Текст книги "Неизбежно. 12 технологических трендов, которые определяют наше будущее"

* * *

Кажется, в 2002 году мне довелось оказаться на частной вечеринке Google. Это произошло до выхода компании на IPO, когда она была еще достаточно скромной и фокусировалась на развитии поисковой системы. Я завел разговор с Ларри Пейджем, гениальным сооснователем Google: «Ларри, я все равно не понимаю. Сегодня уже столько компаний занимаются поисковыми системами. Поиск в сети бесплатно? Куда вас это приведет?» Мои слепота и отсутствие воображения – наглядное доказательство того, что строить прогнозы не так-то просто. В свое оправдание могу сказать, что этот разговор случился до того, как компания Google раскрутила свою схему продажи рекламных объявлений так, что это начало приносить реальный доход, а также задолго до покупки компанией сервиса YouTube и других основных ее приобретений. Я был не единственным лояльным пользователем этой поисковой системы, который считал, что долго он не протянет. Ответ Пейджа надолго запал мне в память: «Да мы на самом деле создаем искусственный интеллект».

Я часто думал об этом разговоре за последние несколько лет, когда корпорация Google приобрела 13 других компаний, работающих в области искусственного интеллекта и робототехники, помимо DeepMind. На первый взгляд может показаться, что Google наращивает портфель в этой области для повышения возможностей поисковой системы, поскольку 80 % прибыли компания получает именно от этого{28}28
  Rick Summer, “By Providing Products That Consumers Use Across the Internet, Google Can Dominate the Ad Market,” Morningstar, July 17, 2015.


[Закрыть]. Тем не менее мне кажется, дело обстоит совершенно наоборот. Вместо того чтобы использовать искусственный интеллект для улучшения функций поиска, компания Google применяет функции поисковой системы для совершенствования собственного искусственного интеллекта. Каждый раз, когда пользователь вводит запрос, переходит по ссылке, полученной в результате поиска, или создает ссылку в сети, он на самом деле обучает искусственный разум Google. Когда пользователь печатает запрос, например «пасхальный кролик», а затем кликает на картинку с изображением, по его мнению, самого пасхального кролика, он обучает искусственный интеллект тому, как выглядит пасхальный кролик. Каждый из трех миллиардов поисковых запросов, которые Google обрабатывает ежедневно{29}29
  Danny Sullivan, “Google Still Doing at Least 1 Trillion Searches Per Year,” Search Engine Land, January 16, 2015.


[Закрыть], способствует глубинному обучению искусственного интеллекта. Еще десять лет непрерывного совершенствования алгоритмов рукотворного разума в совокупности с тысячекратным увеличением объема данных и увеличением в сотни раз вычислительных ресурсов, и у компании Google появится искусственный интеллект, аналогов которому не будет в мире. Во время телеконференции на тему квартальной прибыли компании осенью 2015 года генеральный директор Google Сундар Пичаи заявил: «Искусственный интеллект станет основным фактором трансформации, на основе которого нам придется переосмыслить все, чем мы занимаемся… Мы внедряем его во всю линейку наших продуктов, будь то система поиска, YouTube и Play и так далее»{30}30
  James Niccolai, “Google Reports Strong Profit, Says It’s ‘Rethinking Everything’ Around Machine Learning,” ITworld, October 22, 2015.


[Закрыть]. Готов поспорить, что к 2026 году флагманским продуктом компании Google станет не поисковая система, а искусственный интеллект.

Сейчас самое время выразить обоснованный скептицизм. На протяжении почти 60 лет исследователи искусственного разума предсказывали скорое его появление, и тем не менее вплоть до недавнего времени это оставалось таким же нереальным, как и раньше. Даже появился специальный термин для описания скромных результатов исследований и еще более скудного финансирования этой области: «зима искусственного интеллекта»{31}31
  “AI Winter,” Wikipedia, по состоянию на 24 июля 2015 г.


[Закрыть]. Неужели что-то изменилось с тех пор?

