Текст книги "Физика будущего"

Теперь математики понимают, что пятьдесят лет назад сделали принципиальную ошибку: решили, что мозг во всем подобен большому цифровому компьютеру. Сегодня совершенно очевидно, что это не так. В мозгу нет ни процессора Pentium, ни операционной системы Windows, ни программ-приложений – вообще нет никаких программ и подпрограмм, столь характерных для современного цифрового компьютера. На самом деле архитектура цифрового компьютера совершенно не похожа на архитектуру мозга; мозг – самообучающаяся машина, набор нейронов, связи между которыми обновляются всякий раз с получением нового задания. (А PC учиться не умеет, и ваш компьютер сегодня столь же туп, как был вчера.)

Исходя из сказанного, существует два подхода к моделированию мозга. Первый из них – традиционный подход «сверху вниз» – состоит в том, чтобы рассматривать роботов как цифровые компьютеры и с самого начала пытаться запрограммировать все правила, позволяющие нам быть разумными. А любой цифровой компьютер может быть сведен к так называемой «машине Тьюринга» – гипотетическому устройству, предложенному великим британским математиком Аланом Тьюрингом. Машина Тьюринга состоит из трех основных элементов: входа, центрального процессора, который «переваривает» поступающую информацию, и выхода. Все без исключения цифровые компьютеры построены на базе этой простой модели. Цель такого подхода – изготовить CD-ROM, на котором были бы записаны в формализованном виде все правила разумности. Стоит вставить такой диск в дисковод – и компьютер внезапно оживает и становится разумным. По сути дела, такой мифический CD-ROM содержал бы все программное обеспечение, необходимое для создания думающих машин.

Однако в нашем мозгу нет ни программирования, ни программного обеспечения. Мозг больше похож на «нейронную сеть» – сложную систему нейронов, которые постоянно устанавливают между собой новые связи.

Нейронные сети подчиняются правилу Хебба: всякий раз, когда принимается верное решение, соответствующие нейронные связи укрепляются – всякий раз, когда нейроны успешно выполняют задание, определенные электрические связи между ними усиливаются. (Правило Хебба можно выразить ответом на известный вопрос: как музыканту попасть в Карнеги-холл? Ответ на него тоже известен: практика, практика и еще раз практика. В случае нейронной сети практика – путь к совершенству. Правило Хебба объясняет также, почему так трудно избавляться от дурных привычек – ведь нейронные связи, задействованные в них, весьма утоптаны.)

Нейронные сети построены на базе другого подхода – «снизу вверх». Вместо того чтобы получить все правила разумности готовыми, на блюдечке с голубой каемочкой, нейронные сети осваивают их самостоятельно; так младенец постигает окружающий мир, натыкаясь на все подряд и обучаясь на собственном опыте. Нейронные сети, вместо того чтобы пользоваться готовыми программами, учатся старым проверенным методом проб и ошибок.

Нейронные сети построены совершенно иначе, чем цифровые компьютеры. Если убрать из центрального процессора цифрового компьютера один-единственный транзистор, компьютер перестанет работать. Однако если удалить из человеческого мозга приличный кусок, мозг все же будет функционировать; функции утраченных частей возьмут на себя оставшиеся. Кроме того, можно точно сказать, где в цифровом компьютере происходит «мыслительный процесс»: в центральном процессоре. Однако результаты сканирования человеческого мозга ясно показывают, что процесс мышления распределен по значительной части объема мозга. Различные зоны включаются в строгой последовательности, как будто мысли надо отбивать, подобно шарикам в пинг-понге.

Цифровой компьютер способен производить вычисления со скоростью, близкой к скорости света. Человеческий мозг по сравнению с ним работает невероятно медленно. Нервные импульсы движутся со скоростью всего лишь около 100 м/с. Но мозг более чем компенсирует этот недостаток, поскольку огромное число процессов в нем происходят параллельно. Это означает, что в нем одновременно работает 100 млрд нейронов, каждый из которых производит крохотную часть «вычисления», и каждый нейрон при этом связан с 10 000 других нейронов. И этот сверхмедленный параллельный процессор легко оставит позади сверхбыстрого одиночку. (Здесь можно вспомнить старую загадку: если одна кошка может съесть одну мышь за одну минуту, то за какое время миллион кошек сможет съесть миллион мышей? Ответ: за одну минуту.)

Ну и помимо всего прочего, мозг – не цифровое устройство. Транзисторы – это ворота, которые могут быть либо открыты, либо закрыты, что соответствует единице или нулю. Нейроны тоже представляют собой цифровые устройства (нейрон либо срабатывает, либо нет), но они могут быть и аналоговыми, т. е. передавать как дискретные, так и непрерывные сигналы.

