Читать книгу Дякую за запізнення: керівництво для оптимістів сучасності - Томас Фридман - Страница 21

Я мав зустрітися й разом сфотографуватися зі справжнім Вотсоном у Науково-дослідному центрі IBM ім. Томаса Дж. Вотсона в Йорктаун-Гайтсі, що у штаті Нью-Йорк. Він був небагатослівний, на пенсії, уже відійшов від справ, але понаставляв у своїй чималій кімнаті стелажі з серверами.

Я мав також познайомитися з онуком Вотсона, так би мовити. Завбільшки він із валізу. Це, власне, модель того, як виглядала б сьогоднішня версія Вотсона після двох поколінь дії закону Мура. Технічно кажучи, сьогоднішня версія Вотсона – навіть не чимала валіза, бо Вотсон нині існує в суперновій.

«Вотсон більше не замкнений у коробці, не під’єднаний до інтернету, а радше складник інтернету», – пояснював Дейвід Йон, віце-президент із питань комунікацій. IBM виготовив модель міні-Вотсона, щоб «проілюструвати, що сьогодні ми можемо вмістити всю обчислювальну потужність ігрового шоу Jeopardy! Вотсона у валізці. Але нині Вотсон – достоту частина супернової, яка утворилася у ХХ столітті з парадигми коробки або самостійного сервера».

У будь-якому разі онук Вотсона не марнуватиме часу, намагаючись переграти людей у Jeopardy! Це так станом на 2011 рік. Наразі Вотсон збирає всі відомі медичні дослідження в таких галузях, як діагностика й лікування раку. Йон розповів мені під час ланчу, що «сьогодні ми міркуємо над тим, щоб задіяти Вотсона у відділенні радіології» й сертифікувати його для читання та інтерпретації рентгенівських знімків. Отакої, я й собі подумував таке зробити. Гаразд! Вотсон робитиме це у вільний час, складаючи всі можливі вступні іспити у США – у відділеннях зубопротезному, патології, урології… і цілком виграючи в людей у Jeopardy!

Супернова пропонує обчислювальні потужності всім і скрізь. Суперкомп’ютер Вотсон пропонує свої знання всім і всюди. Це не просто велика пошукова система або цифровий помічник. Він не здійснює звичайний пошук ключових слів. Вотсон – не просто великий комп’ютер, якому програмісти загадують виконувати певні завдання. Вотсон – інший. Ви таке хіба що у франшизі «Зоряний шлях» могли побачити. Вотсон – це початок «когнітивної доби обчислень», як сказав Джон Е. Келлі ІІІ, який ділить історію обчислень на три окремі ери.

Першою, за його словами, була «таблична ера», що тривала від початку 1900-х до 1940-х років і спиралася на одноцільові механічні пристрої, які здійснювали підрахунки й використовували перфокарти для рахування, сортування, зіставлення та інтерпретування інформації. Потім була «ера програмування» – від 1950-х і досі. «Зі зростанням народонаселення та ускладненням соціоекономічних систем ручні й механічні пристрої не могли впоратися із завданнями. Тоді з’явилися програмісти, які застосовували логіку “якщо – то” та ітерацію для розрахунку відповідей на задані сценарії. Ця технологія розвивалася на хвилі закону Мура й дала нам персональні комп’ютери, інтернет і смартфони. Сама проблема, при всій потужності й трансформативності проривів, і технологія програмування тривалий час інгерентно обмежувалися здатністю формулювати завдання».

І ось після 2007 року ми побачили народження «когнітивної ери» обчислень. Сталося це лише тоді, коли закон Мура перейшов на другий бік шахівниці й забезпечив достатню потужність для цифрування всього, що можна собі уявити: слів, світлин, даних, е-таблиць, голосу, відео, музики, – а також завантаження всього цього до комп’ютера й супернової; мережеву пропускну здатність для пересилання інформації з великою швидкістю та можливості програмного забезпечення писати потрібну множину алгоритмів, щоб навчити комп’ютер видобувати зміст із неструктурованих даних, як міг би це робити людський мозок, та вдосконалювати таким чином усі аспекти прийняття людиною рішень.

