Текст книги "Код креативности. Как искусственный интеллект учится писать, рисовать и думать"

Другой классический случай ошибочного обучения, ставший притчей во языцех среди специалистов по машинному обучению, произошел в американской армии. Военным требовались нейронные сети, обученные отбирать изображения с танками. Группа, разработавшая этот алгоритм, вводила в него изображения, помеченные как содержащие танки и не содержащие их. Алгоритм анализировал эти данные и начал выделять характеристики, отличающие изображения этих двух типов друг от друга. Когда он проанализировал несколько сотен помеченных изображений, его испытали на партии фотографий, которых он никогда до этого не видел. Алгоритм распознал их со стопроцентной точностью, чем чрезвычайно порадовал разработчиков.

После этого алгоритм передали военным для полевых испытаний. Военные вскоре прислали его обратно, заявив, что он ни на что не годится. Разработчики были в недоумении. Когда они проанализировали изображения, которые использовали военные, они увидели, что алгоритм выдавал ответы почти случайным образом. Но тут кто-то заметил в результатах закономерность: алгоритм, по-видимому, очень хорошо находил танки, если они были сфотографированы в облачный день.

Вернувшись к своим тренировочным данным, разработчики поняли, в чем была ошибка. Исследовательская группа получила доступ к танкам всего на несколько дней. Они ездили по полигону и фотографировали танки в разных замаскированных положениях. Но при этом они не обратили внимания на то, что в эти несколько дней стояла облачная погода. Затем исследователи вернулись на полигон и сфотографировали местность без танков, но на этот раз небо было безоблачным. Алгоритм научился только отличать изображения с облаками от изображений с чистым небом. А от детектора облачности военным было мало пользы. Вывод: даже если машина учится, нужно обеспечить, чтобы она училась тому, что нужно.

Эта проблема становится все серьезнее по мере того как алгоритмы, обученные на данных, начинают влиять на жизнь общества. Заявки на ипотечные кредиты, решения в области охраны правопорядка и медицинские рекомендации все чаще и чаще обрабатываются алгоритмами. Но теперь у нас имеется много свидетельств того, что в их работе возникают скрытые искажения. Старшекурсница МТИ Джой Буоламвини обнаружила, к своему смущению, что робототехническое программное обеспечение, с которым она работала, по-видимому, тратило гораздо больше времени на распознавание ее лица, чем лиц ее более светлокожих коллег. Когда она надевала белую маску, робот тут же понимал, где находится ее лицо, но стоило ей снять маску, как она исчезала.

В чем же была проблема? Алгоритм тренировали на множестве изображений белых лиц. В данных было мало лиц чернокожих. Такие искажения в данных породили целую армию алгоритмов, принимающих недопустимые решения: программы распознавания голоса, натренированные на мужских голосах и не узнающие женских, программы распознавания визуальных образов, принимающие чернокожих людей за горилл, автоматические кабины для изготовления фотографий на документы, говорящие людям азиатского происхождения, что их фотографии не соответствуют требованиям, потому что у них закрыты глаза. Четверо из каждых пяти сотрудников в сфере информационных технологий, работающих в Кремниевой долине, – белые мужчины. Это побудило Буоламвини организовать Лигу алгоритмической справедливости (Algorithmic Justice League) для борьбы против искажений в данных, на которых обучаются алгоритмы.

Проблемы возникают и в правовой системе, так как людям отказывают в предоставлении кредитов, устройстве на работу или праве на получение государственных пособий по решению алгоритма. Такие люди – вполне обоснованно – хотят знать, почему им отказали. Но, так как алгоритмы создают деревья решений, исходя из своего взаимодействия с данными, которое трудно проанализировать, обоснование таких решений оказывается делом непростым.

Кое-кто предлагает правовые меры для исправления этого положения, но такие меры оказывается чертовски сложно применять. Статья 22 Общего регламента по защите данных (General Data Protection Regulations), вступившего в силу в Европейском союзе в мае 2018 года, утверждает, что всякий человек должен иметь «право не быть субъектом такого решения, которое основано только на автоматической обработке» и право получать «полноценную информацию о заключенной в ней логике» во всех случаях, когда решение выносится компьютером. И как, интересно, этого добиться?

