Осенью 2010 г. Дэвид Брок, копавшийся в пыльных коробках архива Стэнфордского университета, обнаружил нечто такое, от чего у него замерло сердце. Как историк компьютерной индустрии Брок методично изучал бумаги Уильяма Шокли в поисках материалов для своей работы о жизни основателя компании Intel Corp. Гордона Мура. Было известно, что после ухода в 1955 г. с поста руководителя команды в Bell Labs, которая разрабатывала транзистор, Шокли вернулся в округ Санта-Клара и основал свою компанию по производству более технологичного варианта транзистора. Но до находки Брока никто не знал о смелом предложении Шокли – о том, что тот пытался убедить Bell Labs, бывшую в 1951 г. ведущим научно-исследовательским институтом, создать «автоматического обучаемого робота».
Уже не одно десятилетие идут жаркие споры о том, что именно привело к рождению Кремниевой долины. Одно из последних объяснений связывает это событие с тем, что Шокли, выросший недалеко от центра Пало-Альто, решил из-за болезни матери вернуться в регион, который когда-то был национальной фруктовой столицей. Его Лаборатория полупроводников разместилась на Сан-Антонио-роуд в Маунтин-Вью к югу от Пало-Альто и через дорогу от того места, где ныне находится растянувшийся во все стороны кампус компании Google. Мур был одним из первых сотрудников лаборатории, а позднее вошел в «восьмерку предателей», группу инженеров, которые из-за недовольства авторитарным стилем руководства Шокли сбежали и создали конкурирующую компанию. Этот поступок вошел в анналы Кремниевой долины как образчик интеллектуальной и технической свободы, которая превратила регион в центр предпринимательства, какого мир еще не видел. Многие уверены, что решение Шокли основать транзисторную компанию в Маунтин-Вью было той искрой, которая дала начало Кремниевой долине. Интереснее, однако, вопрос, к чему стремился Шокли. Он давно считается одним из первых предпринимателей, безнадежных как менеджеры. Тем не менее его страсть к предпринимательству служила моделью для многих поколений технарей. Но это лишь часть объяснения.
Брок сидел в архиве Стэнфорда и смотрел на пожелтевшую страничку с предложением, озаглавленным «Проект A. T. R.». Шокли, известный своей несдержанностью, не деликатничал. «Важность предлагаемого проекта, возможно, больше всего, чем Bell System занималась до сих пор, – писал он. – Это направление может стать основой самой крупной из когда-либо существовавших отраслей. Не исключено, что прогресс в сфере производства в последующие два-три десятилетия будет напрямую зависеть от энергичности осуществления проектов такого класса». Цель проекта была обозначена предельно прямо – «замена человека машинами в производственном процессе». Роботы были необходимы, поскольку в целом автоматизированным системам недоставало ловкости и чувственного восприятия людей. «Подобная механизация принесет очевидную экономию в очень долгосрочной перспективе, но будет непрактичной в краткосрочной», – продолжал Шокли. Он предвидел создание не только «автоматического завода», но и обучаемого робота, которого можно «легко перенастроить для выполнения любой из множества операций». Его машина должна была иметь «руки», «органы чувств», «память» и «мозг».
Шокли загорелся идеей создания человекоподобного промышленного робота потому, что сборочные операции часто представляют собой повторяющуюся последовательность движений, выполняемых квалифицированным рабочим, и потому, что подобный робот может стать прорывом на пути к полному замещению живого труда. Его идея была поразительной, поскольку она родилась на заре компьютерной эпохи до того, как большинство работавших в этой области инженеров осознали влияние технологии. Она появилась всего лишь через полдесятилетия с тех пор, как первый цифровой компьютер общего назначения ENIAC стали называть в массовой прессе «гигантским мозгом», и всего два года спустя после выхода книги Норберта Винера «Кибернетика», провозгласившей начало информационной эпохи.
Шокли предсказал курс, которым пойдет автоматизация десятилетия спустя. Например, компания Kiva Systems – производитель автоматизированных складских систем, приобретенный Amazon в 2012 г. за $775 млн, – исходила из того, что труднее всего автоматизации на современных складах поддаются операции, требующие участия глаз и рук людей, например идентификация и захват объектов. Без средств машинного восприятия и подвижности уделом роботизированных систем остаются лишь повторяющиеся задания, поэтому Kiva сделала очевидный промежуточный шаг и создала мобильных роботов, подающих объекты к местам расположения работников. Когда средства машинного восприятия и манипуляторы роботов станут более совершенными и дешевыми, от людей можно будет отказаться.
В сезон рождественских распродаж в декабре 2014 г. Amazon сделала отступление от своей обычной политики секретности и пригласила прессу на экскурсию по одному из складских центров в Трейси, штат Калифорния. Что участникам экскурсии не показали, так это экспериментальную станцию, где роботизированный манипулятор занимался комплектацией грузов, работой, которую пока выполняют люди. Amazon экспериментирует с датским манипулятором, который должен заменить оставшихся людей.
Шокли в середине прошлого столетия совершенно не беспокоила перспектива вытеснения людей обучаемыми роботами, а Винер видел в этом потенциальную катастрофу. Через два года после «Кибернетики» он написал книгу «Кибернетика и общество», в которой попытался оценить последствия заполнения мира все более умными машинами. Несмотря на все свои оговорки, Винер сыграл в 1950-х гг. ведущую роль в формировании того, что Брок назвал «движением за автоматизацию». Брок прослеживает процесс, который привел к маниакальному стремлению страны автоматизировать все подряд, до его зарождения 2 февраля 1955 г., когда Винер и глава департамента электротехники Массачусетского технологического института Гордон Браун выступили на публичной дискуссии в Нью-Йорке с участием 500 членов Ассоциации выпускников Массачусетского технологического института с докладом «Автоматизация: что это?».
В тот же день на другом конце страны предприниматель Арнольд Бекман председательствовал на банкете в честь Шокли и Ли де Фореста, изобретателя вакуумного триода. На этом мероприятии Бекман и Шокли обнаружили, что оба они «энтузиасты автоматизации». Бекман уже начал переориентировать Beckman Instruments на автоматизацию химической промышленности, и к концу банкета Шокли согласился послать Бекману копию своего недавно полученного патента на оптико-электронный глаз. В результате этого разговора Бекман стал финансировать Лабораторию полупроводников Шокли как филиал Beckman Instruments ради возможности приобрести этот орган машинного зрения. Шокли сформулировал идею замены рабочих роботами в разгар общенациональной дискуссии об «автоматизации». Этот термин сделал популярным Джон Диболд в своей книге 1952 г. «Автоматизация: Начало эры автоматических заводов» (Automation: The Advent of the Automatic Factory).
Проницательность Шокли настолько поражала, что Родни Брукс, сам пионер робототехники в Стэнфордской лаборатории искусственного интеллекта в 1970-х гг., прочитав статью Брока в IEEE Spectrum в 2013 г., разослал меморандум Шокли, датированный 1951 г., сотрудникам своей компании Rethink Robotics и предложил определить, когда он был написан. Не угадал никто. Этот меморандум появился более чем за полвека до робота Baxter, созданного компанией Rethink осенью 2012 г. Тем не менее Baxter почти полностью соответствовал тому, что предлагал Шокли в 1950-х гг., – это был обучаемый робот с выразительным «лицом» на светодиодном экране, «руками», «органами чувств», «памятью» и, конечно, «мозгом».
Разница заключалась в философии – Брукс исходил из того, что Baxter будет не заменять рабочих, а помогать им, взяв на себя скучные, повторяющиеся операции и оставив людям более творческую работу. Меморандум Шокли показывает, что Кремниевой долине изначально присущ фундаментальный парадокс, связанный с тем, что технология одновременно расширяет возможности людей и вытесняет их. Сегодня этот парадокс проявляется острее, чем когда-либо. Разработчики систем, все больше изменяющих мир и определяющих облик информационной эпохи, стоят перед выбором – встраивать человека в будущее или нет.
Подспудная история Кремниевой долины проявляется и в попытке Google подключиться к созданию мобильных роботов. В 2013 г. Google без лишнего шума перекупила многих лучших робототехников мира в стремлении стать лидером следующей волны автоматизации. Как и в случае секретного проекта по созданию гугломобиля, контуры бизнеса Google в сфере мобильных роботов остаются неясными. Трудно сказать, в каком направлении пойдет Google в конечном итоге – по пути расширения возможностей или замены людей. Так или иначе компания явно взялась за поставленную Шокли шесть десятилетий назад задачу создания обучаемого робота.
Единство и противоположность искусственного интеллекта и усиления интеллекта давно очевидны Энди Рубину, инженеру-робототехнику, который успел поработать в ряде компаний Кремниевой долины, прежде чем заняться в 2005 г. созданием бизнеса Google по производству смартфонов. В 2013 г. Рубин оставил пост главы отделения телефонов на платформе Android компании и начал потихоньку приобретать лучшие компании и специалистов в области роботостроения. Для своего бизнеса он нашел новое здание на Калифорния-авеню на окраине Стэнфордского технопарка всего в половине квартала от той самой лаборатории Xerox PARK, где был создан первый современный персональный компьютер Alto. Здание ничем не выделялось, но в его атриуме стояла впечатляющая статуя робота, которую было видно с улицы. Она красовалась там до одного вечера, когда скрытным робототехникам позвонили соседи напротив через улицу. Мрачно выглядящий робот вызывал кошмары у их маленького сына. После этого робота убрали подальше от посторонних глаз.
Когда-то Рубин, для которого роботы были предметом увлечения, участвовал в финансировании проекта Себастьяна Труна по созданию Stanley, беспилотного автомобиля, завоевавшего в конечном итоге приз DARPA размером $2 млн за самостоятельное преодоление более сотни миль в Калифорнийской пустыне. «У персональных компьютеров отрастают ноги, и они начинают ходить сами», – сказал Рубин в 2005 г. С той поры интерес к робототехнике в Кремниевой долине только растет. Энди Рубин просто раньше других воспринял идею Шокли.
После переезда Шокли в 1955 г. в Пало-Альто этот регион всего за полдесятилетия стал источником социальных, политических и технологических сил, которые изменили американское общество так, что оно и до сегодняшнего дня определяет облик современного мира. Пало-Альто предстояло превратиться из сонного университетского городка в одно из богатейших сообществ в мире. Появление микропроцессоров, персональных компьютеров и компьютерных сетей в 1960-х и 1970-х гг. совпало по времени с войной во Вьетнаме, движением за гражданские права и возникновением контркультуры. В первых компьютерных лабораториях программисты и инженеры находили убежище от беспокойного мира. К 1969 г., когда Ричард Никсон вступил в должность президента, Сеймур Херш сообщил о резне в Сонгми (Ми Лай), а астронавты Нил Армстронг и Базз Олдрин побывали на Луне. Американцы впервые совершили путешествие в другой мир, но страна увязла в пагубном конфликте за пределами своей территории.
В 1968 г. состоялась премьера фильма «Космическая одиссея 2001» (2001: A Space Odyssey), нарисовавшего картину и потенциальных возможностей, и опасностей искусственного интеллекта. Компьютер HAL – искусственный интеллект, который решил нарушить законы робототехники Азимова, постулаты 1942 г., запрещающие машинам причинять вред людям даже для обеспечения собственного выживания, – определил образ робота в массовой культуре. В конце 1960-х гг. фантасты были пророками технического прогресса, а искусственный интеллект стал многообещающей новой технологией, реализующейся в виде компьютеров и роботов и порождающей образы то технологического рая, то популистской паранойи. В стране, которая между 1960 и 1963 гг. в буквальном смысле перешла от Флинтстоунов к Джетсонам, будущее казалось почти осязаемым.
В этом культурном хаосе Чарли Розен начал строить первого реального робота как платформу для проведения экспериментов в области искусственного интеллекта. Розена, родившегося в Канаде физика, занимал широкий круг связанных с компьютерами проблем, включая датчики, новые виды полупроводников и искусственный интеллект. Он был в определенном смысле человеком ренессанса: соавтор одного из первых учебников по транзисторам, рано заинтересовавшийся нейронными сетями – компьютерными сетями, перспективными с точки зрения распознавания образов и «обучения» путем моделирования поведения биологических нейронов.
В результате Стэнфордский исследовательский институт стал одним из центров исследования нейронных сетей и персептронов, попыток имитировать формы биологического обучения. Розен генерировал идеи непрерывно и озадачивал инженеров невероятно далекими от реальности экспериментами. Молодой инженер-электрик из Стэнфорда Питер Харт, проводивший исследования в области устройств распознавания простых образов, очень живо рассказывал о своих частых встречах с Розеном. «Привет, Пит, – говорил Розен, приближаясь к лицу настолько, что Харт мог видеть его подрагивающие кустистые брови, и тыкал пальцем в грудь. – У меня есть идея». Это могла быть необычная концепция распознавания речи путем передачи сказанных слов в трехметровую емкость с водой через подводные громкоговорители и регистрации формы стоячей волны с помощью видеокамеры.
Выложив идею, Розен, бывало, смотрел на своего юного протеже и кричал: «Ты что, испугался?» Он был одним из первых «лоббистов» в SRI, регулярно наведывавшихся в Вашингтон в надежде заинтересовать Пентагон в финансировании проектов. Именно Розен убедил военных профинансировать реализацию идеи Дуга Энгельбарта по расширению возможностей человека с помощью компьютеров. Он также подготовил и продал предложение по созданию мобильного робота для испытания первых нейросетей и других систем искусственного интеллекта. На одной встрече с генералами из Пентагона Розена спросили, сможет ли этот робот носить пистолет. «Сколько у него их должно быть? – прозвучало в ответ. – Думаю, он легко управится с двумя или тремя».
Исследователи не сразу определились с названием проекта. «Мы целый месяц ломали головы, пытаясь подобрать хорошее название, перебрали все, начиная с греческих имен, а потом кто-то сказал: "Посмотрите, он все время трясется и движется, назовем его Shakey"», – вспоминал Харт.
В конечном итоге Розен стал основным получателем средств от Агентства по перспективным оборонным исследовательским разработкам, но еще до этого он наткнулся на еще один источник финансирования, также в военных структурах. Как-то ему удалось добиться аудиенции у одной из немногих занимавших высокое положение в Пентагоне женщин, математика Рут Дэвис. Когда Розен сообщил ей, что хочет построить умную машину, она воскликнула: «Вы хотите сказать, что она может быть часовым? Можно ли использовать ее вместо солдата?» Розен признался, что, по его мнению, роботы-солдаты вряд ли появятся в скором будущем, но он хочет начать проверку необходимых для этого решений в области машинного зрения, планирования, решения проблем и распознавания речи. Дэвис загорелась идеей и выделила деньги.