Коли IBM проектувала суперкомп’ютер Вотсон для гри в шоу Jeopardy!, пояснював мені Келлі, фірма знала з вивчення цього шоу та суперників-людей, скільки часу потрібно машині, щоб перетравити питання й сигналізувати готовність до відповіді. Вотсону знадобилася секунда на зрозуміння запитання, півсекунди на добирання відповіді й секунда на сигнал про готовність відповідати. Це означало, що «кожні десять мілісекунд позитивно завершувався певний цикл випробувань», – сказав Келлі. Суперкомп’ютер став таким швидким і точним не завдяки навчанню як такому, а завдяки самовдосконаленню з використанням можливості працювати з великими даними й роботі в мережі, що прискорювало статистичні кореляції в більшому масиві вихідного матеріалу.

«Досягнення Вотсона – ознака великого поступу в машинному навчанні, коли самовдосконалюються комп’ютерні алгоритми на задачах, що включають аналіз і прогнозування, – зауважив Джон Ленчестер у London Review of Books за 5 березня 2015 року. – Використовували передусім статистичні методи: шляхом спроб і помилок машина вчиться, яка відповідь має найвищу ймовірність бути правильною. Це дає загальне уявлення, та оскільки за законом Мура комп’ютери стали несамовито потужними, цикли спроб і помилок відбуваються дуже швидко і машина неймовірно швидко вдосконалюється».

Така відмінність когнітивного комп’ютера від програмованого. Програмовані комп’ютери, як пояснюється в есе Келлі 2015 року для дослідницького відділу IBM «Обчислення, когнітивність і майбутнє знання», «спираються на правила, які пропускають дані через низку детермінованих процесів для одержання потрібного результату. Попри свою потужність і складність, вони мають детерміністичний характер і працюють зі структурованими даними, але не можуть обробляти квалітативний чи непрогнозований ввід. Така жорсткість обмежує їхнє використання в роботі зі складним емерджентним світом, якому властиві невизначеність і непевність».

А от когнітивні системи, пояснював він, «імовірнісні, тобто вони сконструйовані для адаптування та осмислення складнощів і непрогнозованості неструктурованої інформації. Вони здатні «читати» текст, «бачити» óбрази й «чути» природну мову. Ці системи інтерпретують одержану інформацію, організовують її, пояснюють її значення й логічно обґрунтовують висновки. Проте остаточної відповіді не дають. Власне, відповіді вони «не знають». Вони, радше, сконструйовані для зважування інформації та ідей із багатьох джерел, осмислення її та пропонування гіпотез для розгляду». Отже, системи визначають коефіцієнт достовірності кожної потенційної ідеї або відповіді. Вони навіть вчаться на власних помилках.

Тож, створюючи суперкомп’ютер Вотсон, який виграв Jeopardy!, розповідав Келлі, вони розробили чималий пакет алгоритмів, що дає змогу машині аналізувати речення приблизно так, як викладач читання вчить вас схематизувати речення. «Алгоритм подає схему меседжу й намагається з’ясувати, про що запитують – про назву, дату, тварину… що я шукаю?» – пояснив Келлі. Наступний пакет алгоритмів має переглянути всю завантажену у Вотсона літературу від «Вікіпедії» до Біблії та спробувати знайти все дотичне до цієї теми, особи чи дати. «Комп’ютер шукатиме фрагменти релевантного змісту та створить попередній перелік можливих відповідей, а далі пошукає фрагменти на підтримку можливої відповіді, [як-от] питають про особу, яка працює в IBM, а я знаю, що там працює Том».

