«В жизни, в отличие от шахмат, игра продолжается после мата» — Айзек Азимов
Почему ученые в области информатики помешаны на создании искусственного интеллекта, способного играть в человеческие игры (например, шахматы и го)?
Историк и технолог Дэвид Най утверждал, будто «суть любого инструмента неотделима от историй, которые вокруг него создаются». В контексте рассуждений об искусственном интеллекте подобными «историями» выступает способность машин играть в придуманные человеком игры.
Все началось с «Механического Турка», шахматного «автомата», представленного в конце 18-го века.
Хотя так называемый автомат в итоге оказался мистификацией, обманкой для доверчивой публики, он создал прецедент — можно даже сказать, положил начало одной из главных страстей механиков, изобретателей и компьютерных ученых на столетия вперед. По словам Натана Энсменгера, профессора информатики из Университета Индианы, многие представители компьютерного сообщества считали, что как только машина освоит шахматы, «интеллектуальную игру высшей пробы», процитируем здесь нобелевского лауреата Герберта Саймона, «можно будет считать, что она проникла в суть человеческих интеллектуальных способностей».
В 1965-1966 годах советский математик Александр Семенович Кронрод назвал шахматы «дрозофилой ИИ». Этим он хотел сказать, что игра стала для исследований искусственного интеллекта тем же, чем плодовая мушка является для генетиков. Испытательным стендом, который отлично подходит для реализации важнейших идей в этой области: одновременно доступным для экспериментов и при этом достаточно сложным, чтобы продолжать давать пищу для изучения. Плодовых мушек легко содержать в небольшой лаборатории, у них короткий репродуктивный цикл — одна-две недели, что позволяет исследователям изучать несколько поколений мушек в течение пары месяцев. К тому же у дрозофил в наличии порядка 60% генов, вызывающих заболевания у человека. Как отмечает Дэвид Билдер, бывший президент Национального совета директоров по дрозофилам, исследования плодовых мушек за последние 85 лет стали фундаментом сразу для пяти Нобелевских премий. А шахматы, по мнению компьютерных ученых, могут оказать сходное влияние на ИИ. Энсменгер отмечал несколько лет назад: «Редкая дискуссия об ИИ, будь она исторической, философской или технической, в конечном итоге не сводится к шахматным компьютерам».
Далеко не только «компьютерщики» убеждены в том, что шахматы — это краеугольный камень ИИ. Когда 11 мая 1997 года компьютер Deep Blue компании IBM победил Гарри Каспарова*, реакция СМИ и общественности была полна восторгов. Казалось, наконец, получено подтверждение тому, что компьютеры легитимны в сфере имитации человеческого интеллекта. Шутка ли — теперь они могут подражать людям и даже побеждать их в игре, которая чрезвычайно сложна с математической и технической точек зрения, и при этом полна изящества и искусности. Неужели HAL 9000 Кубрика уже не за горами?
* К слову о победе Deep Blue над Каспаровым. По некоторым данным, победа стала возможна только вследствие ошибки в просчете следующего хода. Компьютер неожиданно для гроссмейстера пожертвовал фигурой. Каспаров не смог найти логичной причины для этого действия и занервничал, приняв банальный баг за невероятно сложную комбинацию, продуманную Deep Blue. С этого момента Каспаров начал проигрывать — даже несмотря на то, что ошибка в коде была исправлена сразу же после партии и компьютер вернулся в «предсказуемое» русло. — прим. перевод.
Когда улеглось первое волнение, критики начали задаваться вопросом, что на самом деле означает это достижение для машинного интеллекта. Джон Маккарти, организатор первой в мире конференции по AI в Дартмуте, написал в статье, опубликованной в журнале Science в 1997 году: «Шахматные компьютеры достигли того же уровня развития, как могла бы достичь генетика, если бы ученые с 1910 года сосредоточили свои усилия на выведении гоночных дрозофил. То есть мы бы сделали что-то полезное для науки, но в основном дело ограничилось бы появлением крайне быстрых плодовых мушек».