Shakey имел ключевое значение как один из немногих крупных проектов 1960-х гг. в области искусственного интеллекта, вызвавших взрывной рост интереса к этой сфере и давших результаты, которые будут актуальны в течение многих десятилетий. Сегодня ДНК Shakey можно найти во всем: от складского робота Kiva и беспилотного автомобиля Google до интеллектуального помощника Siri компании Apple. Он не только обеспечил подготовку первого поколения исследователей, но и впервые высветил технические и моральные проблемы, до сих пор определяющие пределы и потенциал искусственного интеллекта и робототехники.
Многие считали Shakey образом будущего искусственного интеллекта. В ноябре 1970 г. журнал Life писал об этой машине, как о чем-то гораздо большем, чем она в действительности была. История о ней соседствовала с заглавной статьей номера об общежитии колледжа с совместным обучением, рекламой полноприводных автомобилей и 11-дюймового телевизора Sony. Рассказ репортера Брэда Дарраха о возможностях Shakey был крайне вольным в стремлении справиться со сложностями нарождающейся машинной эпохи. Он, конечно, отмечал, что машинам пока далеко до сложных эмоциональных реакций вроде оргазма у человека, но в целом статья дышала оптимизмом, царившим тогда в сообществе робототехников.
Исследователям SRI, включая Розена и его помощников Питера Харта и Берта Рафаэля, очень не понравилось, что Shakey приписывалась способность свободно двигаться по коридорам лаборатории быстрее человека, задерживаясь лишь у дверей, и размышлять, подобно человеку, об окружающем мире. Как говорил Рафаэль, это описание особенно раздражало, поскольку во время визита Дарраха робот находился в нерабочем состоянии. В тот момент его подключали к новому управляющему компьютеру.
Пионер исследований в области искусственного интеллекта Марвин Мински возмущался больше всех и написал длинное опровержение, обвиняя Дарраха в подтасовке цитат. Например, Мински якобы сказал, что человеческий мозг всего лишь компьютер, сделанный из «мяса». Но больше всего он был недоволен приписыванием следующего высказывания: «В течение трех – восьми лет у нас будет машина с интеллектом среднего человека. Я имею в виду машину, которая сможет читать Шекспира, менять масло в автомобиле, вести офисные интриги, шутить и драться. К этому времени машина начнет сама учиться с фантастической скоростью. За несколько месяцев она достигнет уровня гения, а еще через несколько месяцев ее возможности станут безграничными». Сегодня тревоги Дарраха кажутся почти странными. Случайно ли, намеренно ли, он фактически говорил, что раньше или позже (а ему определенно хотелось уверить читателя, что это случится раньше) обществу придется решать, как оно будет жить со своим кибернетическим потомком.
Несмотря на искаженное представление Shakey в прессе, два года спустя в докладе на конференции по техническим вычислениям и робототехнике в Бостоне Розен обратился к поднятой Даррахом теме. Он отвергал идею полностью автоматизированного «безлюдного предприятия» в «следующем поколении» в основном из-за социальных и экономических последствий и предсказывал появление к концу 1970-х гг. производственных и обслуживающих роботов (под контролем человека), которые устранят повторяющиеся операции и тяжелую работу. Процесс роботизации, по его мнению, повлечет за собой новую волну технологической безработицы, и обществу придется пересматривать такие вопросы, как продолжительность рабочей недели, пенсионный возраст и стаж.
Больше пяти лет исследователи SRI занимались разработкой, которая формально преподносилась как чистый эксперимент с искусственным интеллектом. Проект, однако, финансировался Пентагоном, у которого были свой интерес и надежда на создание боевого робота, способного отслеживать противника без риска для жизни американских солдат или солдат союзников. Shakey не только положил начало современным исследованиям в области искусственного интеллекта и проектам по расширению возможностей человека, он был также предшественником дронов военного назначения, которые сейчас патрулируют небо над Афганистаном, Ираком, Сирией и в других местах.
Shakey – яркий пример миграции на Запад исследований в области компьютеров и искусственного интеллекта в 1960-х гг. Хотя Дуглас Энгельбарт, проект которого осуществлялся в лаборатории на другой стороне здания, родился на Западном побережье, многие были мигрантами. Начало искусственному интеллекту, как области исследований, было положено во время летней конференции 1956 г. в Дартмутском колледже, где работал молодой преподаватель математики Джон Маккарти. Маккарти родился в 1927 г. в Бостоне в семье ирландского католика и литовской еврейки, активных членов Коммунистической партии США. Его родители были интеллектуалами, и мать не сомневалась, что ее дети смогут добиться всего, чего захотят. В 12 лет Маккарти наткнулся на книгу Эрика Темпла Белла «Творцы математики» (Men of Mathematics), которая помогла определиться с карьерой многим лучшим и ярчайшим ученым эпохи, включая Фримена Дайсона и Станислава Улама. В старших классах школы Маккарти считался математическим гением, а потому решил поступать только в Калифорнийский технологический институт, где Темпл Белл был профессором. Впоследствии он называл это чистой «самонадеянностью». В заявлении Маккарти обозначил свои планы одной фразой: «Я намерен стать профессором математики». Книга Белла дала ему реалистичное представление о выбранном пути. Маккарти считал, что главной наградой математику является качество его исследований, и жаждал стать интеллектуалом, добившимся всего своими силами.
В Калифорнийском технологическом институте Маккарти был амбициозным студентом. Он сразу схватился за сложные расчеты и стал слушать одновременно несколько курсов, включая самолетостроение. На службу Маккарти призвали уже в конце войны, поэтому его армейская карьера была связана с канцелярской работой, а не с участием в боевых действиях. Находясь недалеко от дома в Форт-Макартуре – в портовом городе Сан-Педро, штат Калифорния, он начал клерком, оформлявшим приказы о демобилизации, а потом стал заниматься присвоением званий возвращавшимся с войны солдатам. Затем Маккарти поступил в аспирантуру Принстона и не упустил случая познакомиться с математиком и физиком Джоном фон Нейманом, который сыграл важную роль в определении основной архитектуры современного компьютера.
В тот момент мысли об «искусственном интеллекте» уже бродили в голове Маккарти, но еще не оформились. Это произошло лишь полдесятилетия спустя во время летней конференции 1956 г. в Дартмуте. Первые наметки появились еще в аспирантуре, когда он участвовал в Хиксоновском симпозиуме по церебральным механизмам поведения в Калифорнийском технологическом институте. В то время еще не было программируемых компьютеров, но идея витала в воздухе. Алан Тьюринг, например, писал об этой возможности еще год назад в надежде, что его услышат по обе стороны Атлантики. Маккарти думал об интеллекте как о математической абстракции, а не как о том, что можно воплотить в реальной машине (как предлагал Тьюринг). Это была идея создания «искусственного» аналога человеческого интеллекта, а не вариант клеточного автомата, которым позже будет заниматься фон Нейман. Маккарти сосредоточился на абстрактном аспекте интеллекта, который был способен взаимодействовать с окружающей средой. Когда он сказал об этом фон Нейману, тот воскликнул: «Напишите об этом!» Маккарти много размышлял об этой идее, но так ничего и не опубликовал. Годы спустя он выразит сожаление по поводу своего бездействия. Хотя диссертация Маккарти в Принстоне была посвящена дифференциальным уравнениям, он интересовался также логикой, и его вклад в область искусственного интеллекта стал результатом применения математической логики к рассуждениям на основе здравого смысла. Он приехал в Принстон на год позже Марвина Мински и обнаружил, что того тоже занимает идея искусственного интеллекта. В те времена, однако, не было компьютеров, которые позволили бы им развернуться, поэтому концепция оставалась абстракцией.
В аспирантуре Маккарти учился в одно время с Джоном Нэшом, математиком и будущим нобелевским лауреатом, прославленным в написанной в 1998 г. Сильвией Назар биографии «Блестящий ум» (A Beautiful Mind). Аспиранты Принстона любили грубовато подшутить друг над другом. Маккарти, например, устроили падение кровати. Потом оказалось, что один из аспирантов был двойным агентом в играх, поддерживавшим Маккарти против Нэша и одновременно помогавшим Нэшу играть против Маккарти. Теория игр в то время была в моде, и Нэш впоследствии получил Нобелевскую премию по экономике за вклад в эту область.
Летом 1952 г. Клод Шеннон, математик и инженер-электрик в Bell Labs, взял Маккарти и Мински к себе в качестве лаборантов. Известный как отец «теории информации», Шеннон создал в 1950 г. простую шахматную машину и заинтересовался программами моделирования биологического роста, так называемыми «клеточными автоматами». Самой известной из них стала игра «Жизнь», изобретенная Джоном Конвеем в 1970 г.
Если Мински тогда больше занимала предстоящая свадьба, то Маккарти проводил все время в Bell Labs, работая с Шенноном над собранием статей по математике, которое тот назвал «Исследование автоматов» (Automata Studies). Слово «автоматы» не нравилось Маккарти, поскольку оно смещало фокус с конкретных аспектов искусственного интеллекта на эзотерические проблемы математики.
Четыре года спустя он нашел выход, дав начало новой области науки, которая сегодня, через шесть десятилетий, преобразует мир. Маккарти выбрал термин «искусственный интеллект», который, на его взгляд, позволял «поднять идею как флаг» и задать направление Дартмутскому летнему проекту. К сожалению, термин стал ассоциироваться с заменой человеческого разума машинным, что углубляло разрыв между исследователями, занимавшимися искусственным интеллектом и усилением интеллекта. Крещение нового названия произошло в 1956 г. во время организованного Маккарти мероприятия – Дартмутского летнего исследовательского проекта по искусственному интеллекту, финансирование которого осуществлял Фонд Рокфеллера. Это было знаковое событие. Предлагались и другие варианты названия для новой дисциплины: кибернетика, исследование автоматов, комплексная обработка информации и машинный интеллект.
Маккарти хотел избежать термина «кибернетика», поскольку считал его изобретателя Норберта Винера напыщенным занудой и предпочитал не связываться с ним. Он также не принимал термин «автомат», который казался далеким от интеллекта. Существовал еще один аспект, связанный с термином «искусственный интеллект». Много лет спустя в рецензии на книгу, касающейся такой академической концепции, как «социальное конструирование технологии», Маккарти постарался дистанцировать искусственный интеллект от его антропоцентрических корней. Он настаивал, что эта область не имеет отношения к поведению человека.
В программе Дартмутской конференции не было упоминаний об исследовании поведения человека, «поскольку [Маккарти] не считал это уместным». По его мнению, искусственный интеллект не имел никаких связей с поведением человека, кроме разве что намека на выполнение свойственных человеку задач. Из всех участников конференции поведением человека занимались только Аллен Ньюэлл и Герберт Саймон из Института Карнеги, уже известные исследователи, соединившие социологию с когнитивистикой. Через много лет подход, предложенный участниками Дартмутской конференции, получит обозначение GOFAI – «старый добрый искусственный интеллект», т. е. подход, ориентированный на приближение к человеческому уровню интеллекта на основе использования логики и набора эвристических правил решения проблем.
В подготовке летней конференции участвовала IBM, в 1950-х гг. уже крупнейший производитель компьютеров. Маккарти и Мински провели лето 1955 г. в лаборатории компании, создавшей ламповый мейнфрейм IBM 701 (их было выпущено всего 19 единиц). После конференции ряд исследователей из IBM вели разработки в области искусственного интеллекта, но в 1959 г. производитель компьютеров закрыл это направление. По некоторым свидетельствам, компьютерный гигант опасался, что его машины будут задействованы в технологиях, уничтожающих рабочие места. Тогдашний глава компании Томас Уотсон-младший принимал участие в общенациональной дискуссии о роли и последствиях применения компьютеров в сфере автоматизации и не хотел, чтобы его компания ассоциировалась с массовой ликвидацией рабочих мест. Маккарти позже назвал это «приступом тупости» и «диверсией».
В эти первые годы Маккарти и Мински были практически неразлучны – Маккарти даже сопровождал Мински во время его знакомства с родителями будущей жены. Однако их подходы к созданию искусственного интеллекта все больше расходились. В аспирантуре Мински занимался исследованием нейронных сетей. Со временем он стал склоняться к тому, что корни интеллекта – в опыте людей. В отличие от него, Маккарти всегда искал формальные логико-математические пути к моделированию разума человека.
Так или иначе, несмотря на первоначальные трудности, искусственный интеллект оставался сферой коллективной работы и находился в руках исследователей с привилегированным доступом к ревностно охраняемым компьютерам размером с комнату. Как вспоминал Маккарти, Лаборатория искусственного интеллекта в Массачусетском технологическом институте появилась в 1958 г. после того, как туда пришли он и Мински. Как-то Маккарти, встретив Мински в коридоре, сказал: «Думаю, нам нужен проект в области искусственного интеллекта». Мински ответил, что это хорошая идея. Тут с ними поравнялся Джером Визнер, тогда руководитель Лаборатории электроники.
Маккарти выпалил: «Мы с Марвином хотим открыть исследования по искусственному интеллекту».
«Так что вам нужно?» – спросил Визнер.
Маккарти не раздумывая сказал: «Нам требуются помещение, секретарь, перфоратор и два программиста».
На это Визнер ответил: «А шесть аспирантов в придачу возьмете?»
Оказалось, что лучшего момента для такой просьбы нельзя было и придумать. Массачусетский технологический институт как раз получил крупный правительственный грант «для дальнейшего совершенствования», но никто в точности не знал, что понимать под «совершенствованием». Грант в то время использовался для поддержки шести аспирантов-математиков, но Визнер не представлял, что делать дальше. Маккарти и Мински стали для него удачной находкой.
Грант предоставили весной 1958 г. сразу после запуска советского спутника. Федеральное правительство США спохватилось и стало щедро финансировать исследовательские работы в университетах. Считалось, что широкая поддержка науки пойдет на пользу военным разработкам, и в тот год президент Эйзенхауэр учредил Агентство по перспективным исследовательским проектам (DARPA), чтобы избежать технологических сюрпризов в будущем.
Счастливая встреча этой троицы имела практически неоценимое значение для всего мира. Некоторые из «шести аспирантов» были связаны с Клубом любителей моделей железных дорог, ортодоксальной группой будущих инженеров, которых компьютеры притягивали как магнит. Идеалы этого клуба дали начало тому, что стало «культурой программистов-фанатиков», которые больше всего ценили свободу обмена информацией. Маккарти способствовал распространению их этики после ухода из Массачусетского технологического института в 1962 г. и создания конкурирующей лаборатории в Стэнфордском университете. В конечном итоге культура программистов-фанатиков породила такие социальные инициативы, как программное обеспечение с открытым кодом, организация Creative Commons и сетевой нейтралитет. Еще в Массачусетском технологическом институте Маккарти в поисках более эффективного пути исследования искусственного интеллекта предложил использовать компьютер в режиме разделения времени и разработал язык программирования Lisp. Он быстро понял, что искусственный интеллект на определенной стадии развития должен стать интерактивным и что логично вести разработку на компьютерной системе, с которой множество пользователей работают одновременно, а не поочередно, каждый раз заказывая машинное время.