За допомогою наступного алгоритму Вотсон упорядкує відповіді, що здалися йому правильними, і вкаже коефіцієнт достовірності. Якщо коефіцієнт виявиться достатнім, пролунає сигнал готовності й відповідь. Зрозуміти відмінність між програмованим і когнітивним комп’ютерами допоможуть два приклади, наведені мені Даріо Джилом, віце-президентом із питань науки й рішень. Він пояснив, що коли IBM почала розробляти програмне забезпечення для перекладачів, створили групу, яка мала розробити алгоритм перекладу з англійської на іспанську. «Ми гадали, що найкраще – найняти різних лінгвістів, які навчать нас граматики, а коли зрозуміємо природу мови, зможемо написати програму перекладу», – сказав Джил. Не спрацювало. Попрацювавши з багатьма лінгвістами, IBM відмовилася від них і спробувала інший підхід.

«Цього разу ми собі сказали: “А що, як вдатися до статистичного підходу та просто взяти два тексти, перекладені людьми, порівняти їх і встановити, який переклад точніший?” І оскільки потужність обчислення та пам’ять значно збільшилися 2007 року, то з’явилася можливість здійснити це. IBM дійшла принципового висновку: “Щоразу, коли ми відмовлялися від лінгвіста, точність зростала, – сказав Джил. – Тож тепер ми обмежуємося статистичними алгоритмами, що можуть порівнювати великі масиви текстів для виявлення повторюваних патернів”. У нас немає проблем із перекладом з урду на китайську, навіть якщо ніхто в групі цих мов не знає. Віднині вчимося на прикладах». Якщо ви дасте комп’ютерові достатньо прикладів того, що правильно та що неправильно, а в добу супернової робити це можна майже до нескінченності, машина придумає, як правильно зважувати відповіді й навчатиметься далі в процесі роботи. І при цьому їй не треба вчити граматику урду чи китайську – нічого, крім статистики!

Отак Вотсон виграв у шоу Jeopardy! «Програмовані системи, які революціонізували життя протягом попередніх 60 років, ніколи не впоралися б із безладними неструктурованими даними, що потрібно для гри в Jeopardy!, – писав Келлі. – Здатність Вотсона відповідати на підступні, складні питання з грою слів довела, що ось уже наближається нова доба обчислень».

Найкраще це ілюструє одне запитання, на яке Вотсон відповів неправильно наприкінці першого дня змагань, коли суперникам дали однаковий ключ до фіналу Jeopardy! Категорія була «Міста США», а ключ такий: «Найбільший аеропорт у місті названий на честь героя Другої світової війни, а другий за величиною – на честь битви у Другій світовій». Відповідь була – Чикаго (О’Гейр і Мідвей). Проте Вотсон видав: «Може, Торонто??????» (з отакою кількістю знаків питання).

«Є багато причин, чому Вотсона ввело в оману це запитання, включно з граматичною структурою, наявністю міста Торонто в штаті Іллінойс, бейсбольною командою Toronto Blue Jays в Американській лізі, – сказав Келлі. – Проте помилка висвітлила важливу обставину про те, як працює Вотсон. Система не відповідає на наші питання, бо вже «знає». Вона радше створена, щоб оцінити та зважити інформацію з багатьох джерел, а тоді подати свої пропозиції на наш розгляд. Машина визначає для кожної відповіді коефіцієнт достовірності. У випадку фіналу гри Jeopardy! коефіцієнт достовірності у Вотсона був дуже низьким: 14 %, – так суперкомп’ютер хотів сказати: «Не довіряйте цій відповіді». У якомусь розумінні Вотсон знав, чого він не знав».

Оскільки справа нова, чимало лячних матеріалів було понаписувано про когнітивну добу обчислення – буцім когнітивні комп’ютери відберуть світ у людей. IBM бачить усе по-іншому. «Популярні уявлення про штучний інтелект і когнітивне обчислення далекі від дійсності; у них ідеться про розумні комп’ютерні системи, які одержують свідомість та чуття і які вибирають свій шлях на підставі вивченого», – сказав Арвінд Крішна, старший віце-президент і директор науково-дослідних робіт IBM. Насправді ми можемо навчити комп’ютери діяти в якійсь вузькій царині: онкології, геології, географії, – пишучи алгоритми, що дають їм змогу «вчитися», працюючи в конкретній сфері за допомогою множинних паралельних систем розпізнавання патернів. «Проте якщо комп’ютер створено для розуміння онкології, то він лише в її межах і працюватиме, враховуючи нову літературу, що видається на цю тему. Але уявлення про те, що він раптом почне конструювати автівки, безпідставне».

