Человечество постоянно задается вопросами, на которые не может дать однозначный ответ даже по прошествии довольно продолжительного количества времени, и даже когда ответ, казалось бы, перед нами.
И те вопросы, которые человечество задает себе сейчас, также мучили мудрецов, ученых, философов живших когда-то раньше. К сожалению, у нас все еще нет машины времени, чтобы мы могли задать им эти вопросы и посмотреть, что они ответят. Но у нас есть другие артефакты, такие как книги, фильмы и с недавних пор — интернет.
И благодаря интернету, у нас есть шанс переместиться во времени и задать эти вопросы величайшим умам своего времени. В частности, мы можем переместиться в 26-ое сентября 1985 и спросить самого Ричарда Фейнмана: «Как вы думаете, появится ли когда-нибудь машина, которая будет думать, как человек или даже быть более умной, чем мы — люди?»
Фейнман: «Насчет первого — «думать, как люди», я бы сказал нет, и я через минуту объясню, почему я сказал «нет», а насчет второго — быть умнее людей — в этом вопросе нам нужно определить, что значит «умнее».
Если бы вы спросили меня, являются ли машины лучшими шахматистами, нежели люди, да, возможно, когда-нибудь они такими станут, но даже сейчас они играют в шахматы лучше, чем большинство людей.
Кстати, чего мы всегда пытаемся сделать, так это чтобы машина была лучше не только нас самих, но была сразу лучше всех.
Если мы построим машину, которая может играть в шахматы лучше нас, это нас не впечатлит.
Мы говорим: «а что случится, когда она будет соперничать с мастерами своего дела?».
То есть мы во всем сравниваем себя с такими мастерами.
И машина должна быть лучше человека во всем, что может делать топовый профессионал на топовом уровне, но для машины такое сложновато.
Но что касается того, будет ли машина думать как люди, моё мнение базируется на идее того, что мы пытаемся заставить машины работать как можно более эффективно с материалами, которые у нас есть.
Эти материалы, отличны от нервов и прочего, то есть, если мы хотим сделать что-то такое, что быстро бегает по земле, тогда мы могли бы понаблюдать за бегающим гепардом, мы могли бы попробовать сделать машину, которая бегает как гепард.
Но проще сделать быструю машину на колесах или что-то, что может летать по воздуху прямо над землей.
Возьмем, к примеру, птицу. Самолеты не летают, как птицы. Они летают, но не как птицы, так?
Поэтому они не машут крыльями как придурки, у них на носу есть прибор, который разгоняет для них воздух или как в современных самолетах, где есть турбина, которая нагревает воздух и выплевывает его позади. Кажется, это называется «реактивный двигатель».
В нем есть вращающаяся турбина и прочие штуки. Так же она использует топливо и в этом вся разница, так?
Поэтому нет никаких сомнений в том, что более поздние машины не будут думать так, как думают люди в этом смысле! В отношении разума, я думаю, это схоже с тем, как они, например, не будут решать арифметические задачи так же как решаем их мы — они будут делать это лучше.
Давайте возьмем пример арифметики. Машины считают лучше, чем кто-либо другой. Они считают быстрее, но все равно по-другому.
Фундаментально наши подходы одинаковы, потому что, в конечном итоге, числа есть числа.
Это отличный пример. Мы никогда не изменим то, как они делают арифметические расчеты, чтобы сделать их методы более человеческими, ибо это будет регрессом, потому что люди считают медленно, иногда запутанно, допуская множество ошибок, а эти ребята быстры.
И если сравнивать то, что компьютеры могут делать по сравнению с людьми, мы обнаружим следующее довольно интересное сравнение.
Во-первых, для сравнения, если бы я собирался дать человеку следующую задачу, например, если я попрошу назвать мне какие-то числа в обратном порядке.
Предположим, прямо сейчас у меня есть множество чисел, и я хочу, чтобы вы назвали мне каждое второе число в обратном порядке.
Сделаем еще проще, назовите мне числа в том порядке, в котором я назову их вам. Вы готовы?
