Текст книги "Будущее быстрее, чем вы думаете. Как технологии меняют бизнес, промышленность и нашу жизнь"

Глава 2. Прорыв к скорости света: экспоненциальные технологии

Квантовые вычисления

Самое холодное место во Вселенной[70]70
  Из беседы автора с Чедом Ригетти.


[Закрыть] находится в солнечной Калифорнии. Да-да, на окраине Беркли внутри гигантских размеров пакгауза подвешена здоровенная белая труба. Это рукотворное сооружение – криогенная машина следующего поколения, охлаждающая до –273,147℃, или всего на 0,003 градуса выше абсолютного нуля.

В далеком 1995 году астрономы из Чили[71]71
  Public Information Office, Jet Propulsion Laboratory. Boomerang Nebula Boasts Coolest Spot in the Universe, June 20, 1997. Официальный пресс-релиз отдела внешней информации Лаборатории реактивного движения (NASA/JPL) см.: jpl.nasa.gov/news/releases/97/coldspot.html.


[Закрыть] зафиксировали внутри туманности Бумеранг температуру –272℃. Это стало открытием, потому что в космосе обнаружился естественный полюс холода с самой низкой во всей Вселенной температурой. Но, между прочим, в белой трубе она почти на градус ниже – и значит, она не только отбирает у туманности Бумеранг звание самого холодного уголка Вселенной, но и дает пример суперзаморозки, необходимой, чтобы удерживать кубит в стабильной суперпозиции.

Что в чем?

В классической информатике под битом понимается крошечный кусочек двоичной информации: либо единица, либо ноль. А кубит[72]72
  Кубит – квантовый разряд, наименьший элемент для хранения информации в квантовом компьютере. Кубит всегда находится в двух состояних. То есть до момента «измерения» (декогеренции) мы не можем предсказать его значение (0 или 1), а в момент «измерения» он с заранее известной вероятностью «выберет» свое состояние. Прим. науч. ред.


[Закрыть] – усовершенствованная версия понятия «бит», квантовый бит. В отличие от битов, подчиняющихся сценарию или/или (ноль/единица), кубиты используют так называемую суперпозицию, которая позволяет им находиться одновременно в нескольких состояниях. Например, когда подбрасываешь монетку, она либо ляжет орлом, либо решкой. А если ее раскрутить на ребре? Пока она крутится, ее возможности лечь аверсом либо реверсом с калейдоскопической скоростью сменяются одна другой. Это и есть аналог суперпозиции. Правда, для ее достижения нужны сверхнизкие температуры.

Суперпозиция означает вычислительную мощность. Огромную вычислительную мощность. Классическому компьютеру для решения сложной задачи требуется проделать тысячи шагов, а квантовый компьютер решит эту же задачу всего за два или три шага. Чтобы было понятнее: IBM-овский суперкомпьютер Deep Blue[73]73
  Harding L., Barden L. Deep Blue Win a Giant Step for Computerkind // Guardian, May 12, 2011.


[Закрыть], который обыграл чемпиона мира по шахматам Гарри Каспарова, за секунду анализировал 200 млн возможных ходов. Вот какая огромная вычислительная супермощь заключена внутри той белой трубы.

Принадлежит труба компании Rigetti Computing – ей шесть лет, и она угодила в пекло интереснейшей из разворачивающихся в технологической сфере эпических битв на сюжет «Давид против Голиафа». Сейчас главными соперниками в погоне за «квантовым превосходством» – иными словами, первенством в создании квантового компьютера, способного решать задачи, которые не по зубам классическим машинам, – выступают технологические гиганты Google, IBM и Microsoft, блестящие академические умы из Оксфорда и Йеля, правительства Китая и США. Да, и вышеупомянутая Rigetti.

Компания приступила к работе в 2013 г. В то время физик Чед Ригетти решил, что час квантовых компьютеров пробьет куда скорее, чем думают многие, и пожелал стать тем, кто доведет эту технологию до ума. И он оставил теплое место квантового физика в IBM, привлек инвестиционные средства более чем на 119 млн долл. и сконструировал трубу, поддерживающую самую низкую в истории температуру. Теперь, спустя полсотни патентных заявок, Ригетти производит квантовые интегральные схемы для облачных квантовых компьютеров. И он прав – эта технология действительно решает одну очень крупную проблему: конец действия закона Мура.