Да. Три недавних научно-технических прорыва сделали потенциально возможным появление искусственного интеллекта.

1. Дешевые параллельные вычисления

Мышление – по природе параллельный процесс. Миллиарды нейронов головного мозга одновременно активируются для создания синхронных волн вычислительного процесса{32}32
  Frederico A. C. Azevedo, Ludmila R. B. Carvalho, Lea T. Grinberg, et al., “Equal Numbers of Neuronal and Non-Neuronal Cells Make the Human Brain an Isometrically Scaled-up Primate Brain,” Journal of Comparative Neurology 513, no. 5 (2009): 532–41.


[Закрыть]. Для формирования нейронной сети – основной архитектуры программного обеспечения искусственного интеллекта – также требуется параллельное протекание многих процессов. Каждый узел этой сети приблизительно имитирует нейронную клетку человеческого мозга, взаимодействующую с соседними клетками для правильной интерпретации получаемых сигналов. Для распознавания произнесенного слова программа должна услышать все фонемы так, как они соотносятся друг с другом. Для распознавания изображения программа должна увидеть все точки так, как они соотносятся с соседними. В обоих случаях эти задачи реализуются параллельно. Однако до недавнего времени обычный процессор вычислительной машины мог одномоментно выполнять только одну задачу.

Ситуация начала меняться чуть больше десяти лет назад, когда для повышенных требований видеоигр, в которых миллионы пикселей одного изображения должны многократно вычисляться за одну секунду, был разработан графический процессор (GPU).

Для этого потребовалась специализированная микросхема для параллельной вычислительной обработки, которая была добавлена в качестве приложения к материнской плате РС. Графический процессор доказал свою эффективность, и популярность видеоигр взлетела. К 2005 году графические процессоры производились в таких количествах и стали такими дешевыми, что фактически превратились в товар массового потребления. В 2009 году Эндрю Ын и команда ученых Стэнфордского университета поняли, что микросхемы графического процессора могут обеспечить параллельную работу нейронных сетей{33}33
  Rajat Raina, Anand Madhavan, and Andrew Y. Ng, “Large-Scale Deep Unsupervised Learning Using Graphics Processors,” Proceedings of the 26th Annual International Conference on Machine Learning, ICML’09 (New York: ACM, 2009), 873–80.


[Закрыть].

Это открытие дало шанс реализовать новые возможности для сетей, между узлами которых могут существовать сотни миллионов связей. У традиционных процессоров уходило несколько недель на вычисление всех каскадных возможностей в нейронной сети со 100 миллионами параметров. Эндрю Ын обнаружил, что кластер, состоящий из графических процессоров, мог справиться с аналогичной задачей за сутки. Сегодня нейронные сети, действующие на основе графических процессоров{34}34
  Klint Finley, “Netflix Is Building an Artificial Brain Using Amazon’s Cloud,” Wired, February 13, 2014.


[Закрыть], повсеместно используются компаниями, занятыми в области облачных технологий, например компания Facebook использует их для определения ваших друзей на фотографиях, а Netflix – для адекватных рекомендаций пользователям, которых больше 50 миллионов.

2. Большие данные (big data)

Любой интеллект нуждается в обучении. Человеческому мозгу, генетически настроенному на категоризацию объектов, нужно получить десяток примеров (что происходит в детском возрасте), прежде чем он сможет отличать кошек от собак{35}35
  Из личной переписки с Полом Куинном, факультет психологии и наук о мозге Делавэрского университета, 6 августа 2014 г.


[Закрыть]. В еще большей степени это относится к искусственному интеллекту. Даже отлично запрограммированному компьютеру требуется сыграть хотя бы тысячу партий в шахматы, прежде чем он начнет показывать хороший результат{36}36
  Из личной переписки с Дайленом Янгом (автором приложения Stockfish chess), Штефаном Мейер-Каленом (разработчиком программы Shredder – одной из наболее признанных шахматных программ в мире) и Дэнни Копеком (американским шахматистом, международным мастером и соавтором одной из стандартных компьютерных шахматных систем), сентябрь 2014 г.