Когда в Массачусетском технологическом институте решили провести опрос для выяснения разумности создания системы с разделением времени вместо того, чтобы сразу реализовать предложение Маккарти, тот решил переехать на Запад. Позже он с обидой говорил, что спрашивать сотрудников университета и персонал об отношении к работе компьютера в режиме разделения времени – все равно что выяснять мнение землекопов о полезности парового экскаватора.
Маккарти полностью принял контркультуру Западного побережья. Он давно вышел из Коммунистической партии, но все еще был за левых и вскоре примкнул к настроенному против истеблишмента сообществу поблизости от Стэнфордского университета. Он отрастил волосы, стал носить повязку на голове и превратился в активного участника Свободного университета, который возник в средней части полуострова Сан-Франциско. Только после того, как Советский Союз подавил чешское восстание 1968 г., Маккарти окончательно разочаровался в социализме. Однажды, когда он рассуждал о мудрости ненасилия на форуме Свободного университета, один из радикалов пригрозил убить его. Это заставило Маккарти перейти на сторону правых и зарегистрироваться как республиканец.
На свою карьеру Маккарти не мог пожаловаться. Должность профессора Стэнфордского университета была лицензией на охоту за финансированием, и по пути в Стэнфорд он завернул к своему другу Ликлайдеру, который с 1962 г. возглавлял Отделение технологий обработки информации ARPA. Они вместе работали над первыми идеями по разделению времени, и именно Ликлайдер финансировал амбициозную программу по их реализации в Массачусетском технологическом институте после перехода Маккарти в Стэнфорд. Впоследствии Маккарти говори, что никогда бы не ушел, если бы знал, что Ликлайдер будет так поддерживать идеи разделения времени.
На Западном побережье почти не было бюрократических препон, и Маккарти быстро создал Лабораторию искусственного интеллекта в Стэнфорде. Ему удалось получить компьютер Digital Equipment Corporation и найти для него место в Лаборатории постоянного тока, в здании и на земле, подаренной Стэнфорду GTE, после того как эта телекоммуникационная компания отказалась от плана организации исследовательской лаборатории на Западном побережье.
Стэнфордская лаборатория искусственного интеллекта быстро стала раем для программистов-фанатиков. Умные молодые разработчики, такие как Стив «Слаг» Рассел и Уитфилд Диффи, последовали за Маккарти на Запад, и за следующее полтора десятилетия через лабораторию прошло великое множество инженеров и программистов. Несмотря на то что Маккарти стал политически более консервативным, атмосфера контркультуры в лаборатории не исчезла. И Стив Джобс, и Стив Возняк сохранили память о посещении в подростковом возрасте Стэнфордской лаборатории. SAIL стала кузницей выдающихся компьютерщиков и новых отраслей.
Именно SAIL дала старт разработкам в области машинного зрения и робототехники, лабораторию по праву считают колыбелью распознавания речи. В свое время Маккарти предложил Раджу Редди понимание речи в качестве темы для диссертации, и Редди стал ведущим исследователем в этой области. Над мобильными роботами в SAIL параллельно с проектом Shakey в Стэнфордском исследовательском институте работали Ханс Моравек, а затем Родни Брукс, которые стали пионерами в области робототехники в Университете Карнеги – Меллона и Массачусетском технологическом институте соответственно.
Это был первый золотой век искусственного интеллекта с исследованиями возможностей понимания естественного языка, компьютерной музыкой, экспертными системами и видеоиграми типа Spacewar. Психиатр Кеннет Колби даже работал с улучшенной версией онлайновой диалоговой системы Eliza, разработанной Джозефом Вейценбаумом в Массачусетском технологическом институте. Колби смоделировал страдающую параноидальным психозом личность, которую назвали «Пэрри». Редди, которому уже доводилось работать с более ранней моделью мейнфрейма IBM 650, вспоминал, что компания брала $1000 за час доступа к машине. Сейчас он «владел» в 100 раз более быстрым компьютером каждый день с 20:00 до 08:00 следующего дня. «Мне казалось, что я умер и попал на небеса», – говорил он.
В лаборатории Маккарти родился целый ряд побочных областей исследования, пионером одной из которых, инженерии знаний, был специалист по вычислительной технике Эд Фейгенбаум. Его первый проект Dendral, начатый в 1965 г., оказал очень большое влияние на развитие экспертных систем, предназначенных для сбора и организации знаний. Система Dendral первоначально создавалась, чтобы помочь химикам идентифицировать неизвестные органические молекулы. Это был общий проект компьютерщиков Фейгенбаума и Брюса Бьюкенена и двух суперзвезд из других областей науки – молекулярного биолога Джошуа Ледерберга и изобретателя противозачаточной таблетки химика Карла Джерасси. Его цель заключалась в автоматизации работы высококвалифицированного специалиста по органической химии.
Бьюкенен вспоминал, что у Ледерберга был контракт с NASA, связанный с поиском жизни на Марсе. Ответ должна была дать масс-спектрометрия: «Фактически система Dendral создавалась для очень конкретного применения, а именно полета на Марс, отбора проб и поиска органических соединений». И действительно, работу над проектом Dendral начали в 1965 г. после ожесточенных споров в NASA о необходимости пилотируемых полетов на Луну. На заре освоения космического пространства в агентстве остро стоял вопрос, следует ли включать людей в контур управления. Сегодня, несколько десятилетий спустя, этот спор разгорелся вновь, но уже в связи с полетами на Марс.
Первоначальный оптимизм в отношении искусственного интеллекта, который господствовал в SAIL, не иссякал до конца 1960-х гг. Ныне это история, но Моравек, который как аспирант жил тогда в мансарде SAIL, годы спустя вспоминал, что Маккарти, излагая свое предложение ARPA, говорил о возможности создать «машину с искусственным интеллектом» для космоса в течение десятилетия. Полвека спустя это кажется нереальным и даже наивным, но Маккарти уже в момент зарождения своего интереса в конце 1940-х гг., еще до появления компьютеров, твердо решил создать машины с такими же, как у человека, возможностями.
В самом деле, в первое десятилетие существования отрасли оптимизм по поводу искусственного интеллекта был огромен. Это явно просматривается в материалах Дартмутской конференции 1956 г.:
Исследования должны строиться на предпосылке, что любой аспект обучения или интеллекта принципиально поддается описанию с точностью, достаточной для его воспроизведения машиной. Надо выяснить, как научить машины использовать язык, оперировать абстракциями и понятиями, решать такие проблемы, которые сейчас под силу только человеку, и совершенствоваться. Мы полагаем, что в одной или нескольких из этих областей можно добиться значительного прогресса, если в течение лета над ними поработает тщательно отобранная группа ученых {101} .
Мински полностью разделял оптимизм Маккарти и вскоре поручил одному из аспирантов заниматься проблемой машинного зрения, полагая, что ее можно решить в ходе летней практики. «Наша конечная цель – создать программы, которые учатся на собственном опыте так же эффективно, как люди», – писал Маккарти.
Это намерение и легло в основу лаборатории, ставшей раем для исследователей, которые хотели наделить машину всеми способностями человека. В то же время оно вызвало серьезные культурные противоречия, расколовшие компьютерный мир на два лагеря – сообщество, ориентированное на замену человека, и сообщество, намеренное использовать те же технологии для усиления интеллекта человека. Как следствие, в последние полвека внутреннее противоборство «искусственный интеллект – усиление интеллекта» было неотделимо от компьютерной науки на фоне появления все более эффективных технологий преобразования мира.
Можно, конечно, смотреть на искусственный интеллект и усиление интеллекта как на две стороны одной медали. Однако существует фундаментальное различие между созданием технологии, приносящей пользу человечеству, и созданием технологии в качестве самоцели. Сегодня это различие проявляется в том, для чего предназначены все более мощные компьютеры, программное обеспечение и роботы, – чтобы помогать людям или чтобы заменять их. Некоторые исследователи, прошедшие через SAIL, с самого начала выступали против искусственного интеллекта в стиле Маккарти. Алан Кей, выдвинувший концепцию современного персонального компьютера в Xerox в 1970-х гг., провел год в SAIL и впоследствии говорил, что это был один из наименее продуктивных периодов в его карьере. К тому времени он уже сформулировал идею Dynabook – «персонального компьютера для детей всех возрастов», которая дала начало целому поколению компьютеров, но так и остался чужим для культуры SAIL. Впрочем, для многих в SAIL будущее было очевидным: машины вскоре сравняются с людьми и даже заменят их. Машины уже были классными, а в будущем они должны превзойти по способностям своих создателей.
Чтобы добраться до лишенного ярких вывесок пригородного жилого района Питтсбурга и найти Ханса Моравека, нужно проехать на автомобиле несколько километров от кампуса Университета Карнеги – Меллона. Его офис находился в крошечной квартирке на верхнем этаже дома по соседству с небольшой торговой улицей. Моравек, так и не избавившийся от своего австрийского акцента, превратил двухкомнатную квартиру в укромный офис, где можно было без помех сконцентрироваться на работе. Тесная гостиная с маленьким холодильником переходила в кабинет еще меньшего размера с опущенными шторами, где господствовали большие компьютерные дисплеи.
Несколько десятилетий назад, когда он привлек внимание публики как один из известнейших в мире конструкторов роботов, журналы нередко представляли его «похожим на робота». В жизни это совершенно не так – он часто смеется и не чужд самоиронии. Он остается профессором в Институте робототехники Университета Карнеги – Меллона, где преподавал много лет, однако, хотя и является одним из самых известных учеников Маккарти, практически исчез из мира, к созданию которого приложил руку.
Когда Роберт Джераси, профессор религиоведения Манхэттенского колледжа и автор книги «Апокалиптический искусственный интеллект: Представление о рае в робототехнике, искусственном интеллекте и виртуальной реальности» (Apocalyptic AI: Visions of Heaven in Robotics, Artificial Intelligence, and Virtual Reality, 2010), приехал в Питтсбург с целью исследований, Моравек уклонился от встречи с ним, сославшись на занятость в новом проекте. Джераси – один из авторов, изображавших Моравека наряду с Рэем Курцвейлом интеллектуальным сооснователем техно-религиозного движения, считающего, что человечество неизбежно будет ассимилировано искусственным интеллектом и роботами, которых мы сейчас создаем. В 2014 г. это движение получило широкую известность, когда такие видные представители технологического и научного мира, как Илон Маск и Стивен Хокинг, выступили с предупреждениями о потенциальной угрозе, которую несут людям футуристические системы искусственного интеллекта.
По словам Джераси, целое поколение компьютерщиков, оценивая последствия своих изобретений, вместо того чтобы отходить от религиозности западного общества, возвращаются к ней. «В конечном итоге апокалиптические предсказания последствий развития искусственного интеллекта практически не отходят от апокалиптических традиций иудаизма и христианства. Если они окажутся правильными, мир вновь станет обителью магии», – писал Джераси. С точки зрения профессора религиоведения, это движение можно было свести к концепции отчуждения, под которым он понимал главным образом преодоление страха смерти.
Концепция отчуждения Джераси – не просто уход из общества в стиле Джеймса Дина в 1950-х гг. Моравек, однако, не ассоциируется с абстрактной концепцией страха смерти. Пионер робототехники стал легендой, когда жил в мансарде SAIL в 1970-х гг. В те времена лаборатория была идеальным миром контркультуры для первого поколения компьютерных фанатиков, обнаруживших, что машины, к которым они имели привилегированный доступ, можно превратить в «усилители фантазий».
В 1970-е гг. Маккарти все еще верил, что до появления искусственного интеллекта рукой подать даже при тогдашних скромных вычислительных возможностях. По его выражению, для создания работоспособного искусственного интеллекта нужны «1,8 Эйнштейна и десятая часть ресурсов Манхэттенского проекта». Моравек в своих ожиданиях исходил из ускорения эволюции вычислительной техники. Он быстро схватил суть закона Мура – идею, что со временем мощность компьютеров будет возрастать экспоненциально, и дополнил ее логичным, на его взгляд, заключением: появление машинного интеллекта неизбежно и произойдет сравнительно скоро. Препятствия, которые предстояло преодолеть для этого, он обобщил в конце 1970-х гг. так:
Из-за недостаточной эффективности нынешних компьютеров сложнее всего автоматизации поддаются функции, которые для людей совершенно естественны: зрение, слух, аргументированное суждение. Основная причина этого стала для меня очевидна в процессе работы над машинным зрением. Дело просто в том, что наши компьютеры пока еще действуют в сотни тысяч, миллионы раз медленнее специализированных отделов нервной системы человека. Это огромное несоответствие не дает нам двигаться, создавая проблемы на пустом месте, затрудняя до невозможности все остальное и заставляя заниматься совсем не тем, чем нужно {107} .
Впервые Моравек обозначил свое несогласие с Маккарти в 1975 г. в отчете SAIL «Значение вычислительной мощности для интеллекта». Это был манифест, который укрепил его веру в экспоненциальный рост вычислительной мощности и одновременно убедил в том, что текущие ограничения временны. Урок, который он рано усвоил и к которому не раз возвращался на протяжении своей карьеры, заключался в том, что, если вы как разработчик искусственного интеллекта зашли в тупик, подождите с десяток лет и проблемы решатся в результате неотвратимого роста производительности компьютеров. В статье 1978 г. для научно-фантастического журнала Analog Моравек представил свои аргументы широкой публике. В действительности в ней по-прежнему просматривалась унаследованная от Маккарти вера в то, что машины превзойдут человека по интеллекту примерно за десятилетие. «Допустим, мои прогнозы правильны и технические возможности достижения равенства с человеком будут доступны через 10 лет по цене нынешнего среднего компьютера, – писал он. – Что дальше?» Ответ был очевиден. Люди останутся далеко позади нового вида, которому мы помогаем развиваться.
Оставив в 1980 г. Стэнфорд, Моравек написал две популярные книги о приближающейся эре умных машин. В «Детях разума» (Mind Children: The Future of Robot and Human Intelligence, 1988) он показывает, как любимые им с детства роботы развиваются и превращаются в самостоятельный вид. Десять лет спустя он развил эту идею в книге «Робот: От простой машины до совершенного разума» (Robot: Mere Machine to Transcendent Mind, 1998).