В двух следующих главах мы изучим девять экспоненциальных технологий, которые уже начинают конвергировать. Все они подчиняются закону Мура – продолжающейся уже 60 лет волне роста вычислительной мощности. Производительность транзисторных процессоров[74]74
  Бриньолфсон Э., Макафи Э. Вторая эра машин. Работа, прогресс и процветание в эпоху новейших технологий. М.: АСТ, 2017.


[Закрыть] – а ею измеряется величина этой волны – обычно вычисляют во флопсах (FLOPS), количестве операций с плавающей запятой в секунду[75]75
  Числа с плавающей запятой – способ представления чисел в компьютере, когда на запись выделяется фиксированное число разрядов (мантисса), а затем в этой записи определяется место для запятой, которая отделяет целую часть от дробной (порядок). Так, числа 1234,5 и 1,2345 имеют одинаковую мантиссу, но разный порядок. Операции с плавающей запятой – это арифметические операции, которые выполняет процессор с такими числами. Прим. науч. ред.


[Закрыть]. В 1956 г. наши компьютеры были способны на десять тысяч флопсов в секунду. В 2015 г. производительность компьютеров достигла одного квадриллиона (10¹⁵) флопсов. Этот прогресс в триллион раз и стал важнейшей силой, двигавшей вперед технологию.

Однако в последние несколько лет закон Мура замедлялся[76]76
  Eeckhout L. Is Moore’s Law Slowing Down? What Next? IEEE Micro. Vol. 37. No. 4. Pp. 4–5.


[Закрыть]. Все упирается в физику. Совершенствование интегральных схем шло по пути сокращения расстояния между соседними транзисторами, что позволяло чем дальше, тем больше натолкать их в микросхему. В 1971 г. расстояние между транзисторами составляло 10 тыс. нанометров. К 2000 г. оно сократилось где-то до сотни нанометров. Сегодня его удалось сократить до пяти, и вот тут-то начались трудности[77]77
  10 тыс. нанометров – это техпроцесс начала 1970-х гг. Техпроцесс – то, с какой точностью можно напечатать на плате то, что спроектировано. При описанной точности техпроцесса расстояние между процессорами, скорее всего, было больше. Например, в процессорах Intel уже в 2000-х гг. при 14-нанометровом процессоре расстояния между транзисторами составляли 70 нанометров. Прим. науч. ред.


[Закрыть]. При таких микроскопических масштабах – а это уже молекулярный уровень – число задействованных в переносе тока электронов сокращается, и эти полупроводниковые элементы начинают ощущать влияние квантования проводимости, что разрушает их вычислительную способность. Это ставит жесткий физический предел увеличению числа транзисторов, и это лебединая песня закона Мура.

А может, и нет.

«Закон Мура был не первой[78]78
  Kurzweil, Law of Accelerating Returns.


[Закрыть], а только пятой по счету парадигмой, ускорявшей рост соотношения цена/производительность, – пишет в книге “Закон ускоряющейся отдачи”[79]79
  В сети есть неизданные переводы на русский язык. Прим. ред.


[Закрыть] Рэймонд Курцвейл. – Мощность вычислительных устройств (в единицу времени) постоянно умножалась, начиная с механических счетных устройств, применявшихся при переписи населения США 1890 года; потом была дешифровочная машина Robinson Алана Тьюринга, взломавшая секретные коды нацистской Enigma, затем – ламповая вычислительная машина CBS, предсказавшая избрание Эйзенхауэра в президенты США, далее – компьютеры на основе транзисторов, использовавшиеся для первых космических запусков, а потом дошло и до персональных компьютеров на интегральных микросхемах, на один из которых я сейчас надиктовываю этот свой очерк».