[Закрыть]. Прорыв в области развития искусственного интеллекта частично связан с лавинообразным ростом объема информации о современном мире, так как именно она становится основой для его обучения. Огромные базы данных, самоотслеживание, cookie-файлы, присутствие в интернете, возможность хранения терабайтов данных, десятилетия ответов на поисковые запросы, интернет-энциклопедия «Википедия» и вся цифровая виртуальная реальность стали средствами обучения для искусственного интеллекта. Эндрю Ын говорит: «Развитие искусственного интеллекта сродни строительству космического корабля{37}37
  Caleb Garling, “Andrew Ng: Why ‘Deep Learning’ Is a Mandate for Humans, Not Just Machines,” Wired, May 5, 2015.


[Закрыть]. Нужен мощный двигатель и много топлива. Ракетный двигатель – это алгоритм обучения, а топливо – это огромный объем данных, который требуется для работы этого алгоритма».

3. Более эффективные алгоритмы

Цифровые нейронные сети были изобретены в 1950-х годах, но у специалистов в области теории вычислительных машин и систем ушло несколько десятилетий, чтобы понять, как «приручить» астрономически огромные комбинаторные взаимоотношения между миллионами – или сотней миллионов – нейронов. Задача состояла в том, чтобы организовать нейронные сети в слои. Возьмем, например, относительно простую задачу распознавания того, что лицо – это лицо. Когда группа элементов в нейронной сети узнаёт определенный образец, например изображение глаза, этот результат («Это глаз!») передается на уровень выше, где уже может произойти совмещение двух глаз, и этот кусок значимой информации передастся на следующий уровень иерархической структуры, где он соотносится со следующим образцом, например носом. Для узнавания лица человека может потребоваться несколько миллионов этих узлов (каждый из которых производит вычисления, использующиеся соседними узлами), организованных в многоуровневую систему, вплоть до 15 уровней. В 2006 году известный своими исследованиями в области искусственных нейросетей британский информатик Джеффри Хинтон{38}38
  Kate Allen, “How a Toronto Professor’s Research Revolutionized Artificial Intelligence,” Toronto Star, April 17, 2015.


[Закрыть], работавший на тот момент в Университете Торонто, внес ключевую поправку в этот метод, который он назвал «глубинное обучение»{39}39
  Yann LeCun, Yoshua Bengio, and Geoffrey Hinton, “Deep Learning,” Nature 521, no. 7553 (2015): 436–44.


[Закрыть]. Ему удалось математически оптимизировать результаты на каждом уровне, чтобы процесс обучения продвигался быстрее по мере перехода от одного слоя к другому. Несколько лет спустя алгоритмы глубинного обучения невероятно ускорились, когда их перенесли на графические процессоры. Сам по себе код глубинного обучения недостаточен для генерации сложного процесса логического мышления, тем не менее он представляет собой основной компонент всех действующих искусственных интеллектов, включая суперкомпьютер Watson от IBM, искусственный разум от DeepMind, поисковую систему Google и алгоритмы работы, которые использует Facebook.

Этот «идеальный шторм» из дешевой параллельной вычислительной обработки информации, больших данных и усовершенствованных алгоритмов глубинного обучения обеспечил «неожиданный» успех искусственного интеллекта, к которому он шел почти 60 лет. Подобная конвергенция позволяет утверждать, что при сохранении действующих технологических трендов (а у нас нет причин полагать, что они могут измениться) дальнейшее развитие искусственного интеллекта будет продолжаться.

По мере своего движения вперед рукотворный разум, опирающийся на облачные технологии, будет все больше проникать во все сферы нашей повседневной жизни. Однако за это придется заплатить свою цену. Механизм облачных вычислений запускает в действие закон возрастающей доходности, также известный под названием «сетевой эффект»{40}40
  Carl Shapiro and Hal R. Varian, Information Rules: A Strategic Guide to the Network Economy (Boston: Harvard Business Review Press, 1998).