Отрасль информационных технологий уже призывали попытаться разработать метаязык, при помощи которого алгоритмы могли бы обосновывать свои решения, но пока эта задача не решена, нам, может быть, следует относиться к влиянию таких алгоритмов на повседневную жизнь с большей осторожностью. Многие алгоритмы хорошо справляются с одной конкретной работой, но не очень-то знают, что делать при возникновении непредвиденных отклонений. Когда происходит нечто необычное, они попросту игнорируют это явление, хотя человек на их месте, возможно, смог бы заметить такую нестандартную ситуацию и разобраться в ней.

Это подводит нас к «теореме об отсутствии бесплатных завтраков», которая доказывает невозможность существования универсального обучающегося алгоритма, способного точно предсказывать результат развития событий в любом сценарии. Эта теорема доказывает, что, даже если обучающемуся алгоритму показать половину данных, остальные, невидимые, данные всегда можно подобрать таким образом, что алгоритм будет выдавать точные предсказания на тренировочных данных, но совершенно утратит эту способность, когда дело дойдет до тех данных, которых ему не показывали.

Одних только данных никогда не будет достаточно. Они должны сопровождаться знаниями. Именно в этом отношении человеческий код, видимо, лучше способен работать с контекстом и видеть общую картину – по меньшей мере пока что.

Машина против машины

Именно эта способность изменяться и адаптироваться к новым условиям и была использована при создании AlphaGo. Сотрудники DeepMind предусмотрели при разработке своего алгоритма период контролируемого обучения. Так взрослые помогают детям освоить навыки, которые сами взрослые уже освоили. Человек как биологический вид развивается потому, что мы накапливаем знания и передаем их следующим поколениям образом гораздо более эффективным по сравнению с их первоначальным обретением. Чтобы добраться до переднего края математических исследований, мне не нужно самостоятельно открывать всю предыдущую математику заново. Вместо этого я учусь несколько лет в университете, проходя через века математических открытий по ускоренному маршруту.

Программа AlphaGo начала с прохождения такого же процесса. Люди уже сыграли в го миллионы партий, которые были записаны, оцифрованы и доступны в Сети. Эти записи дают замечательный материал, который компьютер может исследовать, выделяя ходы, давшие преимущество победителю. Такая большая база данных позволяет компьютеру оценить вероятность успешности всех возможных ходов в конкретных вариантах расположения камней на доске. Когда рассматриваются все возможные варианты развития конкретной партии, данных немного, но такой анализ создает хорошую основу для обучения игрока, хотя его будущий противник может не пойти по тому же пути, по которому пошла проигравшая сторона в партии, занесенной в базу данных, и именно поэтому одного лишь изучения этого массива данных было недостаточно.

В долговременной перспективе алгоритму обеспечила преимущество вторая фаза обучения – так называемое обучение с подкреплением. На этом этапе компьютер начал играть сам с собой, обучаясь на каждой следующей сыгранной партии. Когда какие-либо ходы, казавшиеся заведомо выигрышными, не давали нужного результата, алгоритм изменял уровень вероятности того, что такой ход принесет победу. Обучение с подкреплением генерирует огромный массив новых, искусственно созданных игровых данных. А игра с самим собой дает алгоритму возможность выявить собственные слабые стороны.

Одна из опасностей обучения с подкреплением состоит в том, что оно может быть ограниченным и замкнутым. Машинное обучение чем-то похоже на попытки взобраться на вершину Эвереста. Если ваши глаза завязаны, вы не знаете, куда движетесь, а вас просят подняться на самый высокий пик, одна из возможных стратегий сводится к передвижению маленькими шагами, позволяющими определить, увеличивается ли высота при шаге в том или ином направлении.

Эта стратегия рано или поздно приведет вас в самую высокую точку окружающей местности. Любое движение из этой точки будет движением вниз. Но это не значит, что, спустившись ниже, вы не обнаружите, что по другую сторону долины есть другой, гораздо более высокий пик. В этом и заключается проблема так называемых локальных максимумов – пиков, на которых вам кажется, что вы забрались на самый верх, но которые на самом деле представляют собой всего лишь крошечные бугорки, окруженные гигантскими горами. Что, если программа AlphaGo оптимизировала свою игру, ориентируясь на победу над игроками такого локального максимума?

Казалось, что именно так и обстояло дело, когда европейский чемпион Фань Хуэй за несколько дней до матча против Ли Седоля обнаружил изъян в игре AlphaGo. Но, как только алгоритм познакомился с новым типом игры, он быстро научился переоценивать свои ходы так, чтобы снова максимизировать шансы на победу. Новый противник заставил алгоритм спуститься с холма и найти путь к новым вершинам.

