Простая модель мозга поможет создать ИИ, не уступающий человеку

Главная проблема современных ИИ — отсутствие абстрактного мышления и внутреннего диалога. Так полагает Франсуа Шолле, один из ведущих специалистов Google в области искусственного интеллекта. Проще говоря, AI обрабатывает фантастические объёмы данных и идеально считает, но думать в классическом смысле этого слова он пока не умеет. Для следующего же скачка в сфере компьютерных технологий нужен кремниевый мыслитель, а не просто математик.

Профессор Колумбийского университета Кристос Пападимитриу предлагает отталкиваться от обратного: сначала нужно создать относительно простую с точки зрения науки модель человеческого мозга, а затем уже применить её в ИИ следующего поколения. Задача чудовищно сложная, ведь первый шаг — разобраться в работе самого сложного компьютера на планете: того, что у нас в черепной коробке.

Пападимитриу отвергает так называемую теорию «нейрона Дженнифер Энистон». Всего пару десятков лет назад было принято считать, что один нейрон отвечает строго за одну специфическую вещь. Например, вы видите эту голливудскую актрису и происходит реакция узнавания. Нейроны воспринимались как нечто не столь уж сложное, вроде компьютерных транзисторов: сигнал либо есть, либо его нет, и только комбинации из миллиардов таких «нулей» и «единиц» создают мысль как таковую. Современные же учёные считают, что внутри каждого нейрона могут быть свои собственные связи, которые пока не изучены.

В модели Пападимитриу клетки головного мозга объединены в так называемые «собрания», которые и отвечают за различные концепции — от слов до визуальных образов. Из множества «собраний» состоят области мозга, которые взаимодействуют друг с другом, а также внутри себя. Понять все тонкости работы модели не будучи специалистом невозможно, но доказательство того, что учёные на верном пути, весьма любопытно — и убедительно, даже если у вас нет докторской степени.

Пападимитриу и коллеги создали компьютерную модель человеческого мозга, приложив максимальные усилия к симуляции областей Вернике и Брока, отвечающих за речь. Цифровому «мозгу» давали обработать простейшие фразы, вроде «собака гонится за кошкой», и видели «вспышки» тех же групп нейронов, как если бы человек произносил эти комбинации слов. Возможно, пройдёт ещё лет 15, но ИИ в конечном итоге научится говорить по настоящему, а не просто математически подбирать подходящие к ситуации слова — например, «срок действия вашей карты истекает такого-то числа».

Живой язык — одно из главных, но далеко не единственное препятствие на пути к мыслящему искусственному интеллекту. Зрение, а не компьютерное распознавание изображения — вот что понадобится ИИ будущего. Янн ЛеКун, директор AI-подразделения Facebook, изобрёл метод Свёрточной нейронной сети, который сегодня считается одним из наиболее эффективных. Нейросеть анализирует четыре слоя изображения —  отдельные пиксели, края, контуры, углы, части объектов, палитру и так далее — и, опираясь на библиотеку из сотен миллионов изображений, выдаёт результат.

Но без проблем конечно не обходится. Приведём лишь два характерных примера. Системе дали проанализировать фотографию панды не идеального качества — ответ был «панда с вероятностью 57,7%». Тогда на один из слоёв учёные добавили случайный цветовой шум, невидимый человеческому глазу. Нейросеть выдала почти однозначный вердикт: «гиббон с вероятностью 99,3%». Проблема очевидна. Пятилетнему ребёнку неведомо, что такое корень квадратный из 16-ти, но единожды посмотрев толковый мультфильм про животных он уже никогда не перепутает панду с гиббоном.

Ещё один пример на первый взгляд кажется весьма забавным. ИИ, проанализировав фотографию младенца с зубной щёткой, постановил без тени сомнения (в текстовом виде, дословно): «Молодой мальчик держит бейсбольную биту». Молодой мальчик и младенец —  более или менее совпадающие категории, но принять зубную щётку за бейсбольную биту — это уже слегка беспокоит. Представим себе ситуацию: полицейский робот, патрулирующий в тёмное время суток, принимает пожилого мужчину с тростью за злоумышленника со стальной арматурой. Скептики скажут, что надо меньше читать научной фантастики, но ведь как раз на днях произошла первая в истории человечества атака дрона с летальным исходом без какого-либо вмешательства оператора.

Уповать только лишь на «большие данные» при усовершенствовании того, что должно стать подобием человеческого сознания — тупиковая ветвь развития. Иногда крупным корпорациям приходится буквально выдёргивать вилку из розетки, дабы избежать чудовищного скандала. Например, Google Images при подключении AI ошибочно классифицировал некоторые фотографии афроамериканцев как приматов. Microsoft создала первого в мире чат-бота на основе ИИ, Tay —  и позволила ему обучиться современному разговорному языку на просторах Твиттера. Буквально через несколько часов искусственный интеллект отвечал живым собеседникам исключительно оскорблениями расового, религиозного, сексистского и политического характера.  

Стоит подчеркнуть, что всё вышесказанное —  вовсе не критика искусственного интеллекта как такового. Наоборот, примеры приводятся для того, чтобы понять, что зрение вместо распознавания изображения, язык вместо набора слов и «живая» мысль параллельно с математическими расчётами действительно нужны. Сегодня многие специалисты в сфере AI сходятся во мнении: следующий шаг в машинном обучении при помощи одного лишь бесконечно наращиваемого потока данных сделать невозможно.

На ещё одну важную проблему обучения искусственного интеллекта обращает внимание уже упоминавшийся Франсуа Шолле. У AI нет биологического тела, а значит, непосредственного стимула как к избеганию боли, так и к получению удовольствия (в том числе косвенно, через признание). Проще говоря, человеку достаточно один раз в жизни приложить ладонь к горячей плите, чтобы уже никогда больше не делать этого, а ИИ с его скоростью совершения операций может приложить миллиарды «ладоней» к сотне миллионов «плит» прежде чем поймёт, что запахло жареным.

Но в последние годы эту проблему стали постепенно преодолевать при помощи так называемого обучения с подкреплением. Если сильно упрощать, к прописанному набору задач искусственного интеллекта привязывают систему позитивных и негативных оценок за успехи и провалы — а также при помощи кода задают ИИ безусловный внутренний императив: набрать как можно больше баллов. Получается нечто вроде своего собственного «желания», только в коде. Благодаря такому «желанию» DeepMind уже сегодня обыгрывает мировых чемпионов в шахматы, го и знаменитую компьютерную стратегию StarCraft 2, а послезавтра продвинутый ИИ будет решать сложнейшие производственные и бизнес-задачи практически без вмешательства человека.