[Закрыть], согласно которому ценность сети повышается гораздо быстрее по мере ее роста. Чем масштабнее сеть, тем более она привлекательна для новых пользователей, благодаря участию которых сеть становится еще больше и начинает привлекать еще больше новых пользователей и так далее. Облако, на основе которого действует искусственный интеллект, подчиняется этому же закону: чем больше людей его используют, тем «умнее» он становится. Как только компания попадает в этот замкнутый круг, она начинает расти с такой скоростью и в таком масштабе, что быстро оставляет позади всех потенциальных конкурентов. В итоге высока вероятность, что наше будущее станет определяться олигархией из двух или трех масштабных, неспециализированных, коммерческих искусственных интеллектов, основанных на облачных технологиях.

В 1997 году предшественник суперкомпьютера Watson компьютер Deep Blue корпорации IBM одержал победу в шахматной партии над действующим на тот момент чемпионом мира Гарри Каспаровым{41}41
  “Deep Blue,” IBM 100: Icons of Progress, March 7, 2012.


[Закрыть]. После того как еще несколько аналогичных турниров завершились победой компьютеров, интерес к такого рода соревнованиям быстро угас. Можно было бы решить, что на этом история заканчивается, но Каспаров понимал, что он мог бы сыграть против компьютера Deep Blue значительно лучше, если бы у него был такой же мгновенный доступ к огромной базе данных всех предыдущих шахматных ходов, которым располагал компьютер. Если искусственный интеллект мог использовать этот информационный инструмент, то почему им не мог воспользоваться человек? Нужно дополнить человеческий гений серьезной базой данных, как это было реализовано в компьютере Deep Blue. Развивая эту идею, Каспаров впервые предложил концепцию шахматных турниров «человек плюс компьютер», где искусственный интеллект дополняет и усиливает игроков в шахматы, а не соревнуется с ними{42}42
  Owen Williams, “Garry Kasparov – Biography,” KasparovAgent.com, 2010.


[Закрыть].

Теперь подобные шахматные турниры называются фристайловыми{43}43
  Arno Nickel, Freestyle Chess, 2010.


[Закрыть]: они похожи на бои без правил, когда участники могут применять любые техники, которые захотят. Игроки могут играть без помощи компьютера, могут полностью полагаться на его решения и сами только передвигать фигуры на доске, а могут совмещать искусственный разум и гений человеческого мозга; за последний вариант и выступал Каспаров. В этом случае шахматист прислушивается к предложениям компьютера, но иногда поступает по-своему, точно так же как мы иногда пренебрегаем рекомендациями системы GPS-навигации в автомобиле. В чемпионате по шахматам Freestyle Battle 2014, в котором допускались любые режимы игры, чистый искусственный интеллект выиграл 42 партии, а игроки, действовавшие в режиме «человек плюс компьютер», одержали 53 победы{44}44
  Arno Nickel, “The Freestyle Battle 2014,” Infinity Chess, 2015.


[Закрыть]. Сегодня лучшие в мире шахматисты – это «люди плюс компьютер». Они известны под именем Intagrand – команда из нескольких спортсменов и комбинации нескольких компьютерных программ для игры в шахматы{45}45
  Arno Nickel, “ ‘Intagrand’ Wins the Freestyle Battle 2014,” Infinity Chess, 2015.


[Закрыть].

Тут начинается самое интересное: появление искусственного интеллекта ничуть не ухудшило результативность традиционных шахматистов. Наоборот, дешевые, «суперумные» программы стимулируют играть в шахматы больше людей, чем когда-либо, на большем числе турниров, чем когда-либо, и профессиональный уровень игроков сейчас выше, чем когда-либо. На текущий момент количество гроссмейстеров в два раза больше, чем было в то время, когда компьютер Deep Blue впервые обыграл Каспарова. Ведущий шахматист мира сегодня Магнус Карлсен тренировался с помощью компьютера, и считается, что его стиль игры больше всего похож на стиль игры компьютера. Магнус Карлсен – первый в истории шахмат абсолютный чемпион мира (в трех категориях){46}46
  “FIDE Chess Profile (Carlsen, Magnus),” World Chess Federation, 2015.