Сейчас у DeepMind есть еще более совершенный алгоритм, способный разгромить первоначальную версию AlphaGo. Этому алгоритму не нужно было показывать, как играют в го люди. Как и алгоритм, игравший на приставке Atari, он видел массив пикселей размером 19 × 19 и счет в игре и начал играть, экспериментируя с разными ходами. Он использовал возможности обучения с подкреплением, которое было второй стадией создания AlphaGo. Новый алгоритм обучался почти с чистого листа, и даже сами сотрудники DeepMind были поражены его силой. Он уже не был ограничен тем, как мыслят и играют люди.

Через трое суток обучения, в рамках которого алгоритм сыграл сам с собой 4,9 млн партий, он смог выиграть у того варианта AlphaGo, который победил Ли Седоля, сто партий из ста. Всего за три дня он добился того, на что у человечества ушли три тысячи лет. К сороковому дню он стал непобедимым. Еще за восемь часов он сумел научиться играть в шахматы и сёги (японскую игру, аналогичную шахматам), причем дошел до такого уровня мастерства, что победил две из лучших имеющихся на рынке шахматных программ. Этот пугающе разносторонний алгоритм получил название AlphaZero.

Ведущий исследователь этого проекта Дэвид Силвер объяснил, какое значение может иметь подобное обучение с чистого листа в разных областях:

Если вы можете реализовать обучение с чистого листа, вы на самом деле получаете систему, которую можно перенести из игры в го в любую другую область. Вы освобождаетесь от конкретики той области, в которой вы работаете, и получаете алгоритм, настолько универсальный, что его можно использовать где угодно. С нашей точки зрения смысл AlphaGo – не в победе над человеком, а в выявлении сути научной работы, в создании программы, которая может самостоятельно выяснить, что такое знание.

Цель DeepMind – «решить загадку интеллекта… а затем и все остальные загадки». Сотрудники этой компании считают, что они на верном пути. Но насколько далеко может зайти эта технология? Сможет ли она сравниться с творческим потенциалом лучших математиков? Сможет ли она создавать произведения искусства? Писать музыку? Разгадать человеческий код?

7
Раскрашивание по клеточкам

Непредсказуемое и предопределенное

сочетаются, и всё получается, как в жизни[35]35
  «Аркадия», перевод Е. Ракитиной.


[Закрыть].

Том Стоппард

Несколько лет назад субботним днем я зашел в галерею «Серпентайн»[36]36
  Serpentine Galleries – художественная галерея, два здания которой расположены на разных берегах озера Серпентайн в Кенсингтонских садах в Лондоне.


[Закрыть] и буквально остолбенел. Наверное, именно к этому чувству духовного опьянения мы и стремимся, входя в музей. Мои спутники пытались заговорить со мною, но я шел по залам, одержимый тем, что я увидел.

В галерее была выставлена серия работ Герхарда Рихтера под названием 4900 Farben[37]37
  4900 цветов (нем.).


[Закрыть]. «Неужели ты никогда не слышал о Герхарде Рихтере? – недоверчиво спросила меня жена, когда мы ехали на поезде в город. – А ведь он – один из самых знаменитых ныне живущих художников в мире». Большую часть времени я полностью погружен в абстрактную вселенную математики, так что мое невежество по части изобразительного искусства часто приводит ее в отчаяние. Однако проект Рихтера был непосредственно связан с тем миром, в котором я существую.

Его работа состоит из 196 панно, каждое из которых представляет собой панель размером 5 ^×5 квадратов. Каждый квадрат закрашен одним из 25 тщательно подобранных цветов. Следовательно, всего раскрашенных квадратов 4900, что и дало название выставке. У Рихтера есть несколько вариантов демонстрации этих картин. На выставке в галерее «Серпентайн» он представил вариант № 2, в котором 196 панно были развешаны блоками по четыре, то есть было сорок девять картин, каждая из которых состояла из 100 = 10 × 10 цветных квадратов[38]38
  Панно выполнены на алюминиевых листах Dibond. – Примеч. ред.


[Закрыть].