Мало кто знает, но Дуг Энгельбарт в 1960 г. на заре развития интерактивных компьютеров также считал, что вычислительная мощность будет расти экспоненциально. Он опирался на эту идею при запуске исследовательского проекта в области усиления интеллекта в SRI, который внес вклад в появление и персональных компьютеров, и интернета. В отличие от него Моравек вдохновлялся на протяжении всей своей жизни романом с роботами. Хотя он и сдерживал свой оптимизм, его вера не пошатнулась ни разу. В 1990-х гг. параллельно с работой над второй книгой он два раза брал творческий отпуск, стремясь ускорить процесс совершенствования машинного зрения и таким образом дать машинам возможность ориентироваться в пространстве и двигаться.
Первый отпуск Моравек провел в Кембридже, штат Массачусетс, в компании Thinking Machines Corporation Денни Хиллиса в надежде воспользоваться суперкомпьютером. Но новый суперкомпьютер CM-5 не был готов. В ожидании он занялся отладкой своей программы на рабочей станции. К концу отпуска стало ясно, что нужно просто ждать, когда возможности суперкомпьютера придут в его настольный компьютер, а не подстраивать программу к работе на специализированной машине. Пять лет спустя во время второго творческого отпуска в исследовательской лаборатории компании Mercedes-Benz в Берлине он вновь пришел к тому же выводу.
Моравек все еще не хотел сдаваться, поэтому, вернувшись из Германии, он подписал контракт с DARPA на продолжение разработки программного обеспечения для автономного мобильного робота. Однако после выпуска двух бестселлеров за десятилетие с обещаниями скорого технологического прорыва он решил, что наступило время взяться за дело. Вера в то, что экспоненциальный рост вычислительной мощности неизбежно приведет к появлению машин с искусственным интеллектом, все больше укреплялась в Кремниевой долине, благо Рэй Курцвейл предоставил популярный набор аргументов в 2005 г. в книге «Сингулярность уже близка» (The Singularuty Is Near). «Это превращается в спектакль и мешает реальной работе», – решил Моравек. К этому времени он полностью разделял подход Алана Кея, который говорил, что «лучший способ предсказать будущее – сотворить его».
Компьютерная берлога Моравека находится далеко от офиса Seegrid, основанной им в 2003 г. компании по производству роботизированных погрузчиков, но от его дома в Питтсбурге до нее можно дойти пешком. В последнее десятилетие он оставил роль футуриста и стал отшельником. В каком-то смысле это было продолжением проекта, который он начал еще ребенком. В десятилетнем возрасте Моравек построил своего первого робота из консервных банок, батареек, лампочек и электромотора. В средней школе он сделал способную следовать за лучом света черепаху и манипулятор. В Стэнфорде он стал двигателем проекта по созданию Стэнфордской тележки, мобильного робота с телевизионной камерой, который мог обходить препятствия. Тележка досталась ему в наследство после прихода в Стэнфорд в 1971 г., и постепенно он ее полностью переделал.
Первым автономным роботом был Shakey, но именно Стэнфордская тележка с ее долгой и яркой историей должна считаться предком беспилотного автомобиля. Она появилась как результат финансируемого NASA проекта в департаменте машиностроения в 1960 г. с прицелом на создание дистанционно управляемого транспортного средства для передвижения по поверхности Луны. Проблема была в том, как управлять подобным аппаратом с учетом задержки радиосигнала, которому для прохождения от Земли до Луны и обратно требовалось 2,7 с.
В финансировании проекта в его первоначальном виде было отказано, поскольку победила идея сохранения человека в контуре управления. В 1962 г. президент Кеннеди нацелил страну на пилотируемые полеты к Луне, и проект тележки положили на полку. Робот размером с карточный стол на четырех велосипедных колесах пылился до 1966 г., когда его обнаружил заместитель директора SAIL Лес Эрнест. Он убедил департамент машиностроения передать его в SAIL для экспериментов по созданию автономного автомобиля. Со временем, используя мейнфрейм SAIL, один из аспирантов смог «научить» робота двигаться вдоль белой линии на полу со скоростью порядка километра в час. Радиоканал обеспечивал дистанционное управление. Местонахождение проще было определять с помощью двух фотоэлементов, но последним писком в то время считалась видеокамера, связанная с компьютером.
Моравек модифицировал и отлаживал систему в течение 10 лет, и в конце она могла пройти через комнату, обходя препятствия, в два раза быстрее. У тележки было много недостатков. Пытаясь обеспечить ориентацию в пространстве и определение местоположения с помощью единственной камеры, Моравек взялся за одну из самых сложных задач искусственного интеллекта. Воссоздание точной трехмерной модели мира он считал ключевым шагом на пути к его пониманию.
В то время единственной обратной связью было пройденное тележкой расстояние. В отсутствие настоящего стереоскопического зрения тележка не воспринимала глубину. Из соображений экономии она перемещала камеру вперед и назад по направляющей под прямым углом к полю зрения, давая программе возможность сформировать стереоизображение по данным одной камеры. Это был прообраз подхода, которым десятилетия спустя воспользовалась специализирующаяся на машинном зрении израильская компания Mobileye.
Автомат двигался медленно и монотонно, но канал связи и видеокамера позволяли Моравеку развлекаться дистанционным управлением с компьютерной рабочей станции. Можно было вообразить, что это луноход разъезжает вокруг здания SAIL среди холмов к западу от Стэнфорда. Вскоре на ведущей к лаборатории дороге появился желтый дорожный знак с надписью «ОСТОРОЖНО, РОБОТИЗИРОВАННЫЙ АВТОМОБИЛЬ». Тележка и в самом деле выехала на улицу, но не очень успешно. Казалось, у нее была способность находить неприятности. Одна из них случилась в октябре 1973 г., когда тележка в режиме ручного управления поехала под уклон и перевернулась, из аккумулятора вытекла кислота, уничтожившая дорогостоящую электронику. На восстановление ушел почти год.
Моравек не раз пытался провести тележку вокруг здания, но позади лаборатории дорога шла вниз, радиосигнал ослабевал, и определение точного местоположения тележки становилось проблематичным. Однажды он неправильно определил ее положение и повернул не в ту сторону. Вместо того чтобы завершить круг, робот двинулся к оживленной Арастрадеро-роуд у подножия холмов Пало-Альто. Моравек надеялся, что сигнал от робота усилится, но он оставался неустойчивым. Телевизионная картинка постоянно останавливалась. Неожиданно Моравек увидел едущий рядом с роботом автомобиль. Это было странным. Не выдержав, он оторвался от терминала и отправился на поиски. Там, где, по его мнению, должен был находиться робот, оказалось пусто. Моравек решил, что его разыгрывают. Он разыскивал беглую машину до тех пор, пока она не прикатила сама с сидящим верхом техником. К тому времени, когда ее поймали, Стэнфордская тележка довольно далеко уехала по Арастрадеро-роуд. С той поры инженеры добились значительного прогресса в конструировании беспилотных автомобилей. Давняя уверенность Моравека в том, что нужно лишь подождать, пока компьютеры станут более дешевыми и мощными, в значительной мере оправдалась.
Он продолжал заниматься машинным зрением, но не все шло гладко. В октябре 2014 г. созданная им компания по производству промышленных систем искусственного зрения была объявлена банкротом и подверглась принудительной реструктуризации. Однако, несмотря на разочарования, изменялись только временны́е рамки его планов. На вопрос, заменят ли современные системы искусственного интеллекта и роботы живой труд, он отвечал, подмигивая, что намерен заменить род людской – «труд – это минимальная цель».
Свое представление о ближайшем будущем Моравек обрисовал во второй книге: «Робот: От простой машины до совершенного разума». В ней он делает вывод, что нет необходимости заменять капитализм, поскольку для развивающихся машин полезно конкурировать друг с другом. «Дело в том, – говорит он, – что мы фактически создаем для себя довольно пристойные условия выхода в отставку». Призрак «конца работы», который сегодня с растущей тревогой обсуждают многие технари, в понимании Моравека относительно небольшая проблема. Люди любят развлекать друг друга. Подобно многим собратьям по сингулярности, его волнует, что мы будем делать с переизбытком товаров и услуг. Демократия, по его словам, открывает путь к совместному использованию огромного накопленного капитала, который будет все больше приумножаться сверхпродуктивными компаниями. Появится возможность, например, увеличивать социальные выплаты и снижать возраст выхода на пенсию до тех пор, пока он не будет наступать в момент рождения.
На взгляд Моравека, расширение возможностей – промежуточный этап технологического развития, необходимый лишь кратковременно, пока люди могут делать то, чего не умеют машины. Наряду с Ликлайдером он полагает, что машины будут совершенствоваться все быстрее и быстрее, тогда как люди эволюционируют постепенно. Пусть не к 2020 г. (а было время, когда он считал, что к 2010 г.), но довольно скоро появятся так называемые универсальные роботы, способные выполнять широкий набор базовых задач. Эту идею Моравек выдвинул еще в 1991 г., изменялись только сроки. Раньше или позже машины станут настолько совершенными, что начнут учиться на собственном опыте и постепенно приспосабливаться к существующим условиям. Моравек все еще верит в три закона робототехники Азимова. Рынок заставит роботов быть гуманными – тех, которые причиняют вред людям, просто не будут покупать. В какой-то момент возникнет и машинное сознание.
В книге «Робот: От простой машины до совершенного разума» также есть идея о необходимости жесткого регулирования полностью автоматизированных компаний. Законы должны ограничивать рост этих компаний и подконтрольных им роботов и не допускать концентрации слишком большого могущества. Как только какая-то из них станет слишком крупной, автоматически должны включиться антимонопольный механизм и произойти принудительное разделение. В мире Моравека компании будут находиться под надзором общества интеллектуальных компаний, стоящего на страже коллективного блага. В его мировоззрении нет ничего романтического: «Мы не можем быть слишком сентиментальными по отношению к роботам, поскольку, в отличие от людей, у них нет истории эволюции, главным в которой было выживание». Он по-прежнему считает, что появление компаний с искусственным интеллектом и универсальных роботов ознаменует реализацию утопической идиллии, где удовлетворяются любые желания человека.
Но мировоззрение Моравека не полная идиллия. У его будущего с искусственным интеллектом и роботами есть и мрачная сторона. Роботы будут осваивать Солнечную систему, добывать полезные ископаемые на астероидах и самовоспроизводиться. Вот тут его идеи начинают смахивать на антиутопический фильм Ридли Скотта «Бегущий по лезвию» (Blade Runner), в котором андроиды начинают колонизировать Солнечную систему. «Что-то может пойти не так, и там появятся роботы-преступники, – говорит Моравек. – Дело кончится тем, что пояс астероидов и то, что находится за ним, превратится в дикий мир без ограничений, которые сдерживают послушных роботов на Земле». Понадобится ли нам планетарная система обороны от нашего потомства? Возможно, нет, рассуждает он. Остается надеяться, что эта новая технологическая форма жизни будет больше заинтересована в освоении Вселенной.
В уютном отшельническом командном центре Моравека в пригороде Питтсбурга, в комнате, полной мониторов, довольно легко поверить в его научно-фантастические представления. Но пока что у нас практически нет надежных свидетельств быстрого ускорения развития технологий, которое приведет к созданию робототехнического рая при его жизни. Хотя у нас до сих пор нет беспилотных автомобилей, а сроки реализации прогнозов приходится отодвигать все дальше, Моравек показывает кривые на своих гигантских мониторах и твердо стоит на том, что общество по-прежнему идет по пути создания вида, который станет нашим преемником.
Разделят ли люди это грандиозное видение? Хотя в книге «Дети разума» излагается идея загрузки разума человека в компьютер, Моравек не сторонник цели Рэя Курцвейла «жить достаточно долго, чтобы стать вечным». Курцвейл идет на экзотические и сомнительные медицинские процедуры для продления своей жизни. Моравек в расчете дожить хотя бы до 2050 г. ограничивается правильным питанием и частыми прогулками. Ему 64 года, и у него, пожалуй, неплохие шансы прожить достаточно долго.
В 1970-х и 1980-х гг. соблазн создания искусственного интеллекта привлек в эту область целое поколение великолепных инженеров, но принес разочарование. Когда искусственный интеллект не оправдал ожиданий, многие переключились на другой идеал – усиление интеллекта.
Шелдон Брейнер вырос в еврейской семье среднего класса в Сент-Луисе и с раннего возраста увлекался практически всем, с чем соприкасался. В 1950-х гг. он выбрал колледж в Стэнфорде в какой-то мере ради того, чтобы быть подальше от семейной пекарни. Он хотел посмотреть мир и еще в средней школе понял, что, если останется в Сент-Луисе, отец, скорее всего, заставит его заняться семейным бизнесом.
Закончив колледж, он съездил в Европу, провел некоторое время в армейском резерве, а затем вернулся в Стэнфорд, чтобы стать геофизиком. Ему давно не давала покоя идея, что магнитные силы играют какую-то роль в возникновении землетрясений и могут помочь предсказывать их. В 1962 г. он начал работать в Varian Associates, одной из первых компаний Кремниевой долины, выпускавшей магнитометры. Его задачей был поиск новых применений для этих приборов, позволявших обнаруживать незначительные изменения в магнитном поле Земли. Varian идеально соответствовала всестороннему интеллекту Брейнера. Как раз в то время высокочувствительные магнитометры стали портативными и открылись широкие перспективы для их применения в самых разных областях – от разведки нефти до обеспечения безопасности в аэропортах. Годы спустя Брейнер станет эдаким высокотехнологичным Индианой Джонсом, использующим технологические достижения для исследования археологических объектов. В руках Брейнера магнитометры Varian будут находить жертв лавин, клады, пропавшие подводные лодки и даже погребенные города. Первый эксперимент в полевых условиях он провел в районе Стэнфорда, измерив электромагнитный импульс 1,4-мегатонного ядерного взрыва на высоте 250 км над землей. Секретные испытания, известные как Starfish Prime, дали новые представления о воздействии ядерных взрывов на расположенную на земле электронику.
Работая над докторской диссертацией в 1967 г., Брейнер начал выяснять, можно ли использовать незначительные изменения магнитного поля в недрах земли для предсказания землетрясений. Он разместил группу магнитометров на грузовиках вдоль 200-километрового участка разлома Сан-Андреас и использовал телефонные линии для передачи данных в лабораторию в старом домике в кампусе Стэнфорда. Там он установил перьевой самописец для регистрации сигналов магнитометров. Это было громоздкое устройство, которое проталкивало, а не протягивало бумажную ленту под пятью цветными перьями. Чтобы менять ленту и отмечать время, был нанят подросток из местной школы, но устройство постоянно зажевывало бумагу. Тогда Брейнер приспособил для записи новый цифровой принтер Hewlett-Packard, и школьник, менявший ленту за доллар в день, стал одной из первых жертв автоматизации.