[Закрыть].

Если искусственный интеллект помог людям лучше играть в шахматы, логично предположить, что он может помочь нам стать более эффективными пилотами, врачами, судьями, учителями.

Большая часть коммерческой работы, приходящейся на долю искусственного интеллекта, будет выполняться нечеловекоподобными программами. В основном искусственный интеллект представит собой специализированное ПО, способное, например, переводить с любого языка на любой, но больше ничего другого; способное вести автомобиль, но не поддерживать беседу; или способное помнить каждый пиксель всех видеороликов на YouTube, но не прогнозировать ваш рабочий распорядок. В ближайшие десять лет 99 % искусственного интеллекта, с которым вы прямо или косвенно станете взаимодействовать, будет представлять собой узкоспециализированное, «суперумное» программное обеспечение.

Фактически полноценный интеллект может стать и помехой, особенно если под интеллектом понимать наше чисто человеческое самоосмысление, отчаянное самокопание и беспорядочный поток самосознания. Самоуправляемый автомобиль будущего должен быть полностью сосредоточен на процессе передвижения, а не переживать по поводу ссоры в гараже. Доктор с искусственным интеллектом в больнице должен гореть на работе, а не сомневаться, не стоило ли ему лучше выучиться на финансиста. Вместо осознанного интеллекта мы хотим получить безупречную техническую эффективность. По мере развития искусственного разума, возможно, нам понадобится найти способ предотвратить появление у него осознанности. Большинство сервисов премиум-класса с искусственным интеллектом, вероятно, будут рекламироваться как лишенные осознанности.

Неантропоморфный интеллект – это не ошибка, а отличительная особенность. Самое важное, что следует знать о думающих машинах, – это то, что они будут думать иначе.

Из-за особенностей эволюционного развития человек стал единственным разумным существом на планете, что создает у него ошибочное мнение о том, что его форма сознания – единственно возможная. Это не так. Форма сознания, свойственная человеку, лишь один из многих видов интеллекта и сознания, которые возможны во Вселенной. Человеческий интеллект традиционно называют универсальным, так как по сравнению с другими типами мышления, которые нам знакомы, он способен решать больше разноплановых задач. Тем не менее по мере того, как мы создаем все больше разных типов искусственного интеллекта, мы придем к осознанию, что процесс человеческого мышления далеко не универсален. Это лишь один из способов.

Тип мышления, характерный для возникшего сегодня искусственного интеллекта, не похож на тот, который свойствен человеку. Он способен выполнять задачи, которые, как считалось раньше, под силу только людям, например играть в шахматы, вести автомобиль, описать фотографию, однако делает он это не так, как человек. Недавно я загрузил 130 000 личных фотографий – весь мой архив – в Google Photo, и новый искусственный разум Google теперь помнит все объекты на всех моих снимках за всю жизнь. Когда я делаю запрос показать мне все фотографии с изображением велосипеда, или любого моста, или моей мамы, сервис немедленно выдает мне эти снимки. У Facebook есть возможность нарастить потенциал искусственного интеллекта до такой степени, что он способен взять фотографию любого человека и правильно идентифицировать его личность из трех миллиардов пользователей{47}47
  Интервью на Facebook, сентябрь 2014 г.


[Закрыть]. Человеческий мозг не способен на выполнение задачи такого масштаба, а потому возможность искусственного интеллекта можно назвать только нечеловеческой. Статистическое мышление – традиционно уязвимое место человека, поэтому мы создаем искусственный интеллект с высокоэффективными навыками работы с большими объемами данных, чтобы машины не думали как люди. Один из аргументов в пользу того, чтобы искусственный интеллект управлял нашими автомобилями, в том, что он не будет делать это как человек, внимание которого очень легко отвлечь.

