Читать книгу Футурология: Краткий курс - Алексей Андреев - Страница 3

Венерина мухоловка – небольшое растение с двойными реснитчатыми листьями, напоминающими распахнутые глаза. Когда мы завели дома мухоловку, дети сразу решили проверить, как она работает. Но мухоловка не реагировала ни на детские пальцы, ни на брошенные в «пасть» кусочки бумаги. Тогда я предложил дочке взять карандаш и слегка подвигать бумажный клочок, лежащий внутри двойного листа мухоловки. И тут ловушка захлопнулась так быстро, что все отпрянули от испуга.

Да, это растение экономит силы путём минимизации ложных срабатываний: оно не набрасывается на каждую упавшую каплю или ветку, а ловит только движущихся насекомых. На листе мухоловки есть несколько чувствительных волосков, и ловушка срабатывает лишь в том случае, когда два волоска задеты с интервалом менее 20 секунд и с определённой силой.

Дальше происходит ещё одна проверка: осталась ли жертва внутри? Мухоловка начнёт выделять ферменты для переваривания только после того, как произошло ещё пять касаний волосков. Иначе она не будет тратить ферменты и просто откроется через некоторое время. Можно назвать всё это «электромеханическим детектором движения». А можно сказать, что растение умеет прогнозировать свой будущий обед.

В дискуссиях об искусственном интеллекте я обычно рассказываю про мухоловку, когда возникает вопрос, а что это вообще такое – интеллект? Точного определения нет ни у кого, поэтому можно дразнить оппонентов, сообщая им, что интеллект есть даже у растений. Вот смотрите, мухоловка занимается распознаванием небанальных паттернов активности, да ещё и реагирует с опережением на движущийся объект. Разве это не интеллектуальная задача?

Конечно, понятливый оппонент на это ответит, что мухоловка не может изменить свой предсказательный алгоритм, зашитый в генах (такие алгоритмы обычно называют безусловными рефлексами или инстинктами, хотя даже опытный биолог едва ли сможет объяснить вам разницу этих терминов в применении к растению, у которого нет нервной системы). Так или иначе, мухоловка не сможет начать ловить птиц, если её любимые насекомые вдруг исчезнут из региона. Хотя растение может адаптироваться, но не в рамках одного организма, а лишь через эволюцию вида, через мутации и отбор.

Более высокоразвитые существа умеют обучаться, то есть менять свои прогностические модели на ходу, не умирая за правое дело эволюции. Здесь уместно представить собаку Павлова, которую обучают реагировать на звонок. Сначала она не реагирует. Но если звонить каждый раз, когда собака ест, у неё выработается условный рефлекс – выделение слюны будет происходить даже без кормления, при одном только звонке. Как и мухоловка, собака пытается предсказать свой обед – но использует новый признак обеда, а не только врождённые подсказки.

То, что происходит при обучении, в очень грубом приближении выглядит так. Когда собака слышит звонок до обучения, в её мозгу активируется определённая группа нейронов (назовём их «звуковыми») Но эти нейроны не связаны (или очень слабо связаны) с теми, что отвечают за выделение слюны, поэтому возбуждение не передаётся. Однако, если в то же самое время собака чувствует запах еды, «слюнные» нейроны возбуждаются, поскольку между обонятельным стимулом и механизмом слюноотделения уже есть сильная связь. Таким образом, в мозгу появляется два очага возбуждённых нервных клеток – «звуковые» и «слюнные». За счёт одновременного возбуждения между этими группами нейронов возникает своего рода перекрытие: в мозгу буквально прорастают новые связи, и с каждым повторением опыта эти связи всё крепче. В конце концов возбуждение «звуковых» будет передаваться на «слюнные» даже тогда, когда оно не подкреплено запахом еды. Мозг запомнил новый признак обеда.

А теперь другая картина: два человека играют в настольный теннис. Один производит удар, шарик ещё только летит над сеткой, но второй игрок уже поставил руку туда, где шарик будет в будущем – через долю секунды. Заметьте, игрок не делает никаких математических расчётов, не говорит себе «он ударил в левый угол, значит, надо поставить туда руку» – нет, шарик летит гораздо быстрее, чем формулируется подобная мысль. Но предсказательная модель работает, обученная на многократном повторении опыта, как у собак Павлова. И такое происходит не только в теннисе, но и во многих ежедневных ситуациях, где наш мозг должен – или хотя бы пытается – работать на опережение.

Если такой резкий переход от собак к людям показался вам грубоватым – не беспокойтесь, у человека есть и другие методы прогнозирования. Кроме того, наш «опытный», или эмпирический разум применяется не только для координации движений – он может обучаться на самых разных данных (которых нет у собак). Врачи, лётчики, электромонтёры, специалисты по кибербезопасности и многие другие профессионалы используют подобное «чутьё», основанное на умении нашего мозга выявлять значимые комбинации данных из окружающего мира.

Такие способности часто проявляются несознательно, через специфические реакции и эмоции. Это может быть чувство тревоги, или наоборот, ощущение гармонии – как было с Коперником, который обосновал гелиоцентрическую систему мира просто «красотой». В конце 80-х британский математик Роджер Пенроуз обобщил подобный опыт своих коллег-учёных и заявил, что значительное количество научных открытий происходит именно в виде интуитивных озарений с определённым эстетическим чувством. А строгое доказательство – «это обычно последний шаг» [6].

Здесь самое время сказать о недостатках интуиции как предсказательного метода:

1. прогноз на основе «чутья» трудно обосновать и интерпретировать, ведь ваше решение представлено в виде миллиардов нейронных связей, а не в виде стройного логического вывода,

2. по той же причине эмпирическое знание трудно передавать другим: для обучения им нужно переживать тот же опыт, копировать и многократно повторять определённую деятельность «без понимания»,

3. эмпирический разум даёт сбои в ситуациях, выходящих за рамки прошлого опыта (очень редкое событие); его также можно обмануть с помощью специально созданных объектов, напоминающих уже знакомые (маскировка).

Кстати, все три проблемы характерны для того направления искусственного интеллекта, которое сейчас является самым модным – нейронные сети. Если вам хочется протестировать специалиста по машинному обучению, спросите его, как решаются эти три проблемы. Забегая вперёд, скажу, что для искусственных нейросетей самая неприятная проблема – третья, то есть неумение правильно реагировать на «странные случаи». У человеческого мозга на этот счёт есть интересные методы сброса противоречий и отказа от прогнозирования (мы ещё поговорим об этом в отдельной главе «Техники отказа»).