«Все остальное» – это куча всякого-разного. О многом мы уже поговорили: о чувстве справедливости и законах, о нашем понимании эволюционной истории, даже о самой идее смертности. Но теперь, когда время нашей встречи подходит к концу, я думаю, мне стоит сбросить мантию «разочарованного бывшего аспиранта-физика» и нацепить бейсболку «разработчика искусственного интеллекта, который может позволить себе не только лапшу быстрого приготовления».

И вот тогда я смогу без всякого преувеличения сказать: именно сейчас, как никогда за всю историю нашего вида, важно понять, что физика – а в частности, квантовая механика – говорит о природе человеческого бытия.

И вот почему.

На пути к искусственному интеллекту, сопоставимому с человеческим

Я думаю, что человечество в ближайшие несколько десятилетий, а то и раньше разработает искусственный интеллект, который будет сопоставим с человеческим, а затем и превзойдет его. Звучит безумно, однако именно такой точки зрения придерживается сегодня большинство передовых исследователей ИИ. Я хочу объяснить, почему так думаю и почему это означает, что квантовая физика в XXI веке – ключевой элемент в игре с немыслимо высокими ставками.

Начнем с краткого, на 607 слов, обзора всей сферы ИИ, который, надеюсь, будет достаточно точным, чтобы не выбесить тех, с кем я работаю. Готовы? Включайте счетчик.

Искусственный интеллект – это просто хитрая компьютерная программа, которая сложным образом обрабатывает информацию. Разные ИИ часто используются для автоматизации задач, которые может выполнять и человек, – например для вождения машин или выявления подстрекательского контента в интернете. Но еще их можно использовать для мыслительных процессов, которые человеку не под силу: например, чтобы предсказывать, как именно свернется белок, или контролировать реакцию термоядерного синтеза.

Для нормальной работы ИИ нужны три вещи: данные, вычислительная мощность и модель. Чтобы понять, что это за ингредиенты и как они взаимодействуют, остановимся на минутку и рассмотрим три способа не осилить высшую математику.

Во-первых, можно не осилить высшую математику, если нет учебника по высшей математике. Учебник – это как данные, на которых учатся системы ИИ. Без учебника по высшей математике вы не освоите высшую математику, а без данных о свертывании белков искусственный интеллект не научится предсказывать, как свернутся те или иные белки.

Во-вторых, когда учебник все-таки есть, можно все равно не осилить высшую математику, если не приложить усилия, чтобы его прочитать и изучить. Усилия, которые вкладывает ИИ в чтение и изучение данных, – это его вычислительная мощность. Чем больше у системы данных для изучения, тем больше вычислительной мощности ей нужно, чтобы извлечь из этих данных все уроки, какие только возможно.

В-третьих, даже когда есть учебник и хватает прилежания, чтобы его изучить, все равно можно не осилить высшую математику – если ты птица. Дело в том, что у птиц крохотный мозг, который не способен вместить все знания, необходимые для овладения высшей математикой. Мозг системы ИИ называется моделью, и в модели хранится более или менее все, что ИИ успел узнать о мире.

Десятилетиями история ИИ была историей постепенного увеличения вычислительной мощности. Со временем стало понятно, как делать процессоры более производительными, и вычислительная мощность подешевела.

В конце концов у нас появилось достаточно мощных процессоров, чтобы заставить ИИ делать всякие интересные вещи. И вот в 2012 году кому-то пришла в голову блестящая мысль задействовать эту вычислительную мощность, чтобы построить искусственную нейросеть – своего рода модель, имитирующую структуру и функции человеческого мозга. Нейросеть обучили распознавать на изображениях объекты, например собак, самолеты, автобусы, и она замечательно справилась с этой задачей. Казалось, люди впервые нашли способ автоматизировать зрение – создать машины, способные видеть.

Это очень заинтересовало компании. Cкоро все – от гугла до твиттера – уже использовали нейросети для решения всевозможных задач: перевода с одного языка на другой, распознавания лиц на фотографиях, диагностирования заболеваний по рентгеновским снимкам. И это приносило компаниям прибыль – деньги, которые можно было снова пустить на исследования в области искусственного интеллекта и на покупку все новых и новых вычислительных мощностей.

Примерно тогда же небольшая часть сообщества исследователей в области ИИ немного занервничала. «Не пора ли нам начинать тревожиться, что искусственный интеллект превосходит человека в быстро растущем наборе задач, в том числе в распознавании изображений, в рекомендации товаров и в очень сложных играх вроде StarCraft II, или это ничего?» – вопрошали они.

Однако большинство людей на том этапе не особенно беспокоилось о перспективах создания ИИ человеческого уровня. Ведь, хотя созданные для специальных целей ИИ и показывали себя лучше человека в действительно важных областях, все эти системы были «узконаправленными» в том смысле, что хорошо справлялись только с теми конкретными задачами, для решения которых их создавали и обучали. ИИ для распознавания лиц не мог подавать за вас налоговые декларации, и пока сохранялось такое положение, людям казалось, что до появления пугающе мощного искусственного интеллекта еще очень далеко.