В современной реальности, где все взаимосвязано, способность мыслить по-другому становится источником инноваций и процветания. Просто быть умным недостаточно. Коммерческие стимулы приведут к повсеместному распространению искусственного разума в промышленных масштабах: все товары станут «умными», и внедрение этого интеллекта не будет стоить дорого. Однако мы станем получать гораздо больше, когда начнем изобретать новые типы интеллекта и абсолютно новые способы мышления, подобно тому как изобретение калькулятора перевернуло наше представление об арифметике. Способность к вычислениям – только один из аспектов интеллекта. Сегодня пока невозможно провести полную классификацию, каким он может быть. Некоторые характеристики человеческого мышления могут оказаться универсальными (как, например, в биологии общими чертами стали двусторонняя симметрия, сегментация, трубчатый кишечный тракт), тем не менее потенциально жизнеспособный интеллект может обладать характеристиками, значительно превосходящими те, которые развились в процессе эволюции у человека. Совсем не обязательно, что этот тип мышления будет быстрее человеческого, масштабнее или глубже. В некоторых случаях он может быть даже проще.

Разнообразие потенциальных типов интеллекта во Вселенной огромно. Относительно недавно мы начали изучать его у разных видов животных на Земле. По мере исследований мы с возрастающим уважением обнаружили, что уже имеем дело с разными типами интеллекта. Киты и дельфины продолжают поражать нас своими сложными умственными способностями, которые значительно отличаются от человеческих и кажутся нам странными. Сложно представить, чем именно другой тип интеллекта может отличаться от нашего и превосходить его. Один из способов, который может помочь нам представить, каким мог бы быть более масштабный, но иной тип интеллекта, – это начать составлять классификацию его возможных типов. Эта матрица должна включать тип интеллекта, свойственный животным, машинный разум, а также потенциально возможные типы интеллекта, в частности сверхчеловеческий, как тот, который уже описали научные фантасты.

Причина, по которой к выполнению этого замысловатого упражнения стоит отнестись серьезно, в том, что, хотя со временем внедрение интеллекта во все, что мы производим, неизбежно, далеко не очевидно, какими качествами он будет обладать. Характер этого интеллекта будет определять его экономическую ценность и роль в нашей культуре. Формулирование возможности, что машины могут быть умнее человека (даже в теории), поможет нам управлять этим явлением и задавать направление развития. Некоторые очень умные люди, например астроном Стивен Хокинг и предприниматель-инноватор Илон Маск, высказывают опасения по поводу того, что создание суперумного искусственного интеллекта может стать последним изобретением людей, после которого рукотворный разум заменит самого человека (хотя я в такое развитие событий не верю). Так что исследование возможных типов интеллекта – весьма целесообразное занятие.

Представьте, что мы высадились на неизвестной планете. Как оценить уровень интеллекта, с которым мы там столкнулись? Это чрезвычайно сложный вопрос, поскольку у нас нет действующего определения нашего собственного интеллекта, частично по той причине, что до сих пор у нас не было в этом необходимости.

В реальных условиях, даже когда речь идет о мощных типах интеллекта, они подчиняются правилу баланса сильных и слабых сторон. Один вид интеллекта не может делать одинаково хорошо абсолютно все. Конкретный тип будет лучше справляться с задачами определенного рода, но это произойдет за счет более низкой эффективности в других областях. Например, элементы искусственного интеллекта, которые начнут применяться в самоуправляющихся грузовиках, будут отличаться от тех, которые станут применяться для оценки ипотечного кредита. Искусственный интеллект, способный диагностировать заболевания, будет значительно отличаться от того, который следит за вашим домом. Супермозг, составляющий прогноз погоды, окажется совсем не похож на искусственный интеллект, встроенный в вашу одежду. Классификация должна отражать различные способы организации разных типов интеллекта с учетом баланса сильных и слабых сторон. В представленном ниже списке я перечислил только те виды, которые можно считать превосходящими человеческий интеллект. Я опустил тысячи промежуточных звеньев, как, например, «мозг» калькулятора. Вот некоторые из потенциальных новых типов:

• искусственный разум, подобный человеческому, но с более высокой скоростью ответной реакции (такой тип искусственного интеллекта нам представить проще всего);

• очень медленный интеллект, состоящий преимущественно из огромной базы данных и памяти;

• глобальный супермозг, состоящий из миллионов связанных отдельных интеллектов;

• «коллективный разум», состоящий из множества интеллектов, которые не подозревают, что образуют коллективный разум;

• искусственный разум, состоящий из множества интеллектов, которые осознают, что формируют единое целое;

• интеллект, усиливающий функции вашего мозга, но бесполезный для кого-либо другого;

• интеллект, способный вообразить существование более мощного разума, но не способный создать его;

• интеллект, способный создать более мощный разум, но недостаточно осознающий себя, чтобы это представить;

• интеллект, способный успешно создать более мощный разум, но лишь однажды;

• интеллект, способный создать более мощный разум, который будет способен создать еще более мощный и т. д.;

• интеллект с операционным доступом к собственному исходному коду, так что он может вмешиваться в свои процессы;

• сверхлогический интеллект, лишенный эмоций;

• интеллект со способностью решать общие проблемы, но без самосознания;

• интеллект, обладающий самосознанием, но без общей способности к решению проблем;

• интеллект с длительным сроком развития, требующий на время «взросления» другой интеллект, способный его защитить;

• сверхмедленный интеллект, который распространяется на огромное физическое расстояние и кажется «невидимым» быстрым интеллектам;

• интеллект, способный воспроизвести себя в точности, быстро и многократно;

• интеллект, способный воспроизвести себя и сформировать единое целое со своими клонами;

• интеллект, способный к бессмертию за счет перехода от одной платформы к другой;

• быстрый, динамичный интеллект, способный изменять процесс и характер своего познания;

• наноинтеллект – самый маленький из возможных (по размеру и энергозатратности), обладающий самосознанием;

• интеллект, специализирующийся на составлении прогнозов и сценариев;

• интеллект, никогда не забывающий и не стирающий информацию, включая ошибочную или ложную;

• симбиоз интеллекта машины и животного;

• кибернетический интеллект машины и человека;

• интеллект, использующий квантовые вычисления, логика которых человеку непонятна.

Если какой-то из этих потенциальных типов интеллекта возможен, он появится через пару десятилетий. Цель этого гипотетического списка в том, чтобы подчеркнуть: любой тип познания узкоспециализирован. Типы искусственного интеллекта, который мы создаем сегодня и будем создавать в грядущем столетии, предназначены для выполнения специализированных задач, как правило, тех, с которыми человек справиться не в состоянии. Самыми важными механическими изобретениями человечества становятся не те машины, которые делают что-то лучше человека, а те, которые справляются с задачами, которые человек выполнить не может. Самыми важными мыслительными машинами будут не те, которые способны думать быстрее и лучше человека, а те, которые научатся думать так, как человек никогда не сможет.

Чтобы найти ключ к решению самых сложных загадок современности – квантовой гравитации, темной энергии и темной материи, – возможно, нам потребуется другой тип интеллекта, помимо человеческого. А для ответа на еще более сложные вопросы, которые возникнут после решения этих загадок, может понадобиться еще более мощный разум. Фактически возможно, нам нужно будет изобрести промежуточный интеллект, который поможет в формировании более сложного разума, создать который самостоятельно человек не может. Нам нужны способы мыслить иначе.