Курцвейл отмечает, что всякий раз, когда экспоненциальная технология исчерпывает свою полезность, на смену ей приходит другая. Так дело обстоит и с транзисторами. Сейчас выдвинуто уже с полдюжины решений, предотвращающих конец закона Мура. Исследуются альтернативные способы применения материалов, например замена кремниевых микросхем карбоновыми нанотрубками, что ускорит переключения и улучшит рассеяние тепла. Тестируются и новаторские конструкторские решения, в том числе трехмерные интегральные схемы, которые за счет компактной упаковки увеличивают площадь поверхности для размещения транзисторов. Разработаны и специализированные микросхемы – при ограниченной функциональности быстродействие у них фантастическое. Или взять разработанный компанией Apple в 2018 году процессор А12 Bionic[80]80
  См.: apple.com/iphone-xs/a12-bionic/.


[Закрыть]: он не только управляет ИИ-приложениями, но и проделывает это с молниеносной скоростью девять триллионов операций в секунду.

Но все это бледнеет в сравнении с квантовыми вычислениями.

В 2002 г. учредитель D-Wave, одной из самых первых компаний, взявшихся создавать квантовые компьютеры, Джорди Роуз выдвинул квантовую версию закона Мура, получившую название закона Роуза[81]81
  Тим Феррисс отлично поработал, полно описав и саму идею, и историю ее появления, см.: tim.blog/2018/05/31/steve-jurvetson/.


[Закрыть]. Логика та же, что и у закона Мура: число кубитов в квантовом компьютере каждый год удваивается. Однако закон Роуза характеризуют как «закон Мура на стероидах», поскольку кубиты в суперпозиции обладают намного большей производительностью, чем двоичные биты в транзисторах.

По этой причине у нас не может быть четкого представления о том, какие инновации возникнут, когда квантовые вычисления достигнут уровня технологической зрелости. Но исходя из того, что мы знаем, перспективы завораживающие. Физика и химия, как известно, представляют собой квантовые процессы, и значит, вычисления на кубитах провозгласят для нас, выражаясь словами физика Саймона Бенджамина из Оксфордского университета[82]82
  Из выступления Саймона Бенджамина в школе Оксфорд-Мартин в феврале 2016 г., подробнее см.: www.oxfordmartin.ox.ac.uk/videos/the-dawn-of-quantum-technology-with-prof-simon-benjamin/.


[Закрыть], «золотой век открытия новых материалов, химических соединений и лекарственных препаратов». Квантовые вычисления расширят также возможности искусственного интеллекта, введут новые представления о кибербезопасности и обеспечат имитационное моделирование систем невероятной сложности.

Посмотрим, как квантовые вычисления пригодятся нам в создании новых лекарств.

Вот как это объясняет Чед Ригетти: «[Технология] меняет экономическую основу научных исследований и разработок. Предположим, вы хотите создать новый препарат от рака. Вместо того чтобы строить огромную лабораторию для классических экспериментов и в сотнях тысяч пробирок тестировать свойства сотен тысяч различных соединений, вы сможете произвести большинство исследований в компьютере»[83]83
  В конце 2020 года DeepMind представила решение AlphaFold 2, которое показывает очень хорошие цифры по предсказанию структуры белков, используя «классические» компьютеры и машинное обучение. Прим. науч. ред.


[Закрыть]. Иными словами, расстояние от продуктивной идеи до готового лекарства должно существенно сократиться.

Участвовать в этом празднике может каждый. Квантовые вычисления уже доступны простым смертным. Если вы сейчас зайдете на сайт Rigetti Computing (rigetti.com), то сможете скачать себе Forest, их квантовый набор для разработчиков с вполне дружелюбным интерфейсом для взаимодействия с квантовым миром. С помощью Forest всякий сможет написать программу, которую будет выполнять 32-кубитный компьютер Rigetti. Он уже выполняет более 120 млн программ[84]84
  Из беседы автора с Ригетти.


[Закрыть].

Разработка дружелюбного к пользователю интерфейса для квантовых вычислений знаменует собой точку перегиба. А может, даже точку знакового перегиба, но здесь нужны пояснения.

В книге «Без тормозов» мы вводим «Шесть D экспоненциальных технологий», описывающие цикл их роста: Digitalization, Deception, Disruption, Demonetization, Dematerialization, Democratization. Каждая D представляет собой принципиально важный этап в цикле развития экспоненциальной технологии и неизменно порождает колоссальные тектонические сдвиги и возможности. А поскольку понять логику эволюции квантовых вычислений (как и других технологий, о которых разговор пойдет ниже) невозможно в отрыве от общих представлений о стадиях роста экспоненциальных технологий, имеет смысл их еще раз вкратце описать.