Зритель, глядящий на эти пиксельные панно, испытывает естественное желание найти в таком собрании квадратов какой-то смысл. Я поймал себя на том, что пристально смотрю на три желтых квадрата, выстроившиеся в линию на одном из блоков 10 ×10. Мы запрограммированы искать закономерности, пытаться найти логику в окружающем нас хаотическом мире. Именно это спасало нас от съедения хищниками, прятавшимися в кустах. Вон та желтая полоска может быть ничем, однако она вполне может оказаться львом. Многие психологи – например, Юнг, Роршах или Матте Бланко – считали, что наш разум настолько сильно жаждет смысла, закономерности и симметрии, что при помощи таких изображений можно добраться до человеческой души. Юнг предлагал своим пациентам рисовать мандалы, а Роршах исследовал сознание своих пациентов при помощи симметричных чернильных пятен.

Стремление замечать закономерности находится в самом сердце работы математика, и мой мозг работал на полную мощность, стараясь расшифровать то, что я видел. Попадались интересные сочетания квадратов, которые, казалось, образовывали осмысленные формы. Бродя по галерее от одного панно к другому, я начал задумываться, не скрыто ли за этими изображениями нечто иное.

Я подсчитал, сколько раз я встречаю на одной панели два квадрата одного цвета, расположенные вместе, а затем – несколько более редкие случаи появления линий из трех или четырех квадратов одного и того же цвета. Собрав эти данные, я сел и принялся вычислять, какой картины следовало бы ожидать, если бы расположение пикселей было совершенно случайным. Случайным процессам свойственно создавать неожиданные комбинации элементов. Поэтому, когда вы ждете автобуса, вы часто попадаете в большой перерыв, после которого на остановку приезжают сразу три красных автобуса[39]39
  Цвет в данном случае не случаен – речь, разумеется, идет о знаменитых лондонских автобусах.


[Закрыть]. Хотя автобусы выезжают на маршрут по расписанию, плотность уличного движения вскоре вносит во время их прибытия к тем или иным точкам элемент случайности.

Я начал подозревать, что появление той тройки желтых квадратов, которую я заметил ранее, было результатом не осознанного выбора, а случайного процесса, использованного при создании этих произведений. Если имеется выбор из 25 цветов и цвет каждый раз выбирается случайным образом, то можно вычислить, в скольких строках встретятся два квадрата одного и того же цвета, расположенные друг рядом с другом. Чтобы рассчитать это число, нужно представить себе противоположную ситуацию. Предположим, я хочу, чтобы первый квадрат был красным. Вероятность того, что соседний с ним квадрат будет другого цвета, равна 24/25, так как я должен избегать красного. Вероятность того, что цвет третьего квадрата будет отличным от предыдущего, тоже равна 24/25. Значит, вероятность получения строки из десяти цветов, в которой не будет двух соседних квадратов одного и того же цвета, равна:

(24/25)⁹ = 0,69.

Это означает, что на любом панно размером 10 ×10 квадратов должны быть три строки (и три столбца), содержащие два соседних квадрата одного цвета. И действительно, представленные на выставке картины соответствовали этому предположению.

Из моих вычислений следовало, что среди 49 ×10 представленных на выставке строк должны найтись шесть с тремя одноцветными квадратами подряд – то же справедливо и для столбцов. На этот раз я обнаружил, что для столбцов мое предсказание выполнялось, а строк с такими тремя квадратами оказалось больше. Но в этом и состоит суть случайности. Это не точная наука.

Потом, уже после выставки, я решил узнать побольше о методах Рихтера и выяснил, что цвета действительно выбирались случайным образом. Он клал квадраты 25 цветов в мешок и определял, какой цвет использовать следующим, наудачу вытягивая очередной квадрат из мешка. Так и были созданы 196 полотен, выставленные в галерее «Серпентайн». Можно подсчитать, что суммарное число разных возможных полотен равно 25²⁵. Это тридцатишестизначное число! Если выложить все эти полотна в ряд, его длина составит 4,3 ×10³¹ км, что значительно превышает размеры видимой Вселенной.

Жена моя, наверное, пожалела, что повела меня в галерею «Серпентайн». После этого я в течение многих дней был одержим расчетами совпадений в картинах. Мало того, поскольку на выставке была показана только одна из возможных комбинаций полотен, я остро заинтересовался числом возможных других вариантов. В варианте № 1 все полотна были объединены в одно огромное пиксельное изображение размером 70 × 70 квадратов. Но сколькими другими способами можно было бы их расположить? Как выяснилось, ответ на этот вопрос был связан с одним уравнением, которое заинтриговало великого математика XVII века Пьера де Ферма.