Учитывая очевидные ограничения компьютеров по сравнению с человеческим мозгом, несложно понять, почему нам до сих пор не удается научить компьютеры решать две ключевые задачи, которые человеческий мозг выполняет автоматически, без всякого труда. Эти задачи – распознавание образов и следование здравому смыслу – уже более полувека не даются ученым. Именно поэтому в основном у нас до сих пор нет роботов-горничных, роботов-дворецких и роботов-секретарей.

Первая из названных задач – задача распознавания образов. Роботы видят намного лучше человека, но не понимают, что видят. Входя в комнату, робот раскладывает ее изображение на множество цветных точек, а затем, обрабатывая точки, получает набор линий, окружностей, квадратов и прямоугольников. После этого робот пытается соотнести полученную мешанину деталей по очереди с каждым из объектов, хранящихся в его памяти, – чрезвычайно нудная задача даже для компьютера. После многих часов вычислений ему, может быть, удастся соотнести линии на картинке со стульями, столами и людьми, находящимися в комнате. В отличие от роботов, мы, входя в комнату, за долю секунды схватываем взглядом стулья, письменные столы и людей. В самом деле, человеческий мозг – это по сути машина для распознавания образов.

Кроме того, у роботов нет здравого смысла. Роботы могут слышать намного лучше, чем люди, но они не понимают, что слышат. Рассмотрим, к примеру, следующие утверждения.

• Дети любят сладости, но не любят наказания.

• За веревку можно тянуть, но нельзя толкать.

• Палкой можно толкать, но нельзя тянуть.

• Животные не умеют говорить и не понимают по-английски.

• От вращения у человека может закружиться голова.

Для нас каждое из этих утверждений очевидно и проистекает из обычного здравого смысла. У роботов все не так. Не существует ни одного положения логики, ни одной строки программного кода, в которых бы утверждалось, что бечевкой ничего нельзя толкнуть. Сами мы убедились в истинности этих и многих других «очевидных» утверждений на опыте, их никто не вкладывал в готовом виде нам в память.

При подходе «сверху вниз» основная проблема заключается в том, что для программирования человеческого здравого смысла, необходимого для имитации нашего мышления, потребовалось бы слишком много строк кода. К примеру, на описание принципов здравого смысла в объеме, доступном шестилетнему ребенку, ушли бы сотни миллионов строк. Ганс Моравек (Hans Moravec), бывший начальник лаборатории искусственного интеллекта в Университете Карнеги – Меллон, жалуется: «До сего дня программы ИИ не способны продемонстрировать ни крупицы здравого смысла. К примеру, медицинская диагностическая программа способна прописать антибиотик, если предложить ей для исследования сломанный велосипед. Дело в том, что у нее нет ни модели человека, ни модели болезни, ни модели велосипеда».

Тем не менее некоторые ученые упрямо верят, что единственное препятствие к овладению здравым смыслом – недостаток вычислительных мощностей. Они считают, что масштабный национальный проект наподобие Манхэттенского (в рамках которого была создана атомная бомба) наверняка смог бы преодолеть все препятствия и решить для роботов проблему здравого смысла. В 1984 г. была запущен проект под названием CYC, призванный создать «энциклопедию мысли» для роботов. Однако за прошедшие с тех пор несколько десятилетий все усилия участников проекта не увенчались сколько-нибудь серьезным успехом.

Цель проекта CYC была проста: освоить «100 млн вещей – примерно столько, сколько знает о мире средний человек, – к 2007 г.». Этот срок, как и несколько предыдущих, пришел и прошел, а успех так и не был достигнут. В ходе работы были достигнуты многие формальные рубежи из тех, что намечали для себя инженеры CYC, но ученым и по сей день не удалось ни на шаг приблизиться к овладению основами разума.

Однажды мне довелось помериться мыслями с роботом – принять участие в интеллектуальном состязании с машиной Томазо Поджо (Tomaso Poggio) из MIT. Роботы не способны распознавать простые образы, как это делаем мы, но Поджо сумел создать компьютерную программу, которая может потягаться по скорости с человеком в одной достаточно специфической области: в «мгновенном распознавании». Речь идет об уникальной способности человека мгновенно, даже не сознавая того, узнать объект. (Мгновенное распознавание играло важную роль в эволюции человека – ведь у наших предков была лишь доля секунды на то, чтобы обнаружить притаившегося в кустах тигра, а осознать и обдумать этот факт можно было и потом.) Первое время робот Поджо стабильно набирал в особом визуальном тесте больше баллов, чем человек-участник.