Станом на червень 2016 року суперкомп’ютер Вотсон уже використовували 15 провідних світових онкоінститутів, у нього завантажено понад 12 млн сторінок статей із медицини, 300 медичних часописів, 200 підручників і десятки мільйонів історій хвороб, і ця кількість матеріалів далі зростає. Ідея не в тому, щоб довести, що Вотсон колись замінить лікарів, зазначив Келлі, а в тому, щоб показати, яку неоціненну допомогу він може надати лікарям, у яких здавна є проблема з відстежуванням поточної медичної літератури й нових відкриттів. Супернова просто яскравіше виявляє цю проблему: за оцінками дослідників, лікареві первинної медико-санітарної допомоги знадобилося б понад 630 годин на місяць, щоб ознайомитися з безперервною навалою нової літератури у своїй галузі.

І саме Вотсон чи інший суперкомп’ютер може стати мостом у майбутнє, бо задарма надаватиме масиви інформації про складнощі з діагностуванням. У минулому, коли пацієнтові діагностували рак, онкологам доводилося вибирати між трьома відомими схемами лікування на основі десятка прочитаних нещодавно статей із проблем медицини. Сьогодні, зауважує команда IBM, завдяки генетичному секвенуванню пухлини за допомогою лабораторного аналізу протягом години лікар, користуючись Вотсоном, теж протягом години, може призначити ліки, що найкраще діють саме на цю пухлину. IBM завантажує до медичного суперкомп’ютера 3000 зображень, що 200 з них – меланоми, а 2800 – ні, і Вотсон за алгоритмом вивчає кольори, топографію та контури меланом. Передивившись десятки тисяч зображень і розуміючи, що в цих зображеннях спільне, Вотсон набагато швидше за людину ідентифікує саме світлини з раком. Така допомога машини дає змогу лікарям більше уваги приділити саме пацієнтові.

Тобто магія Вотсона діє тоді, коли вона поєднується з такими унікальними здатностями лікаря, як інтуїція, емпатія, уміння робити власний висновок. Синтез обох факторів може привести до знання та його застосування на значно вищому рівні, ніж це робилося б окремо, а не разом. У шоу Jeopardy!, за словами Келлі, проти машини грало двоє чемпіонів; у майбутньому Вотсон і лікарі – машина й люди – розв’язуватимуть проблеми разом. Комп’ютерна наука, додав він, «і медицина розвиватимуться досить швидко. Це коеволюція. Ми допомагатимемо одне одному. Я уявляю собі ситуації, коли я, пацієнт, комп’ютер, медсестра та мій аспірант будемо взаємодіяти в оглядовій кімнаті».

З часом усе це реформує медицину та змінить те, що ми називаємо розумним, доводить Келлі: «У ХХІ столітті знання всіх відповідей ще не свідчитиме про інтелект, а ознакою генія стане уміння ставити правильні запитання».

Справді, ми щодня читаємо, як у дедалі більшої кількості машин з’являється штучний інтелект, що робить їх гнучкішими, інтуїтивними, подібними до людини, і вони починають відгукуватися на один доторк, жест, голосову команду. Незабаром кожен охочий матиме розумного помічника, свого маленького Вотсона, Сірі чи Алекса, що вивчатиме преференції та інтереси користувача при кожному ввімкненні, і їхня допомога день у день ставатиме доцільнішою й ціннішою. Це не наукова фантастика. Це відбувається вже сьогодні.

Тому не дивно, що Келлі наприкінці нашого інтерв’ю в осередку «Вотсон» в IBM замислено мовив: «Знаєте, як ото із дзеркальцем в автівці, яке говорить вам: “Те, що ви бачите у дзеркальці заднього огляду, насправді ближче, ніж здається”? Ну так, то тепер це стосується й того, що видно вам у вітровому склі, бо це – майбутнє, котре вже набагато ближче, ніж здається».