Я не устоял перед искушением послать плоды своих размышлений директору галереи «Серпентайн» Хансу Ульриху Обристу. Через некоторое время я получил письмо от Рихтера: он спрашивал разрешения перевести мои мысли на немецкий и опубликовать их вместе с его изображениями в книге, над которой он работал. По его словам, он и не подозревал, какое множество математических уравнений бурлит за созданными им произведениями.

Похожий метод использовался Рихтером и при разработке витражных окон для трансепта Кельнского собора. Однако в соборе был добавлен элемент симметрии, потому что при создании группы из шести окон Рихтер повторил три окна, спроектированные случайным образом, дважды. Их симметрия неочевидна, но она, возможно, играет на пристрастии нашего мозга к закономерностям так же, как чернильные пятна Роршаха.

При создании своей работы Рихтер в некотором смысле применял код. Не принимая решения о том, какой цвет он будет использовать, и положившись на волю случайного перемешивания квадратов в мешке, он перестал контролировать результат. Между рамками работы, созданными художником, и ее исполнением, уже не зависящим от его воли, возникает в этом случае любопытное противоречие.

Такое использование случайности было одной из главных стратегий в некоторых из первых попыток создания творческих алгоритмов, программ, способных удивить своих собственных программистов. Проблема заключается в изобретении способа пройти тест Лавлейс. Как создать нечто новое, неожиданное, ценное и в то же время выходящее за пределы того, что автор кода изначально вкладывает в него? Идея комбинирования детерминистического алгоритма с малой долей случайности – как сделал Рихтер – давала потенциальную возможность найти выход из дилеммы Ады Лавлейс.

Что такое искусство?

А зачем вообще использовать компьютеры в создании произведений искусства? В чем смысл? Разве искусство не должно быть излиянием человеческого кода? Зачем заставлять компьютер искусственно производить искусство? Нет ли тут коммерческого интереса? Не пытаются ли художники зарабатывать таким образом деньги – просто нажимаешь на кнопку «печать» и получаешь бесконечный поток новых произведений? Или же речь идет о новом средстве, которое должно расширить границы нашего собственного творчества? Почему мы, люди, создаем произведения искусства? Почему работа Рихтера считается произведением искусства, а каталог красок фирмы Dulux – нет? Знаем ли мы, что это такое – то, что мы называем искусством? С чего все это началось?

Хотя род человеческий появился в Африке еще 6 млн лет назад, следы творчества мы видим только начиная со времени возникновения первых орудий. Камни, обработанные для создания режущих орудий, начали появляться 2,6 млн лет назад, но это грандиозное нововведение, по-видимому, не породило заметного подъема творческой деятельности. Судя по всему, стремление человечества к созданию произведений искусства возникло 100 000 лет назад. Среди археологических находок, сделанных в пещере Бломбос в Южной Африке, были обнаружены предметы, принадлежавшие, как считают археологи, к наборам для изготовления красок. Неясно, для чего именно люди использовали краски в то время – для раскраски собственных тел? Для нанесения узоров на кожаные изделия и другие предметы? Может быть, даже для настенной росписи? В этих южноафриканских пещерах, условия которых не были идеальными для сохранения наскальной живописи, не осталось ничего.

Но некоторые пещеры в других частях света, находящиеся глубже под землей, сохранили образцы самых ранних изображений, созданных человеком. Изображения рук встречаются на стенах поразительно большого числа таких пещер. По данным исследований, в пещерах близ города Марос на индонезийском острове Сулавеси есть изображения, созданные человеком 40 000 лет назад. Считается, что художник выдувал красную охру изо рта, используя собственную руку в качестве трафарета. Когда он убирал руку, на камне оставался ее силуэт.

Это изображение было экзистенциальным высказыванием. Как сказал в своем знаменитом телесериале «Возвышение человечества»[40]40
  The Ascent of Man, 1973.


[Закрыть] Джейкоб Броновски: «Отпечаток руки говорит: “Это моя метка. Это человек”».