Состязание между мной и машиной выглядело очень просто. Я садился в кресло и некоторое время вглядывался в обычный компьютерный экран. Затем на экране на долю секунды мелькала картинка, а я должен был как можно быстрее нажать одну из двух кнопок – показать, вижу я на картинке какое-нибудь животное или нет. Решение нужно было принимать как можно быстрее – не дожидаясь восприятия картинки сознанием. Компьютер должен был принять по той же картинке аналогичное решение.

Стыдно признаться, но после множества тестов результаты машины и мои оказались примерно одинаковыми. Но иногда машина работала значительно лучше и оставляла меня далеко позади. Я проиграл компьютеру. (Единственным утешением было то, что, как мне сказали, компьютер дает правильный ответ в 82 % случаев, а человек в среднем лишь в 80 %.)

Ключ к успеху программы Поджо в том, что в ней использованы уроки матери-природы. Многие ученые только сейчас начинают понимать истинность утверждения «Колесо уже изобретено, почему бы не скопировать его?». Приведем пример. Обычно робот, глядя на картинку, пытается разложить ее на элементы и представить как совокупность линий, кругов, квадратов и других геометрических форм. А вот робот Поджо действует иначе.

Человек, глядя на картинку, сначала воспринимает контуры объектов, затем детали внутри каждого объекта, затем оттенки внутри деталей и т. д. Таким образом, мы как бы расщепляем изображение на множество слоев. Компьютер, обработав один слой изображения, объединяет его со следующим и включает в общую картину. Так, шаг за шагом, слой за слоем, он имитирует иерархическую обработку изображения, которую использует наш мозг. (Программе Поджо недоступны невероятные возможности распознавания образов, которые мы с вами воспринимаем как нечто само собой разумеющееся, – трехмерная визуализация, распознавание тысяч объектов под самыми разными углами и т. д., – но все же нельзя не признать, что это серьезное достижение.)

Позже мне довелось увидеть в действии оба подхода к созданию ИИ. Сначала я побывал в Центре искусственного интеллекта Стэнфордского университета и встретился с роботом STAIR (Stanford artificial intelligence robot), созданным на базе традиционного подхода. STAIR – робот ростом около 120 см с огромной механической рукой на шарнирах. Этой рукой робот может брать со стола предметы. Кроме того, STAIR мобилен и может самостоятельно передвигаться по офису или жилищу. У него есть 3D-камера, которая фокусируется на объекте и подает в компьютер его трехмерное изображение, при помощи которого механическая рука может правильно захватить объект. Вообще, роботы научились брать объекты еще в 1960-х гг., и вскоре такие роботы появились на автомобильных заводах Детройта.

Но внешность обманчива. STAIR способен на большее. В него, в отличие от детройтских роботов, не заложен жесткий сценарий. Он действует сам по себе. Если вы, к примеру, попросите робота взять апельсин, то он проанализирует лежащие на столе предметы, сравнит их с тысячами изображений, заранее заложенных в его память, узнает апельсин и поднимет его со стола своей механической рукой. Кроме того, он способен идентифицировать предмет более точно, если возьмет в руку и будет поворачивать и рассматривать со всех сторон.

Чтобы проверить возможности STAIR, я перемешал предметы на столе и посмотрел, как робот будет действовать. STAIR корректно проанализировал новое расположение предметов, протянул руку и взял то, что я попросил. Создатели этого робота ставят перед собой цель научить его свободно передвигаться в доме или офисе, брать различные предметы, взаимодействовать с различными объектами и инструментами и даже разговаривать с людьми на упрощенном языке. Если это удастся, робот будет способен выполнять практически все функции, которые выполняет в офисе мальчик на побегушках. STAIR – образец подхода «сверху вниз»: все его действия запрограммированы от начала и до конца. (Хотя STAIR может распознавать предметы под разными углами, но количество предметов, которые он вообще способен распознать, пока ограничено. Окажись такой робот на улице в окружении случайных объектов, он будет мгновенно парализован.)