Позже Брейнера пригласила Hughes Corp. с целью разработки глубоководного морского магнитометра для судна Glomar Explorer. По официальной версии, он предназначался для поиска полезных ископаемых – марганцевых конкреций на океаническом дне на глубине 3000–3500 м. Десятилетие спустя выплыла информация, что реально это делалось в рамках операции ЦРУ по поиску и подъему затонувшей советской подводной лодки со дна Тихого океана. В 1968 г. после убийства Роберта Кеннеди советник Белого дома по науке попросил Брейнера порекомендовать технические средства для обнаружения спрятанного оружия. Тот явился в Исполнительное управление президента с относительно простой системой из четырех магнитометров, ставшей основой для современных металлодетекторов, которые широко используются в аэропортах и общественных зданиях и по сей день.
Брейнеру все же удалось обнаружить связанное с землетрясениями изменение магнитного поля вдоль разлома, но сигнал был трудно различим на фоне геомагнитной активности, и его гипотеза не получила широкого признания. Он не позволил отсутствию научного подтверждения стать препятствием на своем пути. В Varian ему платили за поиск новых сфер коммерческого применения магнитометров, и в 1969 г. он вместе с пятью коллегами из Varian основали Geometrics, компанию, которая использовала авиационные магнитометры для поиска нефтяных месторождений.
В течение семи лет Брейнер руководил компанией по разведке нефти, а затем продал ее Edgerton, Germeshausen, and Grier (EG&G) и проработал еще семь лет в их филиале, прежде чем уйти в 1983 г. К тому времени технологии искусственного интеллекта, начало которым положили SAIL Джона Маккарти и работа Фейгенбаума и Ледерберга по сбору и организации знаний, начали завоевывать Кремниевую долину. Businessweek в июле 1984 г. с энтузиазмом провозглашал: «Искусственный интеллект уже здесь!» Через два месяца в вечерних новостях канала CBS Дэн Разер представил хвалебный репортаж об успехах SRI в разработке экспертных систем для поиска залежей полезных ископаемых. Охваченный энтузиазмом Брейнер стал частью волны ориентированных на технологии предпринимателей, которые верили, что пришло время коммерциализации отрасли.
Вслед за Dendral, первой экспертной системой, такие системы стали появляться одна за другой. В Mycin, также разработанную в Стэнфорде, был заложен «механизм построения заключений» на основе логики «если… то» и «базы знаний» примерно из шести сотен правил выявления кровяных инфекций. В Питтсбургском университете в 1970-х гг. осуществлялась программа Internist-I, еще одна из попыток решить проблему диагностики и лечения болезней. В 1977 г. в SRI Питер Харт, начавший свою карьеру в области искусственного интеллекта с робота Shakey, и Ричард Дуда, еще один из первых исследователей искусственного интеллекта, создали систему Prospector, чтобы помочь в поиске месторождений полезных ископаемых. Эта работа активно освещалась телеканалом CBS. А в 1982 г. Япония объявила программу по созданию компьютера пятого поколения. Открыто ориентированная на искусственный интеллект, она подстегнула конкуренцию и в конечном итоге бум в сфере искусственного интеллекта. В результате возник рынок, предлагавший новоявленным кандидатам естественных наук неслыханные $30 000 в год сразу после защиты.
Джинн был окончательно выпущен из бутылки. Разработка экспертных систем стала дисциплиной, названной «инженерия знаний»: идея заключалась в том, что можно собрать и упорядочить знания ученых, инженеров или менеджеров и применить их для управления предприятием. Компьютер фактически превращался в признанного авторитета. В принципе эта технология могла использоваться для расширения возможностей человека, но производители программного обеспечения в 1980-х гг. продавали ее компаниям под флагом снижения затрат. Как средство повышения производительности она чаще всего предполагала вытеснение людей.
Брейнер искал отрасль, где легко создать базу знаний, и остановился на коммерческом кредитовании и страховом андеррайтинге. В то время опасения в отношении автоматизации были еще не так сильны, и он не рассматривал проблему с этой точки зрения. Компьютерный мир делился на сравнительно дешевые персональные компьютеры и более дорогие «рабочие станции» – чаще всего мощные компьютеры для автоматизированного проектирования. Две компании, Symbolics и Lisp Machines, Inc., отпочковавшиеся от Лаборатории искусственного интеллекта Массачусетского технологического института, занимались специализированными компьютерами для работы на языке Lisp, предназначенном для создания приложений искусственного интеллекта.
Брейнер основал собственный стартап Syntelligence, который вместе с Teknowledge и Intellicorp вошел в тройку ведущих компаний в области искусственного интеллекта в Кремниевой долине в 1980-х гг. Неустанные поиски талантов привели к тому, что вскоре у него стали работать Харт и Дуда из SRI. Компания создала собственный язык программирования Syntel для усовершенствованной рабочей станции, которую использовали инженеры-программисты компании. Были написаны также две программы Underwrighting Advisor и Lending Advisor, предназначенные для работы на IBM PC. Брейнер позиционировал компанию как информационную службу общего пользования, а не как разработчика программ для систем искусственного интеллекта. «В каждой организации обычно есть человек, к которому все идут за советом, – сказал он репортеру The New York Times, писавшему о развитии коммерческих экспертных систем. – Его обычно продвигают по службе, и он перестает использовать свой опыт. Мы пытаемся сохранить эти знания на случай, если он увольняется, умирает или уходит на пенсию, и сделать их доступными множеству других людей». Статья о возможности наделить машину человеческим мышлением вышла на первой полосе газеты в 1984 г.
Предлагая свои пакеты экспертных программ по кредитованию и страхованию, Брейнер напирал на значительное стабильное снижение затрат клиентов. Идея автоматизации работы специалистов была достаточно привлекательной, чтобы получить заказы от банков и страховых компаний и инвестиции от венчурных компаний. AIG, St. Paul и Fireman's Fund, а также Wells Fargo и Wachovia выложили авансом за программы $6 млн. Брейнер развивал проект почти полдесятилетия – штат компании превысил 100 человек, а выручка поднялась до $10 млн в год. Этого, однако, было мало для инвесторов. В 1983 г. пятилетние прогнозы строились из расчета на доход $50 млн в год. Когда надежды на быстрый рост коммерческого рынка программ для систем искусственного интеллекта не реализовались, у Брейнера возникли серьезные разногласия с членом совета директоров венчурным капиталистом Пьером Ламондом, ветераном полупроводниковой индустрии без опыта в области программного обеспечения. В конце концов Брейнер проиграл, и Ламонд пригласил стороннего менеджера, который перенес штаб-квартиру компании в Техас, где он жил.
Сама Syntelligence столкнулась с явлением, известным как «зима искусственного интеллекта». В начале 1980-х гг. работавшие в этой области компании стали одна за другой приходить в упадок из-за финансовых проблем или возвращаться к своим корням, к экспериментальной или консалтинговой деятельности. Сжатие рынка стало атрибутом сферы искусственного интеллекта вместе с повторяющимся циклом «бум – крах», обусловленным раздуванием перспектив научных достижений и неизбежным последующим разочарованием в результатах. Поколение истинно верующих, зачарованных технократической и не в меру оптимистической литературой 1960-х гг. по искусственному интеллекту, определенно сыграло роль в подготовке краха. И этот цикл растянулся на десятилетия, хотя индустрия искусственного интеллекта не прекратила развития. Сегодня цикл вполне может повториться, если верить тем, кто возвещает новую волну технологий на грани «думающих машин».
Первая зима искусственного интеллекта в действительности наступила за 10 лет до этого в Европе. Сэр Майкл Джеймс Лайтхилл, британский математик, провел в 1973 г. исследование, показавшее, что отрасль не реализует предсказания, включая давнее обещание SAIL создать функционирующий искусственный интеллект через 10 лет. Отчет Лайтхилла «Искусственный интеллект: Обзорный анализ» (Artificial Intelligence: A General Survey) не оказал серьезного влияния на Соединенные Штаты, но привел к сокращению финансирования в Англии и уходу британских ученых из отрасли. В дополнение к отчету BBC организовала телевизионные дебаты о будущем искусственного интеллекта, где объектам критики Лайтхилла дали возможность высказаться. На это мероприятие приехал Джон Маккарти, но не смог сказать ничего убедительного в защиту своей отрасли.
Десятилетие спустя зима искусственного интеллекта пришла в США. Она началась в 1984 г., когда Брейнер перед уходом сумел поднять продажи Syntelligence до $10 млн. Предупреждения об «иррациональном оптимизме» высказывались на протяжении нескольких лет с того момента, как Роджер Шенк и Марвин Мински заявили на технической конференции, что появляющиеся коммерческие экспертные системы не вносят ничего особо нового по сравнению с тем, что предлагалось двумя десятилетиями ранее. Именно в 1984 г. идеи Дуга Энгельбарта и Алана Кея по усилению интеллекта обрели материальную форму для каждого офисного работника. В поисках маркетингового образа, показывающего ценность выводимых на рынок персональных компьютеров Macintosh, Стив Джобс выбрал идеальную аналогию – «велосипед для разума».
Выпертый из своей компании Брейнер начал следующий проект – стартап, разрабатывающий программное обеспечение для Macintosh компании Apple. В 1970-х и 1980-х гг. по этому пути шли многие в Кремниевой долине.
В 1960-х гг. информация о работах, которые без лишнего шума велись в Лаборатории искусственного интеллекта Массачусетского технологического института, Стэнфордской лаборатории искусственного интеллекта и в Стэнфордском исследовательском институте, начала проникать во внешний мир. Литературный образ робота и искусственного интеллекта тогда уже существовал в легенде о пражском големе, в книге Мэри Шелли «Франкенштейн» и в пьесе Карела Чапека «R. U. R.» – все они ставили фундаментальный вопрос о влиянии роботов на жизнь людей. Но, когда Америка готовилась послать людей на Луну, появилась новая насыщенная техническими идеями и в целом оптимистичная научная фантастика Айзека Азимова, Роберта Хайнлайна и Артура Кларка. Свихнувшийся разумный компьютер HAL в «Космической одиссее 2001» Кларка не только оказал серьезное влияние на массовую культуру, но и изменил жизнь людей. Джерри Каплан, например, еще до того, как стал аспирантом-компьютерщиком в Пенсильванском университете, знал, чем будет заниматься. Киноверсия «Космической одиссеи 2001» вышла на экраны весной 1968 г., и за лето Каплан посмотрел ее шесть раз. Вместе с двумя друзьями он возвращался в кинотеатр снова и снова. Один из друзей сказал: «Я буду делать фильмы» – и стал режиссером в Голливуде. Другой друг пошел в дантисты, Каплана же притянула к себе сфера искусственного интеллекта.
«Я хочу создавать это», – сказал Каплан своим друзьям, имея в виду HAL. Как и Брейнер, он стал участником первой волны попыток коммерциализировать искусственный интеллект, и так же, как Брейнер, когда они не увенчались успехом, обратился к технологиям расширения возможностей человека.
Во время учебы в магистратуре Каплан прочитал о работе Терри Винограда над программой SHRDLU для взаимодействия с компьютерами на естественном языке. Она дала ему представление о том, что можно сделать в мире искусственного интеллекта и в каком направлении двигаться. Как многие другие честолюбивые компьютерщики в то время, он сосредоточится на понимании естественного языка. Талантливый математик, он был одним из представителей нового поколения компьютерных энтузиастов, которые не замыкались на своем деле, а обладали гораздо более широким мироощущением.
После получения в Чикагском университете степени по философии науки он последовал за своей подругой в Филадельфию. Дядя взял его на работу на склад своей компании по оптовой торговле лекарствами, рассчитывая, что когда-нибудь тот продолжит дело. Семейный бизнес нагонял на Каплана тоску, ему отчаянно хотелось заняться чем-то другим, он вспомнил о курсе программирования в Чикаго, о своей одержимости «Космической одиссеей» и поступил в аспирантуру Пенсильванского университета по специальности «информатика». Там он учился у Аравинда Кришны Джоши, одного из первых специалистов по компьютерной лингвистике. Даже несмотря на свое гуманитарное прошлое, Каплан быстро стал звездой. Он пять лет учился по программе, добиваясь отличных оценок по всем предметам, и написал диссертацию на тему создания интерфейса на естественном языке для баз данных.
В качестве новоиспеченного доктора философии Каплан пробовал читать лекции в Стэнфорде и Массачусетском технологическом институте, посещал SRI и провел целую неделю на собеседованиях в Bell Labs. И компьютерная, и телекоммуникационная индустрия нуждались в докторах философии в области информатики, и во время первого визита в Bell Labs ему сказали, что намерены взять на работу 250 докторов философии, но не собираются брать тех, кто ниже среднего уровня. Каплан не мог не заметить, что это больше общего количества докторов философии, которые защищаются в США за год. Он выбрал Стэнфорд, где Эд Фейгенбаум предложил ему работу в качестве научного сотрудника в Лаборатории инженерии знаний. Стэнфорд не отличался такой интеллектуальной выдержанностью, как Пенсильванский университет, но это был технологический рай. Кремниевая долина уже существовала, полупроводниковая индустрия состязалась с Японией, а Apple Computer была самой быстрорастущей компанией страны.
Там бесплатно кормили на корпоративных и академических мероприятиях каждый вечер и не было недостатка в общении с женщинами. Каплан купил дом в Лос-Транкос-Вудс в нескольких километрах от Стэнфорда, недалеко от SAIL, которая как раз переезжала в новое здание в центре стэнфордского кампуса.
К моменту его прихода в Стэнфорд в 1979 г. первый золотой век искусственного интеллекта находился на пике – Дуглас Хофштадтер, автор книги «Гёдель, Эшер, Бах: Эта бесконечная гирлянда» (Gödel, Escher, Bach: An Eternal Golden Braid), Родни Брукс, Дэвид Шо, который в будущем возьмет разработки в сфере искусственного интеллекта и трансформирует их в многомиллиардный хедж-фонд на Уолл-стрит, – все были там. Обретали очертания коммерческие силы, которые приведут к появлению первой волны компаний вроде Intellicorp, Syntelligence и Teknowledge. Если Пенсильванский университет был подобен башне из слоновой кости, то в Стэнфорде стены между академическим и коммерческим мирами исчезали. На фоне всеобщего оживления стартапы возникали один за другим. Курт Уиддоуз, коллега Каплана, прихватил с собой программное обеспечение для суперкомпьютера S1 и стал соучредителем Valid Logic Systems, одной из первых компаний по автоматизации проектирования электроники. Они использовали недавно появившиеся рабочие станции Stanford University Network (SUN). Сидевший в соседней комнате Энди Бехтольшайм, который занимался аппаратной частью SUN, вскоре стал соучредителем Sun Microsystems и, таким образом, коммерциализировал свою разработку.