Помимо рук мы находим там человеческие фигурки и изображения диких копытных животных, которые встречаются только на этом острове. Возраст одного рисунка свиньи обоснованно оценивается по меньшей мере в 35 400 лет: он считается старейшим фигуративным изображением в мире. Ученые определяют возраст этих изображений по датировке кальцитовой корки, наросшей поверх них. Поскольку корка образовалась после создания изображений, этот материал дает верхнюю границу возраста самих произведений. 40 000 лет назад случилось нечто, положившее начало периоду устойчивых инноваций у рода человеческого.

Однако может оказаться, что по части создания первых примеров пещерной живописи человека разумного опередили неандертальцы. Раньше считалось, что изображения рук в пещерах Испании относятся к тому периоду, когда представители вида Homo sapiens перебрались из Африки в Европу, что произошло 45 000 лет назад и через 5000 лет привело к полному исчезновению неандертальцев Европы как вида. Но недавняя датировка некоторых изображений из испанских пещер по кальцитовой корке позволяет считать, что эти произведения были созданы более 65 000 лет назад. Homo sapiens в Европе еще не было. Эти произведения искусства созданы другим видом. Однако и те и другие рисунки уступают древностью орнаментам, вырезанным на ракушках, которые были найдены на острове Ява и датируются временем около 500 000 лет назад. Это дело рук Homo erectus, общего предка человека разумного и неандертальцев. Мы думали, что искусство бывает только у Homo sapiens. Теперь же оказывается, что мы должны разделить честь изобретения искусства с неандертальцами и Homo erectus.

Кое-кто может сказать, что это нельзя считать искусством. И тем не менее, по-видимому, ясно, что появление этих произведений отмечает в процессе эволюции важный момент, когда биологический вид начал намеренно оставлять следы, вероятно выходящие за рамки простого утилитарного назначения. Попытки воспроизвести некоторые образцы резьбы по кости, выполненные 40 000 лет назад, показывают, какое ошеломляющее количество труда было затрачено на их создание. Такое расточительство со стороны племени, занятого охотой и выживанием, показывает, что резьба считалась настолько ценной, что ее автора имело смысл освободить от повседневных обязанностей. Мы никогда не узнаем, с какой целью на самом деле создавались эти произведения. Орнамент могли наносить на ракушки для изготовления подарка, который должен был произвести впечатление на партнера, или чтобы пометить собственность, но в любом случае именно эта деятельность впоследствии развилась в присущую нашему виду страсть к художественному самовыражению.

Вопрос о том, что же представляет собой искусство, занимает человечество уже многие столетия. Определение искусства, которое Платон дал в диалоге «Государство», было весьма пренебрежительным. Искусство есть представление физического объекта, который, в свою очередь, есть представление абстрактного идеального объекта. По мнению Платона, произведение искусства – это зависимое и несовершенное подражание физическому объекту, который оно воспроизводит, а тот – зависимое и несовершенное подражание чистой форме. В таком определении искусство не способно порождать знания и истину, а может только приводить к иллюзиям.

Кант определяет его следующим образом: «…искусство есть способ представления, сам по себе целесообразный, который хотя и лишен цели, тем не менее поднимает культуру душевных сил для общения между людьми»[41]41
  Цит. по: Кант И. Критика способности суждения (1790), § 44 / Пер. с нем. М.И. Левиной // Собр. соч.: В 8 т. М.: Чоро, 1994. Т. 5.


[Закрыть]. Толстой подхватил эту идею общения, заявив, что искусство «есть необходимое для жизни и для движения к благу отдельного человека и человечества средство общения людей, соединяющее их в одних и тех же чувствах»[42]42
  Толстой Л. Н. Что такое искусство? (1897), гл. V.


[Закрыть]. Произведения искусства, от пещер Альта-миры до галереи «Серпентайн», обладают способностью объединять отдельных людей в группу, выявляя созвучия нашего человеческого кода с кодом другого человека.

Для Витгенштейна искусство – это часть языковых игр, образующих центральный элемент его философии языка. Все они являются попытками проникнуть в непроницаемое – разум другого. Когда и если мы сумеем создать разум в машине, созданные им произведения искусства дадут нам увлекательный способ постижения того, как машина ощущает свое существование. Но пока что мы далеки от создания кода, обладающего сознанием.

В конечном счете искусство есть выражение свободной воли человека, и, пока компьютеры не обзаведутся чем-то подобным, в произведениях искусства, созданных компьютером, всегда можно будет проследить проявления человеческого желания творить. Даже если программа приводится в действие некими ключевыми словами, которые она видит в твиттере, нельзя сказать, что алгоритм самостоятельно решил, что он должен прореагировать на них. Эта реакция была запрограммирована в алгоритме его автором. Желание творить по-прежнему сохраняется в разуме человека, даже если этот разум не знает, когда именно будет произведен сам акт творчества.