Digitalization – диджитализация. Как только появляется возможность цифровизации технологии, в том смысле, что ее можно описать в виде двоичного кода, она тут же вспрыгивает на закорки закона Мура и начинает экспоненциально ускоряться. А для квантовых вычислений закон Мура сменится законом Роуза, и уж на его-то закорках технологии в своем развитии понесутся вскачь.

Deception – дезориентация (обманутые ожидания). При первом появлении экспоненциальные технологии производят изрядный фурор, или, как сейчас говорят, хайп. А поскольку на первых порах прогресс идет медленно, новые технологии долгое время не оправдывают разогретых хайпом ожиданий. Вспомним хотя бы, как на первых порах многие считали биткойны новомодной игрушкой для совсем гикнутых ботанов или, на худой конец, способом незаконно покупать наркотики через интернет. А прошло время, и биткойны показали себя – по своим лекалам перекроили устройство современных финансовых рынков. Это классический пример дезориентации.

Disruption – разрушение. Именно это происходит, когда экспоненциальные технологии начинают реально влиять на наш мир, подрывать почву под существующими продуктами, рынками и отраслями. Примером может служить 3D-печать – одна экспоненциальная технология, угрожающая свалить 10-триллионную обрабатывающую промышленность.

Demonetization – демонетизация. Если раньше всякий продукт имел свою стоимость, то теперь переменная «Деньги» из уравнения многих продуктов испаряется. Взять, например, фотографию. Раньше мы снимали не так уж много, и обходилось это удовольствие недешево – купи пленку, затем сдай ее в проявку и печать. А потом появилась цифровая фотография, и стоимость снимков сошла на нет. Теперь мы можем наснимать хоть тысячу фото – разве что потом замучаемся выбирать из этого моря кадров самые удачные.

Dematerialization – дематериализация. Вот он есть, а вот уже нет. Это о продуктах, которые вроде бы всегда присутствовали в нашей жизни, а теперь бесследно исчезают. Фотоаппараты, стереосистемы, консоли для видеоигр, телевизоры, GPS-навигаторы, калькуляторы, писчая бумага, сервис знакомств в том виде, в каком мы его знали, и пр. Все эти прежде разрозненные продукты сейчас входят в стандартный пакет приложений любого смартфона. Википедия лишила материальной ипостаси энциклопедии, iTunes – музыкальные магазины. И так далее.

Democratization – демократизация. Это стадия, на которой экспоненциальная технология масштабируется и идет в массы. Те же сотовые телефоны на заре своей юности были размером с кирпич, а по цене доступны лишь очень состоятельному меньшинству. А теперь они есть у всех, и, кажется, нет на планете человека, не охваченного технологией мобильной связи.

Как в свете вышесказанного обстоят дела с квантовыми вычислениями? Дружелюбный к пользователю интерфейс наводит мостик между стадиями дезориентации и разрушения. Возьмем интернет. В 1993 г. Марк Андриссен разработал первый дружелюбный к пользователю браузер Mosaic – интерфейс для общения с интернетом (позже он лег в основу Netscape). До того в интернете насчитывалось 26 сайтов[85]85
  См.: internetlivestats.com/total-number-of-websites/.


[Закрыть]. Через несколько лет счет пошел уже на сотни тысяч, а потом перевалил за миллион. Вот оно, реальное могущество пользовательского интерфейса: он демократизировал технологию, сделал ее достоянием широкой публики. Позволив неспециалистам играть в интернете, он открыл для технологии возможность масштабироваться. И быстро. А потому тот факт, что Forest – разработанный компанией Rigetti дружелюбный инструмент для взаимодействий с квантовым миром – выполняет сейчас полтора миллиона программ, говорит нам, что радикальные перемены не за горами.