Позже у меня появилась возможность посетить Нью-Йоркский университет, где Янн ЛеКун (Yann LeCun) экспериментирует с совершенно другим созданием. Его робот носит имя LAGR (Learning applied to ground robots – обучение в приложении к наземным роботам) и представляет собой образец подхода «снизу вверх»: ему приходится учиться всему с нуля, натыкаясь на самые разные предметы. LAGR – робот размером с маленький гольф-мобильчик, оборудованный двумя цветными стереокамерами; он постоянно сканирует ландшафт и распознает встречающиеся предметы. После этого он начинает двигаться среди этих предметов, старательно их объезжая и узнавая что-то новое с каждым проездом. Робот оборудован GPS-приемником и имеет два инфракрасных датчика, способные засекать предметы на его пути. Он содержит три мощных процессора Pentium и подсоединен к гигабитной сети Ethernet. Мы с роботом отправились гулять по близлежащему парку, где LAGR учился объезжать возникающие на его пути помехи. Каждый раз, проходя маршрут, он приобретал новую сноровку и учился лучше обходить препятствия.

Между LAGR и STAIR есть очень важное различие, состоящее в том, что LAGR специально разработан для самообучения. Каждый раз, наталкиваясь на какое-то препятствие, он объезжает вокруг этого объекта и учится узнавать и миновать его, чтобы в следующий раз не натолкнуться. Если в памяти STAIR хранятся изображения тысяч предметов, то в памяти LAGR нет практически никаких изображений; вместо этого робот создает как бы мысленную карту всех встреченных препятствий и на каждом проходе обновляет и уточняет ее. В отличие от автомобиля-робота, который жестко запрограммирован и движется по маршруту, заранее проложенному для него при помощи системы GPS, LAGR движется совершенно самостоятельно, без всяких указаний со стороны человека. Вы говорите ему, куда двигаться, и он пускается в путь. Со временем подобных роботов можно будет обнаружить на Марсе, на поле боя и в наших жилищах.

Энтузиазм и энергия этих исследователей произвели на меня сильное впечатление. Сами они глубоко убеждены, что закладывают основы искусственного интеллекта и что когда-нибудь результаты их работы вызовут в обществе глобальные изменения, которые человечество сегодня только начинает осознавать. Но взгляд со стороны позволил мне увидеть, как далеко им еще до успеха. Даже тараканы способны распознавать предметы и учиться обходить их. Мы же пока находимся на той стадии, когда даже самые примитивные из созданий матери-природы способны победить в состязании с нашими самыми умными роботами.

Ближайшее будущее
(с настоящего момента до 2030 г.)

Сегодня во многих домах уже появились простые роботы, предназначенные для чистки ковров. Существуют также роботы-охранники, патрулирующие здания по ночам, роботы-экскурсоводы и роботы-рабочие. В 2006 г. было примерно подсчитано, что в мире существует 950 000 промышленных роботов, а в домах и офисах работает 3 540 000 обслуживающих роботов. В ближайшие десятилетия робототехника будет развиваться в нескольких направлениях, возможно неожиданных, но новые роботы не будут похожи на тех, что знакомы нам по научной фантастике.

Самые большие успехи, скорее всего, будут достигнуты в области так называемых экспертных систем – компьютерных программ, заключающих в себе мудрость и опыт человечества. Как уже говорилось в предыдущей главе, однажды мы, вероятно, получим возможность поговорить с Интернетом на настенном экране и увидеть доброжелательное лицо и получить совет от рободоктора или робоюриста.

Эта область называется эвристикой и сводится к следованию некоей системе формальных правил. К примеру, планируя туристическую поездку, вы обратитесь к лицу на настенном интернет-экране и сообщите всю необходимую информацию: длительность поездки, пункт назначения, отели, ценовой диапазон. При этом экспертная система по опыту прошлых поездок будет заранее знать ваши основные предпочтения; она свяжется с отелями, авиакомпаниями и т. п. и предложит вам наилучшие условия. Но при разговоре с ней вам придется пользоваться не свободной разговорной речью, а довольно формальным стилизованным языком, понятным компьютеру. Такая система сможет быстро выполнять множество полезных задач. Вы будете просто отдавать приказы; она сама зарезервирует для вас столик в ресторане, найдет ближайшие магазины, закажет продукты, забронирует авиабилет и т. п.

Именно благодаря успехам эвристики в последние десятилетия у нас сегодня есть простые поисковые системы, которыми так удобно пользоваться. Но это довольно грубые системы. Каждому пользователю очевидно, что он имеет дело не с человеком, а с машиной. В будущем, однако, роботы станут настолько изощренными, что будут вести себя почти по-человечески и свободно работать с нюансами и сложными запросами.

Может быть, самые практичные приложения будут созданы в области здравоохранения. К примеру, если сегодня вы почувствуете себя плохо, вам придется не один час просидеть в приемной службы экстренной помощи, прежде чем удастся попасть к врачу. В недалеком будущем в подобной ситуации вы, вероятно, сможете просто подойти к настенному интернет-экрану и поговорить с рободоктором, одним нажатием кнопки поменять лицо – и даже личность – собеседника на экране. Это симпатичное лицо, которое по запросу будет всякий раз появляться на вашем экране, задаст вам ряд несложных вопросов («Как вы себя чувствуете?», «Где болит?», «Когда начались боли?», «Как часто они возникают?»).