Однако современные взгляды на искусство ставят под сомнение, представляет ли оно вообще что-либо. Не большее ли отношение оно имеет к политике, власти и деньгам? Те, кто называет нечто произведением искусства, дают определение искусству. Если Ханс Ульрих Обрист решит выставить в галерее «Серпентайн» некую коллекцию работ, то благодаря тому авторитетному положению, которое он занимает в мире искусства, многие воспримут эти произведения так, как, возможно, не восприняли бы без метаданных одобрения этих объектов куратором.

Современное искусство во многом предполагает восприятие уже не эстетики и мастерства Рембрандта, Леонардо и им подобных, а интересного высказывания художника о наших отношениях с миром и его взгляда на эти отношения. Дюшан устанавливает писсуар в выставочном зале – и контекст превращает утилитарный объект в заявление о сущности искусства. Джон Кейдж предлагает своей аудитории прослушать 4 минуты и 33 секунды тишины – и мы внезапно задумываемся о том, что такое музыка. Мы начинаем прислушиваться к звукам, проникающим извне, и по-новому воспринимаем их. Произведение Роберта Барри – выполненная карандашом на стене надпись печатными буквами, гласящая: «Все то, что я знаю, но о чем прямо сейчас не думаю, – 13:36, 15 июня 1969 года»[43]43
  В оригинале – ALL THE THINGS I KNOW BUT OF WHICH I AM NOT AT THE MOMENT THINKING – 1:36 PM; JUNE 15, 1969.


[Закрыть], – заставляет зрителя разбираться с идеей отсутствия и неоднозначности. Даже работа Рихтера 4900 Farben на самом деле не имеет отношения к эстетике или его мастерству в области раскрашивания квадратов. Это политическое высказывание, бросающее вызов нашим идеям о намеренности и случайности.

Бросает ли аналогичный политический вызов искусство, создаваемое компьютерами? Если шутка показалась вам смешной, что изменится, если потом вам скажут, что эту шутку создал алгоритм? Вы над ней посмеялись – и этого достаточно. Почему же то же неприменимо к другим эмоциональным реакциям? Если какое-то произведение искусства вызовет у вас слезы, а потом вам скажут, что оно создано компьютером, я подозреваю, что большинство почувствует себя жертвой обмана или манипуляции. Но потом возникает вопрос: действительно ли мы устанавливаем связь с разумом другого человека – или же просто исследуем неизведанные территории своего собственного разума? В этом и состоит трудность познания чужого разума. В нашем распоряжении есть только то, что разум выдает вовне, так как по-настоящему заглянуть внутрь чужого разума мы никак не можем.

Как сказал Энди Уорхол: «Если вы хотите знать всё об Энди Уорхоле, просто посмотрите на поверхность: моих картин, моих фильмов, меня самого – вот это я и есть. За этим ничего нет».

Но многим кажется, что применение компьютеров в их творчестве – это всего лишь использование новых инструментов. Мы никогда не считали, что фотоаппарат обладает творческим началом: он только дает человеку новые возможности для творчества. Компьютерное искусство экспериментирует таким же образом, пытаясь выяснить, смогут ли его ограничения и возможности открыть перед нами новые направления.

Творческие твари

Раз мы собираемся исследовать творчество, лежащее за пределами человеческих возможностей, наверное, имеет смысл подумать о том, существуют ли на эволюционном древе другие виды, творческие способности которых могут сравниться с нашими.

В середине 1950-х годов зоолог Десмонд Моррис дал шимпанзе, жившему в лондонском зоопарке, карандаш и лист бумаги, и шимпанзе принялся снова и снова рисовать на бумаге линию. Вскоре Конго – так звали шимпанзе – начал работать кистями на холсте, и в 2005 году три из его творений были проданы на аукционе за 14 400 фунтов. Работа Энди Уорхола, выставленная на том же аукционе, осталась непроданной. Значит ли это, что Конго был художником? Или для этого ему нужно было осознавать, что он делает? Стимулы к творчеству исходили в первую очередь не от Конго, а от Морриса, так что этот случай на самом деле следует считать замаскированным проявлением творчества человеческого.