Искусственный интеллект

В 2014 г. Microsoft представила китайскому сегменту интернета чат-бота – виртуального собеседника – Xiaoice[86]86
  Spencer G. Much More Than a Chat: China’s Xiaoice Mixes AI with Emotions and Wins Over Millions of Fans // news.microsoft.com, November 1, 2018. См.: news.microsoft.com/apac/features/much-more-than-a-chatbot-chinas-xiaoice-mixes-ai-with-emotions-and-wins-over-millions-of-fans/. См. также: blogs.microsoft.com/ai/xiaoice-full-duplex/.


[Закрыть] (произносится Сяоайс), с задачей провести нечто вроде тестирования. В отличие от большинства персональных ИИ-ассистентов, которые должны главным образом решать конкретные задачи, Сяоайс с самого начала оптимизировали под дружелюбное общение. От нее не требовалось быстро выполнять задания, только поддерживать беседу. А поскольку ее изначально программировали отвечать на вопросы, как отвечала бы 17-летняя девушка, Сяоайс не всегда вежлива. Она насмешлива, остра на язык и часто ставит в тупик? В общем да, этого у нее хоть отбавляй. Например, хотя Сяоайс создана с помощью нейронных сетей – об этой технологии мы поговорим чуть ниже, – на вопрос, понимает ли она, как эти самые сети работают, она отвечает: «Ага, на магнитиках!»[87]87
  Этот ответ, как и следующий ответ на реплику, что моя девушка на меня сердится, взяты из беседы автора с Zo, американской версией Сяоайс, запущенной в Twitter в 2018 г.


[Закрыть]

Но любопытнее огромное количество пользователей, которым нравится болтать с Сяоайс. Со своего дебюта в сети виртуальная собеседница провела более 30 млрд разговоров более чем со ста миллионами пользователей. Средний пользователь болтает с ней 60 раз в месяц, а в целом программа располагает аудиторией в 20 млн зарегистрированных пользователей.

Как устроены разговоры с Сяоайс? Начнем с того, что ее задача – устанавливать эмоциональную связь с собеседником, поэтому она щедра на советы. И очень часто они оказываются на удивление разумными. Например, на реплику «Думаю, моя подружка злится на меня» Сяоайс выдала: «Что ты все о размолвках, нет бы наладил отношения, а?»

Вот и получилось, что разговоры с Сяоайс особенно оживляются после полуночи, и в Microsoft подумывают, не ввести ли им для своего ИИ нечто вроде комендантского часа. Виртуальная собеседница так популярна, что в 2015 г. китайский спутниковый телеканал Dragon TV[88]88
  McFarland M. What Happened When a Chinese TV Station Replaced Its Meteorologist with a Chatbot // Washington Post, January 12, 2016.


[Закрыть] нанял ее «вживую» читать в утренних новостях сводки погоды. Это был первый случай, когда ИИ наняли выполнять конкретную работу, однако далеко не последний.

В том же 2015 г., почти сразу после теледебюта Сяоайс, технология ИИ начала переход от стадии дезориентации к стадии разрушения. Подвижку спровоцировали два фактора. Во-первых, большие данные. Реальное могущество ИИ – в способности выискивать скрытые связи между никак на первый взгляд не связанными битами информации, которые человек ни за что бы не заметил. И чем больше информации скармливаешь ИИ, тем эффективнее он работает.

Как раз примерно в 2015 г. благодаря интернету и соцсетям начал открываться доступ к колоссальным массивам данных. Оказывается, видео с котиками фантастически эффективны для обучения ИИ распознаванию сцен и объектов на изображениях. Как и ваши лайки и дизлайки в Facebook. Иными словами, многие считают, что социальные сети отупляют нас, но искусственный интеллект они делают еще интеллектуальнее.

Примерно тогда же, когда стал открываться доступ к большим данным, на рынок хлынули исключительно дешевые, но невероятно мощные графические процессоры. Они воспроизводят бесконечно хитроумную графику, какой нас радуют видеоигры, и отлично подходят для обучения нейронных сетей. А результат такой относительно незначительной конвергенции – когда большие данные сошлись в одной точке с дешевыми, но мощными графическими процессорами – высек искру одного из самых молниеносных в истории вторжений: ИИ начал посягать чуть ли на все аспекты нашей жизни.