Каждый раз, отвечая на вопрос, вы будете выбирать один из представленных на экране вариантов. Вам не придется печатать ответ на клавиатуре, достаточно будет произнести его вслух.

Каждый из ваших ответов, в свою очередь, будет вызывать очередную группу вопросов. После вопросов и ответов рободоктор, опираясь на опыт лучших врачей мира, сможет поставить вам диагноз. Помимо ваших ответов, рободоктор будет анализировать данные из вашей ванной, с вашей одежды и мебели, которые непрерывно контролируют ваше здоровье через чипы-ДНК-анализаторы. И не исключено, что он попросит вас проверить себя при помощи портативного магнитно-резонансного томографа, данные с которого будут затем обработаны суперкомпьютером. (Примитивные версии подобных эвристических программ уже существуют – к примеру, WebMD, – но им не хватает нюансов и полной мощи эвристических алгоритмов.)

Таким образом, можно будет исключить бо́льшую часть визитов к врачу и значительно ослабить нагрузку на систему здравоохранения. Если проблема окажется серьезной, рободоктор порекомендует вам поехать в больницу, где врачи-люди смогут обеспечить вам интенсивное лечение и уход. Но даже там вы столкнетесь с программами ИИ в виде роботов-сиделок, похожих на ASIMO. Эти роботы-сиделки не будут в полном смысле разумными, но смогут передвигаться из одной больничной палаты в другую, раздавать пациентам назначенные лекарства и обеспечивать другие их потребности. Может быть, они будут двигаться по проложенным в полу рельсам, может быть, независимо, как ASIMO.

Единственный на данный момент существующий робот-сиделка – мобильный робот RP-6, которого начинают использовать в некоторых больницах, таких как медицинский центр Университета Калифорнии в Лос-Анджелесе. В основе своей это телеэкран мобильного компьютера, который передвигается на роликах. На телеэкране вы видите лицо настоящего врача, который в это время может находиться на расстоянии многих миль от больницы. Робот оборудован видеокамерой, которая позволяет врачу видеть то, на что он смотрит. Есть также микрофон, чтобы врач мог разговаривать с пациентом. Врач может управлять роботом дистанционно при помощи джойстика, может общаться с пациентами, наблюдать за приемом лекарств и т. д. Известно, что в год в США в отделения интенсивной терапии поступает 5 млн пациентов, но на них приходится всего 6000 врачей, достаточно квалифицированных, чтобы лечить критически больных. Поэтому роботы, подобные RP-6, могли бы смягчить кризис системы экстренной помощи, где на одного врача приходится множество пациентов. В будущем такие роботы, возможно, станут более автономными, научатся самостоятельно ориентироваться в здании больницы и общаться с пациентами.

Япония – один из бесспорных лидеров в этой области техники. Эта страна тратит на роботов немалые средства, стремясь смягчить грядущий кризис системы здравоохранения. Пожалуй, не стоит удивляться тому, что именно Япония стала одной из ведущих стран в области робототехники. Причин тому несколько. Во-первых, в синтоизме считается, что у неодушевленных предметов тоже есть своя духовная сущность. Даже у механических устройств. На Западе дети иногда плачут и кричат от ужаса при виде роботов, что неудивительно после просмотра многочисленных фильмов о бешеных машинах-убийцах. Но для японских детей роботы – это родственные души, игривые и всегда готовые помочь. В японских универмагах покупателей нередко встречает робот-рецепционист. Вообще, 30 % всех коммерческих роботов мира работают именно в Японии.

Во-вторых, Японии в данный момент угрожает демографический кошмар. Население этой страны стареет быстрее всех в мире. Уровень рождаемости упал до невероятной цифры – всего 1,2 ребенка на семью, а иммиграции в Японии практически нет. Некоторые демографы говорят, что мы сейчас наблюдаем крушение поездов в замедленном темпе: один демографический поезд (стареющее население и падение уровня рождаемости) в ближайшие годы столкнется с другим (низкий уровень иммиграции). Наиболее остро все эти явления будут протекать в области здравоохранения и медицины, где ASIMO-подобные роботы-сиделки могут оказаться очень полезными. Такие роботы идеально подходят для больничных задач, таких как доставка медикаментов и приборов, раздача лекарств и круглосуточное наблюдение за пациентами.