Один, семь, три, девять, два, шесть, пять, восемь, три, один, семь, два, шесть, три… кто-нибудь сможет это сейчас сделать? Нет.
И это не более двадцати или тридцати чисел, но вы можете дать компьютеру пятьдесят тысяч таких чисел, и попросить любой обратный порядок, сумму этих чисел, разные операции с ними и он еще долго их не забудет.
Это пример того, что компьютер делает намного лучше человека, и вам надо помнить об этом всякий раз, когда вы сравниваете машины с людьми.
Но что человек должен делать всегда, для своего собственного «всегда», так вот они всегда- всегда стараются найти одно чертово дело, в котором они могут превзойти компьютер.
И поэтому нам известно много областей, в которых люди всегда превосходят компьютер.
Вот она идет по улице, у нее определенная походка и вы знаете, что это Джейн.
Или вы замечаете, что его волосы слегка завиваются, это трудно заметить на расстоянии, но то, как забавно при этом выглядит его затылок, выдает в нем Джека.
Распознавание предметов, распознавание паттернов — это, кажется то, что мы пока еще не научились выражать при помощи процедуры.
Да, вы можете сказать: у меня есть отличная процедура для распознавания Джека. Просто сделайте много снимков Джека, кстати, фотография может быть помещена в компьютер, вот кстати этим самым методом здесь.
Если бы картинка была бы более четкой, я мог бы распознать фотографию при помощи черно-белых точек расположенных в определенной последовательности.
В газетах печатают картинки черными и белыми точками и при достаточно высоком разрешении, точки сливаются в картинку.
Поэтому имея достаточную информацию, я могу загрузить изображения Джека в разных ракурсах и попросить машину сравнить их.
Проблема в том, что новые ракурсы будут отличаться. Освещение и расстояние будут другими, наклон головы другой, и вы должны разобраться как это учесть.
И все это настолько сложно и затратно, что даже с большими машинами, с большим объемом доступной памяти и с той скоростью, с которой они могут работать, мы не сможем понять, как написать такую процедуру, которая бы вообще работала или, хотя бы, работала хоть где-то с разумной скоростью.
Поэтому в наше время машинам и трудно распознать объекты. Некоторые вещи человек может делать в мгновение ока.
Поэтому есть вещи, которые могут делать люди, но которые мы не знаем, как сделать при помощи компьютера.
Итак, распознавание объектов. Это возвращает меня к идее того, что машина пока что не может имитировать работу даже офисного клерка.
Такой клерк обладает некоторыми специальными навыками, которые требуют определенный сложный вид распознавания.
Например, клерк в отделении отпечатков пальцев, который просматривает отпечатки, а затем проводит тщательное сравнение, чтобы увидеть, совпадают ли эти отпечатки.
На данный момент такую работу практически невозможно сделать точно при помощи компьютера.
Казалось бы, делов-то, сравниваем два отпечатка пальца, смотрим, все ли точки совпадают, но все не так просто.
Что если палец был грязным, или отпечаток был сделан под другим углом или с другим давлением, или края отпечатка не совсем в том же месте?
Если бы вы пытались сопоставить одинаковые изображение, то это было бы легко, но где центр отпечатка, в какую сторону был повёрнут палец, разное давление на бумагу, где-то больше, где-то меньше, где-то попала грязь, или вылезла бородавка на большом пальце, и так далее.
Эти небольшие осложнения делают сравнение гораздо более трудной задачей для машины, для этой слепой системы, она будет работать несравнимо медленнее, даже слишком медленно и поэтому ее использование совершенно непрактично в настоящее время.
Я не знаю как там у них сейчас дела, я в курсе, что инженеры продвигаются быстро, пытаясь обучить машину, но человек может просто пробежаться взглядом, как гроссмейстеры в шахматной игре, уловить паттерны, и пока что мы не знаем, как это можно было бы автоматизировать с нужной скоростью.»
Обратите внимание на то, как мало или, наоборот, много времени прошло с момента, когда один из самых видных ученых двадцатого века сомневается в способности компьютера сравнивать отпечатки пальцев или распознавать образы до разблокировки телефона выражением своего лица.