Сначала появилось машинное обучение – применение алгоритмов для анализа данных, обучение математических моделей на основе данных и построение прогнозов относительно окружающего мира. Машинное обучение не только предлагает пользователям Netflix и Spotify свой набор фильмов или музыки, но и управляет частными финансами в сервисе Watson компании IBM.

Следом появились нейронные сети. Подсказанные биологией человеческого мозга, нейросети способны сами по себе (без надзирателя) обучаться на основе неструктурированных данных. Теперь не нужно выискивать информацию по крупицам. Можно взять данные из интернета, а нейросеть сделает все остальное.

Чтобы понять возможности ИИ, основанного на нейронных сетях, обратимся к сервисной экономике[89]89
  Ward J. The Services Sector: How Best to Measure It? // International Trade Organization, October 2010.


[Закрыть], которая сейчас обеспечивает более 80 % ВВП США. Раскладывая эту экономику на основные задачи, специалисты, как правило, выделяют следующие пять: смотреть, слушать, читать, писать и интегрировать знания. Рассмотрим по очереди каждую из них, и мы увидим, какого уровня в их выполнении достиг к настоящему моменту ИИ.

Новшества накапливались годами. Так, в 1995 г. мы видели, как искусственный интеллект считывает с конвертов почтовые коды. К 2011 г. ИИ умел уже распознавать 43 различных дорожных знака[90]90
  Проследить прогресс в машинном обучении можно по очень наглядной хронологической таблице в «Википедии»: en.wikipedia.org/wiki/Timeline_of_machine_learning. См. также: Макафи Э., Бриньолфсон Э. Машина, платформа, толпа. Наше цифровое будущее. М.: Манн, Иванов и Фербер, 2019.


[Закрыть], причем с точностью 99,46 %, т. е. лучше, чем человек. На следующий год ИИ снова переиграл человека, теперь уже в систематизации более тысячи различных типов изображений, безошибочно отделяя птиц от автомобилей, котиков и т. п. Сегодня такие системы способны выхватить из толпы ваше лицо, с расстояния прочесть по губам, что вы говорите, и за счет анализа микромимики вашего лица, а также прочих биологических указателей определить, какие чувства вы испытываете. Между тем программное обеспечение слежения достигло такого уровня, что пилотируемые искусственным интеллектом дроны[91]91
  Деморолик см.: youtube.com/watch?v=gsfkGlSajHQ.


[Закрыть] способны отслеживать человека, бегущего через густой лес.

Что касается способности слушать, можно привести в пример беспроводные смарт-динамики с голосовым управлением: Echo у Amazon, Google Home и Apple HomePad всегда в активном режиме, наготове и ожидают вашей следующей команды. И сейчас такие машины способны выполнять сложные поручения. В 2018 г. случилась одна примечательная история (ниже мы к ней еще вернемся), когда у публики буквально снесло крышу от выложенного Google видеоролика, на котором ИИ – персональный помощник по имени Duplex[92]92
  См.: ai.googleblog.com/2018/05/duplex-ai-system-for-natural-conversation.html.


[Закрыть] звонит в парикмахерскую и записывается к мастеру. Duplex проделал это без сучка без задоринки, но что самое поразительное, за время разговора администратор салона и на миг не заподозрила, что разговаривает не с живым человеком, а с роботом.

Аналогичный прогресс достигнут в части чтения и письма. Разработанный Google сервис Talk to Books[93]93
  См.: experiments.withgoogle.com/talk-to-books.


[Закрыть] позволяет разговаривать с книгами и задавать вопросы на любые темы. В ответ на ваш вопрос искусственный интеллект прочитывает за полсекунды 120 тыс. книг и отвечает вам цитатами из них. Достижение здесь в том, что ответы сервиса основаны не только на ключевых словах, но и на заложенных авторами смыслах. К тому же ИИ, судя по всему, наделен чувством юмора. Так, на вопрос «Где рай и царство небесное?» вы получите ответ: «Царство небесное предназначается для людей, поэтому в Месопотамии его не найдешь». Это цитата из серьезного труда Эдварда Райта «Ранняя история небес».