Прочие ученые разделяли критическую позицию Маккарти. В 1990 году профессор Массачусетского технологического института Родни Брукс утверждал, что одержимость ИИ-специалистов «игрушками» создает проблемы, так как привязывает интеллект к человеческим системам и абстракциям, а не к физической реальности, которая поддерживает и стимулирует человеческий интеллект. «Традиционный ИИ пытался продемонстрировать способность к сложным рассуждениям в довольно-таки ограниченных областях», писал Родни Брукс в статье под названием «Слоны не играют в шахматы». По его словам, программисты должны стремиться к созданию ИИ, который выполняет более простые, нежели игра в шахматы, задачи — например, распознавание и обработка естественного языка или манипулирование объектами в физическом мире. ИИ востребован там, где человек не может получить качественные и надежные результаты из-за зашумленности входных данных. А для работы с «морем символов и абстракций», к которым сводятся игры, ИИ не нужны. Программисты, однако, не прислушались к совету Брукса. Игры как нельзя лучше подходили для создания условий, в которых системы ИИ могли соревноваться с высококлассными профессионалами-людьми, а также друг с другом — чтобы легко оценивать прогресс.
Следующей мишенью для ученых стала игра Jeopardy! (примечание — нечто вроде «Своей игры»). В 2011 году IBM Watson, система обработки естественного языка (NLP) и генерации ответов на вопросы, построенная на суперкомпьютере, задалась целью победить Кена Дженнингса и Брэда Раттера, двух лучших игроков за всю историю этого популярного телевизионного шоу. Исследования показали, что для того, чтобы превзойти чемпионов Jeopardy!, компьютер должен быть гораздо более многофункционален, нежели Deep Blue образца 1997 года. Например, в Jeopardy! не существует такого явления как ход. Вместо этого игрок должен очень быстро решить, насколько он уверен в своей правоте. Ему также нужно было уметь выбирать категории и подсказки, а также разрабатывать стратегии отыгрыша. Watson смог справиться со всеми этими задачами.
Когда игра закончилась, компьютер выиграл $77 147, Дженнингс — $24 000, а Раттер — $21 600. Дженнингс отреагировал на свое поражение с добрым юмором. В нижней части таблички с ответом на вопрос суперигры, которая транслировалась в прямом эфире, он написал: «Я всем сердцем приветствую наших новых компьютерных повелителей».
В 2014 году Google приобрела британский стартап DeepMind, компанию, специализирующуюся на исследованиях ИИ и нейронных сетях, и обратила внимание на новую игровую «площадку» — го. Разработанная Google программа AlphaGo обыграла действующего чемпиона го, Ли Седоля, четыре партии против одной.
Недавно исследовательская группа из Университета Карнеги — Меллона создала бота для игры в покер, который обыграл профессионалов в безлимитный техасский холдем на шесть игроков.
В отличие от шахмат и го, где ты знаешь точные позиции своих фигур и фигур противника в любой момент времени (то есть это игры с «совершенной» информацией), покер — это игра со множеством неизвестных. У противника есть скрытые карты, которые влияют на все игровые процессы в будущем. Появление ИИ, который может хорошо играть в покер, это огромный шаг вперед, потому что большинство взаимодействий в реальном мире (например, переговоры с контрагентами в бизнес-среде) предполагают операции с несовершенной информацией.
Что же будет дальше, раз уж ИИ может обыграть человека даже в покере? Какая игра подтолкнет машины к новым уровням человечности и позволит им вновь превзойти людей? История вычислительной техники свидетельствует о том, что именно покоренные нами вершины задают вектор для всего дальнейшего развития.
Недавно я разговаривал с Джеймсом Барратом, режиссером-документалистом и автором книги «Последнее изобретение». В какой-то момент мы начали говорить об играх, и я спросил его, к какой из них, по его мнению, компьютерные ученые и их системы искусственного интеллекта могли бы приступить теперь, когда даже го уже покорен. Он сидел, размышлял и, наконец, произнес слова, которые до сих пор эхом звучат в моей голове: «Я думаю, что игр больше не осталось. И следующая игра — реальность».