Каплан быстро подключился к коммерческим проектам. Они витали в воздухе. По вечерам он консультировал разработчиков программного обеспечения для первого цифрового музыкального синтезатора Synergy. Многие его функции стали впоследствии стандартными для современных синтезаторов. Synergy использовался для создания саундтрека к фильму «Трон» (Tron). Как и все в Стэнфорде, Каплан делал деньги на стороне. Создание компаний было обычным делом. В цокольном этаже работал Леонард Босак, который занимался вопросом взаимодействия компьютеров и в конце концов вместе со своей женой Сэнди Лернер основал Cisco Systems, выпускавшую первые сетевые маршрутизаторы.
Каплан работал в должности научного сотрудника, что было превосходно. Она считалась эквивалентом преподавательской, но без неприятной необходимости преподавать. Впрочем, существовала также и отрицательная сторона. Для преподавательского состава исследователи были людьми второго сорта. С Капланом обращались как с поденщиком, хотя он мог написать программу и проделать серьезную техническую работу. Его роль была подобна роли Скотти, умеющему все инженеру на космическом корабле Enterprise в сериале «Звездный путь». Он был тем, кто заставлял вещи работать. В сферу искусственного интеллекта в то время вкладывались огромные средства. Отчасти это были деньги, выделявшиеся на реализацию рейгановской Стратегической оборонной инициативы, но финансировались и невоенные разработки. Деловая Америка игралась с идеей экспертных систем. В результате бума появились 40 стартапов, а объем продаж связанных с искусственным интеллектом аппаратных и программных средств в 1986 г. достиг $425 млн. Каплан всего два года проработал научным сотрудником в Стэнфорде, а потом получил сразу два предложения от стартапов в сфере искусственного интеллекта. Эд Фейгенбаум решил платить стэнфордским компьютерщикам за то, что они и так делали в университете, в одном из своих стартапов Teknowledge. Новая компания быстро стала лидером консультирования по экспертным системам и разрабатывала также продукты на заказ. Другой стартап назывался Symantec. Несколько десятилетий спустя он стал гигантской компанией по компьютерной безопасности, но начиналось все с базы данных по искусственному интеллекту, пересекавшейся с областью интересов Каплана.
Трудоспособность Каплана в те времена казалась безграничной. Он не был большим любителем вечеринок, не любил, когда ему мешали, и смотрел на выходные как на возможность спокойно поработать. И тут к нему обращается уважаемый исследователь из SRI Гари Хендрикс с просьбой помочь в создании демоверсии программы Q&A, первой базы данных на естественном языке. Идея заключалась в том, чтобы не имеющие специальной подготовки пользователи могли делать поисковые запросы в виде обычных предложений. В оплату предлагали не деньги, а пакет акций, если проект пойдет успешно.
Специализацией Каплана были интерфейсы на естественном языке, которые позволяли вводить с клавиатуры вопросы для экспертной системы. Хендриксу же требовалась простая база данных для демонстрации. За рождественские каникулы в конце 1980 г. Каплан сделал программу. Первоначально она работала на компьютере Apple II. Плата за нее была условной, и Каплан богачом не стал. Поначалу Symantec не имела коммерческих успехов, и венчурные капиталисты навязали ей поглощение, финансовый маневр, в результате которого основатели компании теряют стоимость своих акций, но получают новые инвестиции. В общем, тот небольшой пакет акций, который получил Каплан, обесценился.
В конечном итоге он оставил Стэнфорд и перешел в Teknowledge, поскольку восхищался Ли Хехтом, физиком из Чикагского университета и профессором школы бизнеса, который стал генеральным директором Teknowledge и опекуном двух десятков беженцев из Стэнфорда. «Наши основатели построили больше экспертных систем, чем кто-либо другой», – сказал Хехт в интервью Popular Science в 1982 г. Teknowledge располагалась в конце Юниверсити-авеню, сразу за кампусом Стэнфорда, но вскоре переехала в более привлекательное место дальше по улице – в многоэтажное здание в центре Пало-Альто. В начале 1980-х гг. офис был выполнен в модернистском стиле с акцентом на черных тонах.
Шикарный офис недвусмысленно указывал на то, что новые программы в области искусственного интеллекта не будут дешевыми. Чтобы сформулировать единственное правило для экспертной системы, интервьюеру требовалось провести со специалистом не менее часа, а работоспособная экспертная система должна была включать не менее 500 правил. Доведенная до ума система могла стоить $4 млн, но Хехт, как и Брейнер, верил, что сохранение знаний даст компаниям значительную экономию со временем. Отлаженная система могла сэкономить производителю до $100 млн в год, по словам Хехта. Он заявил, что прототип их экспертной системы для нефтяной компании будет экономить до $1000 на скважину в сутки. Хехт также утверждал, что узкое место исчезнет, когда компьютеры начнут автоматически проводить интервью с экспертами. Он видел в Каплане больше, чем программиста, и обещал научить его управлять компанией, если тот перейдет в Teknowledge. Каплан ухватился за эту возможность. Его офис находился рядом с офисом Хехта, и он вознамерился создать консультационную компанию следующего поколения, миссией которой будет замена труда специалистов программой.
Хотя Каплан понятия не имел об искусстве продажи высокотехнологичных услуг, его назначили ответственным за маркетинг. Для начала было подготовлено описание услуг компании. Опираясь на представления из своего академического прошлого, Каплан скомпоновал рекламный листок для привлечения корпоративных заказчиков на цикл семинаров по вопросам создания экспертных систем, гвоздем которых был Фейгенбаум. Они разослали 5000 рекламных листков. Обычно на такую рассылку откликаются 2 % получателей. Однако вместо сотен ответов было получено всего три, причем один пришел от парня, который думал, что они учат искусственному осеменению. Это был сильный удар для группы энтузиастов, уверенных, что они вот-вот перевернут мир. Как оказалось, за стенами университета никто и не слышал об искусственном интеллекте. В конечном итоге все же удалось собрать небольшую группу в основном крупных и ориентированных на военные заказы компаний. Хехт, однако, гордо заявил, что «поступили запросы более чем от 50 крупнейших компаний со всего мира», а Teknowledge смогла в начале 1982 г. за два месяца получить $1 млн.
Это действительно было грандиозное начинание. Они писали программы на Lisp на фантастических рабочих станциях Xerox Star за $20 000. Беспокоило лишь то, что продвижение продукта лежало на плечах горстки маркетологов во главе с Капланом. Teknowledge придерживалась позиции: «Мы умные, мы великие, нам должны давать деньги». Это было совершенно неуместно, и, кроме того, технология в действительности не работала. Так или иначе, несмотря на первые сложности, они все-таки привлекли внимание. Однажды визит нанес даже король Швеции. В соответствии с протоколом его приезд был обставлен как полагается. Сначала служба безопасности обследовала офис, включая ванную. Потом появилась передовая группа встречающих короля. Каплан затаив дыхание стоял у двери, когда невысокий, ничем не выделяющийся джентльмен в стандартной одежде Кремниевой долины – повседневно-деловой – вошел без сопровождающих и наивно спросил молодого руководителя Teknowledge: «Где мне сесть?» Каплан взволнованно ответил: «Сейчас очень неподходящее время, мы ожидаем прибытия короля Швеции». В ответ прозвучало: «Я и есть король Швеции». Король оказался технически грамотным: он понимал, что́ они пытаются сделать, гораздо лучше, чем большинство потенциальных заказчиков.
Как бы то ни было, но Каплан извлек из визита свою выгоду. Его пригласили на вечерний прием в честь короля в Богемском клубе в Сан-Франциско. Там он разговорился с красивой шведкой. Они проболтали почти час – Каплан вообразил, что это королева. Но его собеседница оказалась стюардессой шведской авиакомпании, доставившей королевскую свиту в Соединенные Штаты. Ошибся, однако, не только он – стюардесса приняла его за Стива Джобса. У истории был счастливый конец. Молодые люди встречались на протяжении восьми лет.
Teknowledge не так повезло – ей мешал синдром «самого умного из присутствующих». В компании были отличные разработчики систем искусственного интеллекта, но они, овладев магией новой сферы, хотели делиться ею за плату, которая выходила за разумные пределы. Однако системы искусственного интеллекта того времени немногим превосходили программы на основе логики «если… то», разве что устанавливались на чрезмерно дорогих рабочих станциях с очень большими дисплеями и привлекательным графическим интерфейсом. Это было скорее пускание пыли в глаза, чем кладезь знаний.
Каплан стал для компании чем-то вроде троянского коня. В 1981 г. IBM выпустила первый массовый персональный компьютер, резко снизила его стоимость и таким образом сделала доступным. Проповедуемое Дугом Энгельбартом и Аланом Кеем усиление интеллекта стало проявляться повсеместно. Компьютеры могли использоваться для расширения возможностей или замены людей, а снижающиеся цены давали возможность разработчикам программного обеспечения выбрать любой путь. Компьютеры вырвались из стеклянных стен корпоративных центров обработки данных и появились в сметах на закупку офисного оборудования.
Каплан быстро понял значение этих изменений. Ларри Теслер, бывший исследователь из SAIL, участвовавший в разработке Lisa и Makintosh для Стива Джобса и помогавший Джону Скалли создать Newton, также оценил их. Он пытался убедить коллег по Xerox PARC, что дешевые PC изменят мир, но тогда, в 1975 г., никто его не слушал. Шесть лет спустя многие все еще не понимали последствий падения цен на микропроцессоры. Экспертная система Teknowledge к тому времени уже существовала, но требовала слишком дорогой рабочей станции стоимостью около $17 000, а полная установка могла обойтись в $50 000–100 000. Каплан видел, что PC уже достаточно мощные, чтобы справиться с дорогим программным обеспечением Teknowledge. С деловой точки зрения без хитростей с рабочими станциями их продукт становился тем, чем был на самом деле, – пакетом программ, которые должны продаваться по цене программного обеспечения для PC.
В Teknowledge и слушать не хотели подобную ересь. Поэтому Каплан поступил так же, как и несколькими годами ранее, когда помогал Symantec в свободное от работы в Стэнфорде время. Было Рождество, и, пока все остальные отдыхали, он укрылся в своем коттедже и взялся за адаптацию программы Teknowledge к работе на PC. Каплан использовал Turbo Pascal, быстрый как молния язык программирования, который сделал его версию экспертной системы быстрее исходного продукта для рабочей станции. Он закончил работу над программой за праздники, продемонстрировал Wine Adviser, демоверсию системы Teknowledge, на своем «игрушечном» персональном компьютере и в буквальном смысле убил официальное программное обеспечение, функционировавшее на рабочей станции Xerox Star.
Началось светопреставление – сравнительная дешевизна программного обеспечения для персональных компьютеров разрушила не только бизнес-модель Teknowledge, но и представление о месте компании под солнцем! Каплана возненавидели. Ему, однако, удалось убедить Ли Хехта заняться выпуском продукта для PC. Но это было безумством – продавать продукт за $80, а не за $80 000. Каплан превратился в изменника и не сомневался, что ему вот-вот укажут на дверь. В это время появилась Энн Уинблад, которая тогда работала аналитиком по технологическим компаниям на Уолл-стрит, а позже стала известным венчурным капиталистом Кремниевой долины, и взгляды Каплана на изменения в компьютерном мире зацепили ее.
«Я знаю, с кем тебе нужно познакомиться», – сказала она ему.
Этим человеком оказался Митч Капор, основатель и директор Lotus Development Corporation, поставщика электронных таблиц 1-2-3. Каплан встретился с Капором и заинтересовал его своим видением массового использования искусственного интеллекта. Основатель Lotus с энтузиазмом воспринял идею: «У меня есть деньги, не хотите ли вы предложить свой будущий продукт мне?» – спросил он.
Поначалу Каплан хотел сделать недорогую версию экспертной системы Teknowledge под названием ABC наподобие программы 1-2-3. Идея, однако, не вызвала восторга. Так или иначе, вскоре после этого он летел на личном реактивном самолете Капора. Когда Каплан увидел, как основатель Lotus, обложившись заметками на бумаге, вводит информацию с клавиатуры в громоздкий компьютер Compaq размером со швейную машину, у него возникла новая идея. Он предложил программу для ввода заметок в произвольной форме, которая выполняет роль календаря и ежедневника. Капору идея понравилась, и совместно с Эдом Белавом, еще одним разработчиком программного обеспечения Lotus, они обговорили основные моменты.
Каплан вновь уединился в своем коттедже, на этот раз на полтора года, для работы над программой с участием Белава. Капор помогал с оттачиванием общего замысла. Lotus Agenda была первым представителем пакетных программ нового поколения, так называемых персональных информационных менеджеров, которые в некотором роде предвещали появление Всемирной паутины. Информацию можно было сохранять в произвольной форме, и она автоматически распределялась по категориям. Программу стали описывать как «электронную таблицу для слов», она была классическим примером нового поколения программных средств, которые расширяли возможности пользователей в духе Энгельбарта.
Представленный в 1988 г. пакет получил хвалебные отзывы у отраслевых аналитиков вроде Эстер Дайсон и постепенно стал предметом культа. Зима искусственного интеллекта в Америке уже началась, и большинство компаний новой волны в этой сфере вскоре пришли в упадок. Каплан одним из первых заметил зловещие предзнаменования. Как и Брейнер, он быстро превратился из рыцаря искусственного интеллекта в поборника расширения возможностей человека. PC были самым мощным инструментом усиления интеллекта в истории. Становилось ясно, что человека так же легко включить в компьютерную систему, как и исключить из нее. Когда в сфере искусственного интеллекта возникли коммерческие проблемы, персональные компьютеры, а вместе с ними и усиление интеллекта вырвались вперед. В конце 1970-х гг. и в начале 1980-х гг. в Америке наблюдался взрывной рост индустрии персональных компьютеров. Идея о том, что компьютер может быть и «усилителем фантазии» дома, и средством повышения производительности в офисе, в мгновение ока вытеснила представление о компьютере как о безликом бюрократическом инструменте госучреждений и компаний. К 1982 г. персональные компьютеры стали таким культурным явлением, что журнал Time поместил PC на обложку в качестве «человека года».
Разработчики сами отдали предпочтение усилению интеллекта. Каплан основал компанию Go Corp. и создал первый компьютер с рукописным вводом, который опередил iPhone и iPad более чем на десятилетие. Подобно Шелдону Брейнеру, который отошел от искусственного интеллекта к 1980-м гг., он перешел на сторону ориентированных на человека систем в наступающей эпохе post-PC.