Что касается способности писать, то в некоторых компаниях, например в Narrative Science, ИИ теперь пишет статьи хорошего уровня, причем без всякой помощи журналиста-человека. Издание Forbes при помощи ИИ генерирует свои бизнес-отчеты, а десятки ежедневных газет – материалы о бейсболе. А вот аналогичный пример: сервис умного ввода Smart Compose в почте Gmail теперь не просто предлагает слова и их правильное написание, но и выдает, пока вы печатаете, целые фразы. А существуют ИИ, которые генерируют даже книги. Так, в 2017 г. на национальном литературном конкурсе в Японии[94]94
  Olewitz C. A Japanese AI Program Just Wrote a Short Novel, and It Almost Won a Literary Prize // Digital Trends, March 23, 2016.


[Закрыть] написанное ИИ произведение сумело пробиться в финал.

Как ИИ справляется с интеграцией знаний, лучше всего видно на примере игр. Возьмем шахматы. В 1997 г. шахматный компьютер IBM Deep Blue обыграл действующего на тот момент чемпиона мира Гарри Каспарова. В шахматах число позиций в дереве игры составляет примерно 10⁴⁰ – это означает, что если все семь с чем-то миллиардов жителей Земли разделятся на пары и засядут за доски, им понадобятся триллионы лет, чтобы сыграть каждую возможную вариацию партии.

Мало того, в 2017 г. разработанная Google программа AlphaGo[95]95
  Блестящее рассуждение, чем шахматы отличаются от го, см.: Muoio D. Why Go Is So Much Harder for AI to Beat Than Chess // Business Insider, March 10, 2016. Сведения о поражении Ли Седоля см. также: Russell J. Google AI Beat Go World Champion Again to Complete Historic 4–1 Series // Techcrunch, March 15, 2016.


[Закрыть] обыграла чемпиона мира по игре в го профессионала Ли Седоля. А число позиций в дереве игры го составляет 10³⁶⁰, ведь го можно уподобить шахматам для супергениев. Иными словами, мы – единственный биологический вид, чьи мыслительные способности позволяют играть в го. И чтобы эта мыслительная способность развилась, потребовалась пара сотен тысячелетий эволюции. А искусственный интеллект поумнел до такого уровня меньше чем за два десятилетия.

Но даже при этом ИИ оказался способен и на большее. Через несколько месяцев после победы над Седолем Google развила программу AlphaGo до уровня AlphaGo Zero за счет усовершенствования способа обучения. AlphaGo предусматривала машинное обучение на примерах игр, ей «скармливали» тысячи сыгранных людьми партий, а также показывали, какие ходы и ответные ходы допустимы в каждой возможной ситуации. Программе AlphaGo Zero для обучения данных не требовалось. В нее заложен принцип «обучения с подкреплением»: она учится, играя сама с собой. Подкреплением же выступает результат партии: если программа выиграла, значит, она делала хорошие ходы.

На старте AlphaGo Zero имела в своем распоряжении чуть больше, чем несколько простых правил, и ей потребовалось всего три дня, чтобы превзойти своего родителя, AlphaGo, ту самую, что обыграла Ли Седоля. А спустя три недели AlphaGo Zero уверенно разгромила 60 лучших в мире игроков в го. В общем, у нее ушло 40 дней на то, чтобы дорасти до уровня сильнейшего в мире игрока в го. И как ни странно, Google в мае 2017 г. применила тот же принцип обучения с подкреплением, чтобы ИИ создал другой ИИ[96]96
  Sulleyman A. Google AI Creates Its Own Child AI That’s More Advanced Than Systems Built by Humans // Independent, December 5, 2017.


[Закрыть]. И эта созданная машиной машина превзошла «человекотворную» по способности распознавать объекты на изображениях.

К 2018 г. искусственный сверхинтеллект вышел из стен лабораторий в большой мир, где ему быстро нашлось применение. Управление по контролю за продуктами и лекарствами (Food and Drug Administration, FDA) одобрило использование ИИ для дежурства в реанимационных отделениях, поскольку ИИ способен лучше «человеческих» врачей предвидеть внезапную смерть от дыхательной или сердечной недостаточности. Facebook применяет ИИ[97]97
  Dickey M. Facebook Brings Suicide Prevention Tools to Live and Messenger // TechCrunch, March 1, 2017.


