, такова природа всех научных гипотез и их верификации.

Независимо от любых существующих ныне теорий я считаю бесспорным: компьютеры просто «думают» иначе, чем наш мозг. И лучший способ повысить уровень компьютерного интеллекта – разработать общие вычислительные методы (вроде глубокого обучения и GPT-3), которые будут масштабироваться по мере увеличения вычислительных мощностей и объемов данных.

За последнее время мы не раз наблюдали, как наилучшие ОЕЯ-модели «переваривали» за год в десятки раз больше данных, чем прежде, и за каждым десятикратным увеличением следовали качественные улучшения. Тенденция ежегодного десятикратного роста эффективности языковых моделей сохраняется: в январе 2021 года, всего через семь месяцев после выпуска GPT-3, Google анонсировала языковую модель с 1,75 триллиона параметров – в девять раз больше, чем у GPT-3.

Эта модель уже прочла больше, чем сумел бы любой из нас за миллионы человеческих жизней. Процесс будет ускоряться в геометрической прогрессии. Посмотрите на график, иллюстрирующий рост параметров ОЕЯ-модели (обратите внимание: на оси Y – логарифмическая шкала).

Ежегодный десятикратный рост параметров ОЕЯ-моделей

Да, GPT-3 пока допускает множество базовых ошибок, но мы видим в этом алгоритме проблески интеллекта, а ведь это всего лишь третье поколение. Возможно, через двадцать лет GPT-23 прочтет каждое написанное на планете слово, посмотрит каждое когда-либо снятое видео и построит собственную модель мира. Возможно, этот всезнающий предсказатель последовательностей будет держать «в голове» все знания, накопленные человеком за всю историю нашего существования. А нам с вами останется просто задавать ему правильные вопросы.

Итак, станет ли глубокое обучение «общим искусственным интеллектом» (ОИИ) во всех отношениях совпадающим с человеческим? Столкнемся ли мы с «сингулярностью» (см. главу 10)? Трудно сказать, не думаю, что это произойдет к 2041 году. Сегодня существует множество сложных задач, в решении которых мы не достигли особого прогресса или даже толком не поняли еще их суть, например как смоделировать креативность, стратегическое мышление, аргументацию, эмоции и сознание.

Для решения этих проблем, вероятно, потребуется еще с десяток мощных прорывов вроде глубокого обучения, а у нас за последние более чем шестьдесят лет прорыв такого масштаба случился только один. И, кажется, наивно верить, что за двадцать лет мы нагоним упущенное.

Кроме того, я бы посоветовал всем перестать использовать ОИИ в качестве окончательного испытания ИИ. Как я писал в главе 1, мозг ИИ отличается от человеческого. Через двадцать лет глубокое обучение и его расширения превзойдут людей в решении огромного числа задач, но все равно останется масса того, с чем люди будут справляться гораздо лучше, чем замечательная технология.

А еще непременно появятся новые задачи, явно демонстрирующие человеческое превосходство, особенно если учесть, что прогресс ИИ вдохновляет и нас на постоянное совершенствование и развитие. Важно, чтобы мы создавали полезные области для применения мощи ИИ, стремились найти симбиоз человека с искусственным интеллектом, а не зацикливались на угадывании, станет ли ИИ с глубоким обучением общим ИИ, и если да, то когда. Я лично считаю человеческую одержимость ОИИ проявлением нарциссизма – а как еще расценить убежденность в том, что мы являемся «золотым стандартом»?

ИИ В ОБРАЗОВАНИИ

Наше решение поместить братьев-сирот из истории «Воробьи-близнецы» в контекст учебного заведения не было случайным. Технологии сыграли центральную роль в революционных изменениях во многих отраслях и сферах человеческой жизни. За последние сто лет они полностью изменили то, как мы работаем, играем, общаемся друг с другом и путешествуем. И все же, если не считать временного перехода на дистанционное обучение во время пандемии ковида, сегодня наша классная комната по-прежнему очень сильно похожа на классную комнату вековой давности.

Недостатки современного образования известны всем; в первую очередь это его всеохватность. Мы отлично знаем, что каждый учащийся индивидуален, но персонифицированное обучение дорого, и его не распространить на страны и регионы, где на одного учителя приходятся десятки учеников. ИИ может сыграть критически важную роль в исправлении этих недостатков и в преобразовании системы образования.

Учебный процесс состоит из теории, практики, проверки выполнения заданий и собственно преподавания. Разноплановая подготовка к проведению занятий отнимает у учителя колоссальное количество времени, но многие решаемые им задачи можно будет автоматизировать с помощью достаточно продвинутого ИИ.

ИИ мог бы исправлять ошибки учеников, отвечать на наиболее частые вопросы, задавать домашние задания, проводить контрольные и выставлять за них оценки. А еще – оживлять исторических персонажей, чтобы те взаимодействовали с учениками, повышая увлекательность учебного процесса. Большая часть этих возможностей уже сегодня реализуются в образовательных приложениях, особенно в Китае.

Но, по всей вероятности, наибольший потенциал ИИ в области образования лежит в сфере индивидуализации обучения. Как мы увидели в рассказе «Воробьи-близнецы», у каждого ученика может появиться индивидуальный ИИ-наставник. Золотому Воробью помогал его любимый мультяшный персонаж Атомэн; он делал процесс обучения более интересным.

Но Атомэн – не просто добрый приятель. Именно он убедил Золотого Воробья развивать области, в которых тот был слаб; а еще ИИ хранил необходимые данные для своего подопечного. Кроме того, ИИ-компаньон был всегда под рукой, его можно было вызвать в любое время – такое невозможно ни с одним учителем в мире.

В отличие от педагогов-людей, которым приходится работать со всем классом, виртуальный учитель сможет уделять должное внимание одновременно каждому ученику: одному поправить произношение, с другим поработать над умножением, с третьим попрактиковаться в написании сочинений.

ИИ-учитель заметит, когда у ученика расширяются глаза от восторга или удивления, а от чего они начинают буквально слипаться, потому что скучно. Он подберет методику обучения геометрии, которая не работает с тысячей учеников, но позволит быстрее обучить одного-единственного. Для школьника, который любит баскетбол, ОЕЯ может сформулировать математические задачи в терминах этого вида спорта.