Попытки создать работоспособную систему искусственного интеллекта с самого начала сопровождались ложными надеждами и ожесточенными техническими и философскими спорами. В 1958 г., через два года после Дартмутской летней конференции по искусственному интеллекту, New York Times опубликовала на 25-й странице полученное по телеграфу информационное сообщение агентства UPI. Оно вышло под заголовком «Новое устройство для ВМС учится в процессе работы: психолог показывает прообраз компьютера, который сможет читать и становиться умнее».
Речь шла о проведенной Фрэнком Розенблаттом, психологом Корнеллского университета, демонстрации прообраза компьютера, который, по расчетам руководства ВМС, однажды научится «ходить, говорить, видеть, писать, воспроизводить и осознавать себя». В действительности это была лишь модель, которая функционировала на принадлежавшей Бюро погоды вычислительной машине IBM 704 и могла с полусотни попыток отличить право и лево. В военно-морском ведомстве, похоже, всерьез надеялось за год превратить это в «думающую машину» за $100 000.
Д-р Розенблатт сказал репортерам, что это первое устройство, думающее, «как человеческий мозг», и что поначалу оно будет делать ошибки, но с опытом станет умнее. Он предположил, что одним из применений нового механического мозга может быть замена человека в космических исследованиях. Заметка заключала, что первый персептрон, модель биологических нейронов, будет содержать около 1000 электронных «связанных клеток», принимающих электрические сигналы от 400 фотоэлементов – подобных глазу сканирующих устройств. Для сравнения отмечалось, что человеческий мозг содержит 10 млрд чувствительных клеток и 100 млн связей с глазами.
Первая работа по искусственным нейронным сетям появилась в 1940-х гг., и в 1949 г. на нее обратил внимание студент-математик из Гарварда Марвин Мински. Он пошел дальше и создал первые электронные обучающиеся сети – одну на последнем курсе Гарварда, а вторую, названную «Стохастическим нейронным аналоговым усиленным калькулятором», или SNARC, когда был аспирантом в Принстоне. Впоследствии он написал докторскую диссертацию по нейронным сетям. Эти математические структуры представляют собой сети узлов, или «нейронов», которые взаимосвязаны численными величинами, выполняющими роль «весов» или «векторов». Их можно обучать, создавая различные образы, например изображения или звуки, которые впоследствии они распознают сами.
В 1960-х гг. возникло несколько конкурирующих направлений в создании думающих машин, но верх взял подход на основе логики и правил, которому благоволил Джон Маккарти. Вместе с тем некоторые группы продолжали экспериментировать с аналоговыми подходами на основе ранних идей о нейронных сетях. По иронии судьбы именно Мински, один из 10 участников Дартмутской конференции, в 1969 г. спровоцировал легендарную дискуссию, представив в совместной с Сеймуром Пейпертом книге «Персептроны» (Perceptrons) анализ, который, по широко распространенному мнению, задержал исследования нейронных сетей на многие годы. Считается, что критика со стороны этих двух специалистов по искусственному интеллекту из Массачусетского технологического института надолго заморозила новую область исследований.
Это лишь один из примеров яростных интеллектуальных сражений в сообществе искусственного интеллекта в 1960-е гг. Мински и Пейперт потом настаивали, что столь резкая оценка несправедлива и что их книга содержала значительно более взвешенный анализ нейронных сетей, чем говорили. Спор еще больше осложнило то, что Розенблатт, одна из основных фигур в этой области, два года спустя погиб в результате несчастного случая, оставив после себя вакуум в сфере исследования нейронных сетей.
Поначалу исследования нейронных сетей велись и в Стэнфордском университете, а также под руководством Чарли Розена в SRI, но стэнфордская группа переключилась на телекоммуникации, а Розен переориентировался в работе с Shakey на доминирующий подход к искусственному интеллекту. Интерес к нейронным сетям возродился только в 1978 г. в связи с работами Терри Сейновски, докторанта нейробиологии в Гарварде. Сейновски оставил физику, которой занимался раньше, и обратился к нейробиологии. После летнего курса в Вудс-Хоуле, штат Массачусетс, он увлекся тайнами мозга. В том году британский психолог с ученой степенью Джеффри Хинтон учился в Калифорнийском университете в Сан-Диего под руководством Дэвида Румельхарта. Один из его старших коллег вместе с основателем отделения когнитивной психологии Дональдом Норманом создал группу, занимавшуюся вопросами параллельной распределенной обработки.
Хинтон был праправнуком логика Джорджа Буля и приехал в Соединенные Штаты в поисках спасения от зимы искусственного интеллекта в Англии. Отчет Лайтхилла доказывал, что бо́льшая часть исследований в области искусственного интеллекта не оправдала ожиданий, исключением стала только нейроинформатика. В телевизионной дискуссии «Лайтхилл – BBC» стороны выдвигали аргументы, опираясь на текущие данные об эффективности компьютеров, и никто не принимал во внимание закон Мура об ускорении роста быстродействия вычислительной техники.
Во время учебы в аспирантуре Хинтона сильно задели нападки Мински и Пейперта на нейронные сети. В Англии стоило ему сказать, что он занимается искусственными нейронными сетями, в ответ раздавалось: «Разве ты не знаешь, что от них нет толку?» Его консультант рекомендовал ему забыть о своем увлечении и прочитать диссертацию Терри Винограда. Все это впоследствии стало символической логикой. Но Хинтон выбрал другой путь. Он работал над концепцией, названной им позднее «инженерией на основе нейронауки». Хинтон не ударился в крайность, характерную для некоторых в новой области биологических компьютеров. На его взгляд, рабское копирование биологии было бы ошибкой. Споры по этому вопросу не утихли и десятилетия спустя. В 2014 г., когда Европейский союз выделил швейцарскому исследователю Генри Маркраму $1 млрд для создания модели человеческого мозга в мельчайших деталях, Хинтон не сомневался – проект обречен на неудачу.
В 1982 г. Хинтон организовал летний семинар по параллельным моделям ассоциативной памяти, в котором должен был участвовать Терри Сейновски. Молодого физика интересовали возможности моделирования мозга с использованием новых схем. Это была первая научная конференция, организованная Хинтоном. Он понимал, что соберет публику, которая встречалась уже не раз, и что эти, на его взгляд, «пожилые профессора за 40» непременно затянут старую песню. Тем не менее рекламный листок был разослан по департаментам вычислительной техники и психологии. В качестве приманки листок обещал оплатить расходы тем, у кого есть новые идеи. Как и следовало ожидать, большинство откликнувшихся занимались решением проблем традиционными методами. Но одно из предложений выделялось на общем фоне. Оно поступило от молодого ученого, заявлявшего, что он разгадал «машинный код мозга».
Примерно тогда же Хинтон оказался на конференции, в которой участвовал известный исследователь машинного зрения из Массачусетского технологического института Дэвид Марр, и поинтересовался у него, в своем ли уме этот парень. Марр ответил, что знает его, что у него светлая голова и что не имеет представления, сошел ли тот с ума. Было ясно одно, что Сейновски делает нечто новое в области когнитивных исследований.
На семинаре Хинтон и Сейновски встретились впервые. В Калифорнийском университете уже предложили новый подход к созданию модели работы мозга. Так называемая параллельная распределенная обработка была альтернативой символьному подходу, который тогда доминировал в области искусственного интеллекта и когнитивных наук. Двое исследователей быстро поняли, что смотрят на проблему одинаково. Они видели силу нового подхода на основе сетей датчиков, или «нейронов», взаимосвязанных представляющей силу связей матрицей параметров. Чтобы сеть распознавала образ при таком подходе, нужно было представить его в виде графа весовых коэффициентов. Этот подход оказался несравненно эффективней, чем первоначальная символьная модель искусственного интеллекта.
Все изменилось в 1982 г., когда бывший научный руководитель Сейновски по физике Джон Хопфилд создал то, что получило название нейронной сети Хопфилда. Подход Хопфилда отличался от прежних моделей нейронных сетей, созданных разработчиками первых персептронов, тем, что позволял отдельным нейронам независимо менять свои параметры. Свежий взгляд на идею нейронных сетей вдохновил Хинтона и Сейновски на тесное сотрудничество.
Молодые ученые к этому времени получили свои первые преподавательские должности: Хинтон – в Университете Карнеги – Меллона, Сейновски – в Университете Джона Хопкинса, но они достаточно крепко сдружились, чтобы четырехчасовая поездка не была препятствием для встреч по выходным. Было понятно, что найден способ превращения первоначальной модели нейронных сетей в более мощную обучающуюся систему. Они знали, что люди учатся путем наблюдений и обобщений, и сконцентрировались на имитировании этого процесса. Новый вид многослойной сети назвали «машиной Больцмана» в честь австрийского физика Людвига Больцмана. В эту модель они заложили более эффективный подход к машинному обучению и добились самого значительного прогресса со времени первого однослойного алгоритма обучения, разработанного Розенблаттом.
Политический спор вокруг персептронов миновал Сейновски. Как студент-физик, он был далек от мира искусственного интеллекта в конце 1960-х гг., когда Мински и Пейперт заварили бучу. Но он прочел книгу «Персептроны», и она понравилась ему прекрасными геометрическими построениями. Тогда он пропустил мимо ушей их вывод о том, что персептрон не удастся применить к миру многоуровневых систем. Теперь появилась возможность доказать, что они ошибались.
Хинтон и Сейновски создали альтернативную модель, но им нужно было доказать ее эффективность по сравнению с популярными в то время системами, основанными на правилах. Чтобы продемонстрировать преимущества новой технологии, Сейновски с помощью аспиранта в течение лета занимался проблемами языка, обучая свою нейронную сеть произносить английские фразы. В то время у него не было опыта в лингвистике, поэтому он пошел в школьную библиотеку и взял учебник с изложением правил произношения. Нужно было знать весь этот невероятно сложный набор правил и исключений, чтобы правильно говорить по-английски.
В разгар работы по созданию нейронной сети, способной освоить правильное произношение, в Балтимор приехал Хинтон. Он был настроен скептически.
«Вряд ли из этого что-то выйдет, – сказал он. – Английский – невероятно сложный язык, и простая сеть не освоит его».
Друзья решили начать с упрощенной версии языка. Они вновь отправились в библиотеку и нашли книжку для детей с очень небольшим набором слов. Теперь сеть была настроена на усвоение языка из детской книги. В течение часа после того, как система начала работать, исследователей одолевали сомнения. Сначала она генерировала невнятные звуки, похожие на лепет младенца, но по мере обучения их качество улучшалось. Наконец пара слов прозвучала правильно, и процесс продолжался до тех пор, пока речь не стала идеальной. Машина запоминала и общие правила, и исключения.
Исследователи вернулись в библиотеку и взяли другое учебное пособие, где на одной стороне страницы приводилась транскрипция рассказа пятиклассника о делах в школе и о поездке к бабушке, а на другой – правильное звучание каждого слова, транскрибированное фонологом. Это было то, что нужно для обучения, и информацию пропустили через нейронную сеть. Объем текстов был относительно небольшим, но система начала говорить, как пятиклассник. Исследователи были поражены и раззадорены.
Они взяли словарь на 20 000 слов и решили посмотреть, как далеко можно зайти с их нейронной сетью. На этот раз программу запустили на неделю на довольно мощном для того времени мини-компьютере VAX компании Digital Equipment Corp. Она училась, училась и училась и в конце концов стала произносить слова, которые раньше не видела. Результаты были удивительно хорошими.
Программа получила имя Nettalk. Она состояла из 300 смоделированных элементов, которые разработчики называли нейронами. Они были организованы в виде трех слоев – входного для считывания слов, выходного для генерирования речи и «скрытого», связывавшего первые два. Нейроны соединялись друг с другом с помощью 18 000 «синапсов» – связей, имевших численные значения, которые могли рассматриваться как веса. Если такие простые сети могли «учиться» слышать, видеть, говорить и в целом повторять многое из того, что делают люди, они, очевидно, были перспективным новым направлением и в сфере искусственного интеллекта, и в сфере усиления интеллекта.
После успеха с Nettalk пути Сейновски и Хинтона разошлись. Сейновски переехал в Калифорнию и стал работать в Институте Солка, где сосредоточился на теоретических проблемах нейробиологии. Занимаясь исследованиями мозга, он уверовал в силу разнообразия как базового принципа биологии и, таким образом, фундаментально отошел от пути, по которому шло развитие современных цифровых вычислений. Хинтон получил место в отделении информатики Торонтского университета и за следующие два десятилетия усовершенствовал машину Больцмана. К первоначальной контролируемой модели он добавил возможность неконтролируемого (автоматического) обучения. Интернет стал божьим даром, открыв доступ к огромным массивам изображений, видео– и аудиозаписей. Разработки двух исследователей в конечном итоге открыли новые возможности таким компаниям, как Google, Microsoft и Apple, горевшим желанием создать интернет-сервисы на основе распознавания речи и образов.
Полный разворот судьбы персептрона в какой-то мере связан и с правильно организованной пиар-кампанией, продолжавшейся не один год. Еще до первой встречи Сейновски и Хинтона в Сан-Диего пренебрежительным отзывом Сеймура Пейперта о персептроне заинтересовался способный молодой французский студент Ян Лекун. Увидев его, Лекун направился в библиотеку и проштудировал все что можно о способных обучаться машинах. Сын авиаинженера, он с детства возился с авиационной аппаратурой и был помешан на электронике еще до поступления в колледж. Лекун изучал астрофизику, но больше все же интересовался тонкостями программирования. Он прочитал всю литературу о персептроне, начиная с 1950-х гг., и пришел к выводу, что эту тему забросили. На начало 1980-х гг. пришелся расцвет экспертных систем, и никто не писал о нейронных сетях.
В Европе Лекун был одиноким рыцарем. На последнем курсе он изучал электротехнику и начал работу над диссертацией под руководством человека, который не имел представления о его теме. Вскоре после поступления в аспирантуру ему попалась малоизвестная статья Хинтона и Сейновски о машине Больцмана. «Я должен поговорить с этими ребятами! Похоже, только они что-то понимают», – подумал он.
По счастливой случайности им удалось встретиться зимой 1985 г. во французских Альпах на научной конференции по вопросу соединения идей физики и нейронауки. Сеть Хопфилда, служившая первой моделью памяти человека, вызвала новый интерес в научном сообществе. Хотя Сейновски участвовал в конференции, он пропустил выступление Лекуна. Молодой французский ученый впервые делал доклад на английском и страшно волновался в немалой мере потому, что присутствовавший на конференции физик из Bell Laboratories сопровождал едкими замечаниями каждое выступление. Сидевшие рядом с Лекуном участники сказали ему, что это стиль Bell Labs – или идеи не на должном уровне, или для ученых лаборатории они уже не новость. Как ни странно, но после его выступления на ломаном английском ученый из Bell Labs встал и выразил одобрение. Через год Bell Labs предложила Лекуну работу.