[Закрыть] для выявления у пользователей суицидальных настроений; Министерство обороны США[98]98
  Котлер С., Уил Дж. Похищая огонь. Как поток и другие состояния измененного сознания помогают решать сложные задачи. М.: Манн, Иванов и Фербер, 2019.


[Закрыть] полагается на ИИ в выявлении у военнослужащих ранних признаков депрессии и посттравматического стрессового расстройства, а боты вроде Сяоайс раздают советы одиноким и покинутым. ИИ вторгся и в такие сферы, как финансы, страхование, розничная торговля, развлечения, здравоохранение, юриспруденция, домашнее хозяйство, пользование автомобилем, телефония, телевидение и даже политика. В 2018 г. ИИ даже баллотировался в мэры[99]99
  Withers P. Robots Take Over // Express, April 17, 2018. Самое четкое видео: express.co.uk/news/world/947448/robots-japan-tokyo-mayor-artificial-intelligence-ai-news.


[Закрыть] одного японского города. Не победил, но отрыв от лидеров предвыборной гонки оказался меньше ожидаемого.

Однако истинную революционность этим технологиям придает их доступность.

Всего десять лет назад ИИ находился в безраздельном распоряжении крупных корпораций и госчиновников. Сегодня он доступен всем нам. У большинства лучших программ исходные коды открыты. Если у вас смартфон 2018-го или более позднего года выпуска, в него уже встроены микросхемы нейронного сопроцессора и ваш аппарат готов для работы с этим ПО. А как насчет расширения его возможностей? Есть такое дело: компании Amazon, Microsoft и Google уже вовсю соревнуются, кто первой создаст и предложит пользователям очередной сногсшибательный сервис – облачные вычисления с использованием ИИ.

Что же все это значит? Давайте разбираться, и начнем с JARVIS (Just A Rather Very Intelligent System, или «Ну просто очень умная система»). В представлении многих это крутейший искусственный интеллект из научно-фантастического боевика «Железный человек» по мотивам комиксов компании Marvel. Главный герой Тони Старк может болтать со своим Джарвисом обычным голосом, как с человеком[100]100
  В полнометражном фильме 2008 года «Железный человек» Джарвис (англ. JARVIS) появился в качестве искусственного интеллекта – дворецкого в особняке Тони Старка. В оригинальных комиксах преданного дворецкого Тони Старка звали Эдвин Джарвис. Прим. ред.


[Закрыть]. Может описать своему искусственному интеллекту какое-нибудь возможное изобретение, а потом они общими усилиями разрабатывают проект и конструкцию этого новшества. Джарвис служит Старку дружественным интерфейсом с десятками экспоненциальных технологий. Стоит нам развить такую способность, и понятие «турбоускорение» уже и близко не подойдет для описания темпов нашего прогресса.

Но мы уже достаточно близки к этому. Размещение ИИ в облаке позволяет получить необходимую вычислительную мощность, чтобы подняться до уровня производительности Джарвиса. Мы подойдем еще ближе, если соединим способность Сяоайс к дружелюбному общению с умением AlphaGo Zero принимать безошибочные решения. Добавьте последние достижения в области глубокого обучения – и вы получите систему, начинающую развивать способность к самостоятельному мышлению. Будет ли это JARVIS? Пока нет. Но явно нечто вроде Джарвиса-лайт – и еще одна причина, почему технологическое ускорение само себя ускоряет.

Сети

Сети – средства общения. Благодаря им продукты и, главное, информация и новшества перемещаются из пункта А в пункт В. Древнейшие сети нашего мира восходят к каменному веку, от которого нас отделяют более десяти тысяч лет (тогда появились первые проезжие дороги). Каким же чудом они тогда стали! Благодаря им обмену идеями и новшествами больше не препятствовали опасности и тяготы пешего пути, когда приходилось осторожно, шажок за шажком пробираться по дикой, полной смертельных опасностей местности. И оказалось, что факты и цифры могут переноситься с места на место с небывалой скоростью гужевой повозки – почти 5 км в час.