Сегодня многие научные открытия требуют объединения интеллектуальных усилий сотен людей. Однако в ближайшем будущем мы можем столкнуться с классами проблем настолько глубокими, что для их решения потребуется объединение усилий сотен разных типов интеллектов. Это подведет нас к культурологической черте, так как человеку будет психологически нелегко принимать ответы от «инородного» интеллекта. Пример можно наблюдать уже сегодня: математические доказательства, предложенные компьютером, воспринимаются многими с огромной неохотой. Человеческий интеллект не в состоянии понять их, поэтому ему приходится довериться последовательности алгоритмов, а это требует новых навыков – понимания, когда им можно доверять. Взаимодействие с искусственным интеллектом потребует от нас похожих умений, а также дальнейшего расширения границ нашего восприятия. Встроенный искусственный разум изменит то, как мы занимаемся наукой. По-настоящему «умные» инструменты ускорят и изменят наши вычисления; по-настоящему огромный постоянный объем данных в режиме реального времени ускорит и изменит наши способы построения моделей; по-настоящему «умные» документы ускорят и изменят наше принятие того, когда мы что-то «знаем». Научный метод – это способ познания, но он основывается на действующих механизмах, свойственных человеку. После добавления нового типа интеллекта в этот метод науке придется основываться и развиваться в соответствии с критериями нового интеллекта. С этого момента все изменится.

Искусственный интеллект с тем же успехом можно назвать инопланетным. Нет гарантии, что в следующие 200 лет у человечества состоится контакт с инопланетной формой жизни, населяющей одну из миллиардов планет с условиями обитания, похожими на земные, но есть почти стопроцентная уверенность, что к тому моменту человечество создаст искусственный интеллект. Когда мы лицом к лицу встретимся с созданными нами самими «пришельцами», перед нами возникнут те же преимущества и вызовы, которые ждут человечество после контакта с представителями внеземных цивилизаций. Это заставит человека переоценить свою роль, убеждения, цели и идентичность. В чем предназначение человека? Мне хочется верить, что наш ответ станет таким: в изобретении новых типов интеллекта, которые не способны развиться естественным эволюционным путем. Наша задача – создать машины, которые будут мыслить иначе, создать «инопланетный» интеллект.

Подход искусственного интеллекта к науке будет как у инопланетянина – значительно отличаться от подхода обычных ученых, и это заставит людей также относиться к науке с другой перспективы: подумать об иных способах производства материалов или одежды, или иначе начать относиться к финансовым инструментам, или любым другим областям науки и искусства. Чужеродность искусственного интеллекта станет для человека более ценной характеристикой, чем его скорость или мощность.

Искусственный разум поможет нам лучше осознать, что мы вкладываем в понятие «интеллект» в первую очередь. Раньше мы бы сказали, что только «суперумный» искусственный разум способен управлять автомобилем, одержать победу над человеком в интеллектуальной игре Jeopardy! или распознать миллиард лиц. Однако когда наши компьютеры сделали все это за последние несколько лет, мы перевели эти достижения в разряд очевидно механических и едва ли заслуживающих называться истинным интеллектом. Мы дали этому название – «машинное обучение». Каждое достижение искусственного интеллекта меняет определение этого успеха на «не искусственный интеллект».

Однако мы не только меняем определение искусственного интеллекта, мы переосмысляем, что значит быть человеком. За последние 60 лет, когда с помощью механических процессов были воссозданы образцы поведения и характеристики, которые раньше приписывались исключительно людям, нам пришлось переоценить, что делает человека человеком. По мере изобретения все новых типов интеллекта мы будем вынуждены признать, что все больше черт, которые раньше были уникальной особенностью людей, уже таковыми не являются. Каждый шаг назад – человек больше не уникальное создание, которое способно играть в шахматы, управлять самолетом, создавать музыку или изобретать математические законы – будет болезненным и наполненным печалью. Следующие три десятилетия, а фактически, возможно, и все столетие, человечество проведет в состоянии непрекращающегося кризиса идентичности, в попытках ответить на вопрос, для чего нужны люди. Если человек – не уникальный создатель инструментов, художник, этик, тогда что, если такая черта есть в принципе, делает человека человеком? Величайшая ирония заключается в том, что самой большой пользой от применения искусственного интеллекта в повседневной бытовой жизни будет не увеличение продуктивности, или создание экономики изобилия, или новый подход к науке, хотя все это, несомненно, произойдет. Самой большой пользой от появления искусственного интеллекта станет то, что он поможет определить природу человека. Искусственный интеллект нужен людям, чтобы понять, кто мы.