На конференции Лекун все же поймал Сейновски, и ученые поделились своими соображениями. Разговор привел к появлению небольшого братства исследователей, которые намеревались создать новую модель искусственного интеллекта. Лекун завершил работу над диссертацией по подходу к обучению нейронных сетей, известному как «обратное распространение ошибки». Его вклад сделал возможной автоматическую «настройку» сети на более точное распознавание образов.
После завершения учебы Лекун стал искать во Франции организации, использующие аналогичные подходы к искусственному интеллекту. Найти удалось лишь небольшую лабораторию Министерства науки с профессором, работавшим в смежной области, но Лекун получил финансирование и место в ней. Его новый профессор сказал: «Я не представляю, чем ты занимаешься, но у тебя, похоже, светлая голова, поэтому я подпишу бумаги». Но Лекун там не задержался. Сначала он перешел в занимавшуюся нейронными сетями группу Джеффа Хинтона в Торонтском университете, а когда поступило предложение от Bell Labs, переехал в Нью-Джерси и продолжил совершенствовать свой подход, известный как сверточные нейронные сети, первоначально ориентированные на распознавание рукописных символов для автоматизированной сортировки почты. Родившийся во Франции канадец Йошуа Бенджио, получивший образование в Массачусетском технологическом институте яркий специалист по информатике, присоединился к нему в Bell Labs и работал над программным обеспечением для распознавания символов, а позже над созданием технологии машинного зрения, которая будет использоваться компанией NCR для автоматической обработки значительной части банковских чеков, циркулирующих в мире.
Несмотря на успехи разработчиков нейронных сетей, мейнстрим компьютерной науки не замечал их. Воспринимая себя как трех мушкетеров, Хинтон, Лекун и Бенджио решили изменить ситуацию. В 2004 г. они, как выразился Лекун, организовали «заговор» с целью повышения популярности сетей и одновременно развернули кампанию по ребрендингу, предлагавшую более привлекательные концепции технологии, такие как «глубинное обучение» и «глубокие сети доверия». К этому времени Лекун перебрался в Нью-Йоркский университет в какой-то мере для более тесного общения с нейробиологами и исследователями, применяющими алгоритмы машинного обучения к проблемам зрения.
Хинтон обратился в Канадский институт перспективных исследований за помощью в организации исследований в своей области и проведении ежегодных конференций. Проект, известный как «Нейрокомпьютеры и адаптивное восприятие», позволил ему отыскать самых перспективных исследователей в разных областях – от нейронауки до электротехники – и создать сообщество людей, заинтересованных в развитии нейросетей.
В этот раз на их стороне был технический прогресс – ускорение роста мощности компьютеров позволило строить нейронные сети огромных масштабов, способные обрабатывать массивы данных на порядки больше, чем раньше. Процесс занял почти десятилетие, но зато теперь возможности и ценность нейронных сетей были бесспорными. Помимо недостатка быстродействия компьютеров развитие нейронных сетей сдерживалось отсутствием больших массивов данных, необходимых для обучения. Ситуация быстро изменилась с появлением глобального интернета, а вместе с ним новой информационно-технологической концепции – облачных вычислений, а также возможности соединения этого ресурса с миллиардами мобильных передающих и вычислительных систем в виде смартфонов. Теперь нейронные сети можно было легко обучать на базе миллионов цифровых изображений или аудиозаписей, доступных в интернете.
Успех технологии стал очевидным, и Хинтон начал получать приглашения от компьютерных компаний, искавших пути повышения точности ориентированных на потребителя интеллектуальных сервисов – распознавания речи, машинного зрения, распознавания лиц, перевода и диалоговых систем. Казалось, что список был бесконечен. В качестве консультанта Хинтон внедрил нейронные сети глубинного обучения в Microsoft, и правильность такого подхода подтвердилась в 2012 г., когда директор по разработкам Microsoft Ричард Рашид выступил перед большой аудиторией в Тяньцзине, Китай. Рашид говорил по-английски, делая паузу после каждого предложения, а программа сразу произносила его на китайском голосом лектора. В конце выступления наступила тишина, а затем раздались оглушительные аплодисменты.
Программа работала не идеально, но за счет алгоритма глубинного обучения, разработанного на основе исследований Хинтона, количество ошибок распознавания было снижено более чем на 30 %. В следующем году ручеек интереса к нейронным сетям превратился в поток. Доступность данных в интернете и дешевой рабочей силы за счет краудсорсинга обеспечила и вычисления, и человеческие ресурсы для целей обучения.
Microsoft была не одинокой. Новые нейросетевые и другие технологии машинного обучения резко повысили интерес к искусственному интеллекту в Кремниевой долине и не только в ней. Соединение нового подхода к искусственному интеллекту с интернетом открывало путь к созданию новых сервисов на основе машинного зрения или распознавания речи и получения прямого доступа к глобальной аудитории через десятки миллионов смартфонов.
В 2010 г. Себастьян Трун пришел в Google, чтобы создать X Laboratory, своего рода аналог Исследовательского центра Xerox в Пало-Альто. У лаборатории был большой портфель научно-исследовательских проектов – от работы Труна над беспилотными автомобилями до развития нейронных сетей. В широком смысле их определяли как «мозговые» проекты, возрождавшие новую волну интереса к системам искусственного интеллекта.
Проект «Человеческий мозг» первоначально возглавлял Эндрю Ын, коллега Труна по возрожденной Стэнфордской лаборатории искусственного интеллекта. Ын был экспертом по машинному обучению и знатоком некоторых методов глубинного обучения нейронных сетей, предложенных Хинтоном и Лекуном. В 2011 г. он начал заниматься в Google созданием системы машинного зрения, и в следующем году проект дал такие результаты, что исследователи Google решили представить их в докладе об эксперименте по неконтролируемому обучению с использованием видео из YouTube. Обучение на 10 млн цифровых изображений, найденных на YouTube, прошло намного лучше, чем все предыдущие попытки, – точность распознавания 20 000 объектов возросла примерно в два раза. Система также научилась распознавать кошек, что не удивительно, учитывая изобилие изображений кошек на YouTube. «Мозг» Google смонтировал сказочное цифровое изображение кошки, используя иерархию ячеек памяти для последовательного отбора общих особенностей на основе просмотра миллионов изображений. Ученые описывали этот механизм как кибернетический аналог процесса, происходящего в зрительной зоне коры головного мозга. Эксперимент стал возможным благодаря огромным вычислительным ресурсам Google, позволившим исследователям выделить для решения задачи кластер из 16 000 процессоров, что, конечно, ничтожно мало по сравнению с миллиардами нейронов мозга, значительная доля которых задействована в нашей зрительной системе.
Вопрос о том, идет ли Google по пути создания подлинного искусственного «мозга», становится все более спорным. Методы глубинного обучения, без сомнения, позволили добиться многого в распознавании образов и речи. В Кремниевой долине растет число тех, кто полагает, что мы вновь на пути к «сильному искусственному интеллекту» – созданию обладающей самосознанием машины с интеллектом, равным или превосходящим человеческий.
Рэй Курцвейл, исследователь искусственного интеллекта и страстный проповедник «технологического бессмертия», пришел в Google в 2013 г. как продолжатель работы Ына в области мозга вскоре после публикации книги «Эволюция разума», в которой предлагался рецепт создания работающего искусственного интеллекта. Курцвейл всегда был одним из самых откровенных сторонников идеи сингулярности. Как и Моравек, он уверен в том, ускорение роста вычислительной мощности неизбежно приведет к появлению самостоятельного сверхчеловеческого машинного интеллекта: по его оценке, около 2023 г. В Кремниевой долине эта идея материализовалась в форме Университета сингулярности и Института сингулярности – организаций, которые занимаются последствиями экспоненциального роста.
К Курцвейлу примыкает разношерстная группа ученых и инженеров, считающих, что, стоит лишь разгадать механизм функционирования биологического нейрона человека и создание искусственного интеллекта станет вопросом масштабирования. Успешный инженер из Кремниевой долины и соавтор книги «Об интеллекте» Джефф Хокинс, основавший с Донной Дубински компанию Palm Computing, утверждал, что путь к интеллекту на уровне человека лежит в эмуляции и масштабировании подобных коре головного мозга схем, способных распознавать образы. В 2005 г. Хокинс создал Numenta, одну из многих компаний, работающих с технологиями распознавания образов. Теория Хокинса перекликается с рецептом Курцвейла из «Эволюции разума». Аналогичным путем идут и Дилип Джордж, получивший образование в Стэнфорде исследователь искусственного интеллекта, который работал с Хокинсом в Numenta, а затем создал собственную компанию Vicarious для разработки «следующего поколения алгоритмов искусственного интеллекта», и швейцарский исследователь Анри Маркрам, убедивший Европейский союз выделить на его проект по созданию точной копии человеческого мозга €1 млрд.
В 2013 г. охота на таланты, которая и раньше не прекращалась, достигла нового размаха. Хинтон перешел в Google, поскольку ресурсы, доступные в Маунтин-Вью, затмевали все, чем он располагал в Торонтском университете. Компьютеры теперь были несравненно более мощными, чем во времена, когда Сейновски и Хинтон создали машину Больцмана, значительно больше стало и данных, пригодных для обучения нейронных сетей. На повестке стояла проблема управлении нейронной сетью, в которой количество параметров могло превышать миллиард. То, что было кошмаром для рядового статистика, породило бурнорастущую индустрию «больших данных», которая не пасовала перед необходимостью отслеживать и накапливать информацию практически по всем аспектам поведения людей, их взаимодействия и мышления.
В Google Хинтон быстро добился прорыва в создании более мощных и эффективных в обучении сетей, когда понял, как сделать, чтобы параметры не мешали друг другу. Вместо обработки сразу всего изображения в новой модели выбиралось подмножество, обрабатывалась часть изображения и обновлялись веса связей. Затем выбиралось другое случайное подмножество, и изображение обрабатывалось снова. Это позволяло использовать случайность для увеличения влияния каждого подмножества. Идея, возможно, и имела биологические корни, но не была слепым копированием. По словам Сейновски, Хинтон – пример исследователя искусственного интеллекта, который уделяет внимание биологии, но не замыкается на ней.
В 2012 г. сети Хинтона, проходившие обучение на огромной рендер-ферме в Google, успешно распознавали отдельные объекты, но не справлялись с «интерпретацией сцен». Например, сети не могли понять предложение: «Кошка сидит на коврике, а человек дразнит ее игрушкой на нитке». Для достижения заветной цели машинному зрению нужно то, что исследователи искусственного интеллекта называют «семантическим пониманием», т. е. способность интерпретировать сцену подобно естественному языку. В 1970-х гг. на проблему интерпретации сцен оказывали сильное влияние идеи Ноама Хомского о генеративной грамматике как контексте для объектов и структуре для понимания их связи в сцене. Но в течение многих десятилетий исследования не давали результатов.
Однако в конце 2014 г. сообщество нейронных сетей стало делать успехи и в этой области. Исследовательские группы по всей стране сообщали о достижениях в объединении возможностей двух типов нейронных сетей – для распознавания естественного языка и для распознавания цифровых изображений. Они разработали программы, которые могли генерировать фразы на английском, описывавшие изображения с высоким уровнем абстракции. Это помогает улучшать результаты приложений для поиска изображений в интернете. Новый подход, помимо прочего, открывает путь к созданию класса программ, которые могут взаимодействовать с людьми на более высоком уровне понимания.
Несмотря на значительный прогресс в сфере сетей глубинного обучения, для Хинтона все только начинается. Не так давно он сказал, что считает себя исследователем, который высадился на новый континент, где все очень интересно, но прошел вглубь лишь на сотню метров – там все так же интересно, но донимают комары. В конце концов это новый континент, и исследователи пока что не представляют реальных возможностей.
В конце 2013 г. Лекун пошел по стопам Хинтона, оставил науку и взялся за создание Лаборатории искусственного интеллекта в компании Facebook в Нью-Йорке. Этот шаг стал еще одним свидетельством возрождения интереса компаний к искусственному интеллекту. Зима искусственного интеллекта осталась лишь в воспоминаниях, по всем признакам пришла весна.
Решение Facebook присоединиться к погоне за искусственным интеллектом было неожиданным. Все началось с посещения Марком Цукербергом, соучредителем и руководителем Facebook, далекой от мира сего технической конференции под названием «Нейронные системы обработки информации» в отеле Lake Tahoe в конце 2013 г. Конференция всегда была сухим академическим мероприятием, но появление Цукерберга для ответов на вопросы явно меняло ситуацию. Мало того, что исследователи не привыкли к таким высоким гостям, сюрреализм происходящего усиливали сопровождавшие Цукерберга охранники в форме. Знаменитый генеральный директор приковал к себе внимание всех присутствовавших, а заседания нескольких других секций пришлось отложить, когда в переполненном помещении стали показывать видео. «Тон быстро изменился: маститые профессора стали простыми исследователями, пробиравшимися на заседание секции по глубинному обучению, чтобы послушать важную персону», – написал в блоге Алекс Рубинштейн, специалист по машинному обучению, участник конференции.
После этого случая в крошечном сообществе исследователей забеспокоились о последствиях коммерциализации искусственного интеллекта для академической культуры. Но поворачивать назад было уже поздно. Отрасль оставила в прошлом интеллектуальные споры 1950–1960-х гг. о реализуемости искусственного интеллекта и правильном пути. Вероятностные математические методы вдохнули в нее новую жизнь и превратили из предмета академического интереса в силу, меняющую многие аспекты современного мира.
Это также реально поставило разработчиков перед выбором – включать или не включать людей в автоматизированные системы, которые будут производить продукты питания и товары, предоставлять нам услуги, перевозить и развлекать нас. Вопрос был не столько техническим, сколько философским и этическим. Взрывной рост вычислительной мощности и ее повсеместная доступность через беспроводные сети вновь подняли проблему, к которой так неодинаково подходили Маккарти и Энгельбарт на заре компьютерной эры.
За кем в будущем останется принятие важных решений – за людьми или способными обучаться алгоритмами? Сегодняшний компьютерный мир делится на тех, кто ориентируется на создание интеллектуальных машин, и тех, кто думает, как расширить возможности человека с помощью этих же машин. Вряд ли можно сомневаться в том, что эти противоположные подходы ведут к созданию совершенно разных миров.