Воображаемая жизнь (ЛП)

Вот простой пример того, как работают подобные методы: предположим, вы хотите, чтобы ваш компьютер считывал написанные от руки адреса на конвертах — задача, важность которой очевидна для организации вроде Почтовой службы США. Одним из примеров способностей, требуемых от машины, было бы распознавание буквы «е». Один из способов научить компьютер делать это — написать букву «е» на листе бумаги, а затем компьютер наложит на неё сетку в электронной форме. Каждый из квадратов в сетке — технически обозначаемый как «элемент изображения» или пиксель — будет пустым (если он находится не там, где напечатана буква), тёмным (если он находится в напечатанной области) или чем-то средним (если в нём находится край буквы). Тем самым компьютер может преобразовать изображение буквы на листе бумаги в строку чисел, причем каждое число описывает оттенок одного пикселя.

После того, как компьютер «прочитал» серию светлых и тёмных пикселей и задействовал алгоритм принятия решения о том, соответствуют ли они букве «e», кто-то (или что-то) сообщает ему, успешно ли он осуществил идентификацию. Как правило, этот процесс повторяется на многих листах бумаги, на каждом из которых начертание «е» отличается от других — печатная буква, курсив, готический шрифт и так далее — и каждый раз алгоритм решает, присутствует ли там буква «e». В итоге в определённом проценте случаев он примет правильное решение. Предположим чисто теоретически, что при испытательном запуске успешность составляет 70 процентов — то есть, алгоритм правильно определил букву «e» на 70 процентах изученных листов. Теперь компьютер обновляет свой алгоритм. Он может, например, изменить способ сравнения результатов с разных пикселей, придавая меньшее значение тем, которые находятся ближе к краю бумаги. Затем он ещё раз полностью повторяет этот процесс. Если процент успеха увеличивается, он сохраняет изменения в алгоритме; если нет — возвращается к исходному. Компьютер будет так или иначе продолжать пробовать различные изменения в алгоритме, всегда отдавая предпочтение тем, которые дают более правильное распознавание. В итоге система станет показывать высокий процент успеха, и в этот момент мы скажем, что она «обучилась».

Существуют разного рода навороты и прибамбасы, которые можно ввести в процесс такого рода. Например, машина может скремблировать инструкции из разных программ — по сути, «выводить» новые алгоритмы. После этого самые успешные вновь «скрещиваются», чтобы создавать ещё более успешные программы в странном подобии биологического естественного отбора. Этот метод так называемого эволюционного алгоритма является всего лишь одним из способов ведения разработки программ искусственного интеллекта.

В последнее время описанный выше примитивный вариант развития искусственного интеллекта был усовершенствован до такой степени, что машины обучаются выполнять очень сложные операции — например, распознавать человеческие лица, или управлять беспилотным автомобилем. В литературе можно найти множество прогнозов в отношении того, что эти новоприобретённые способности будут означать для человеческой жизни и занятости в будущем. Однако один из аспектов искусственного интеллекта, который для наших целей важнее всех остальных, заключается в том, что, как только программа начинает свой процесс обучения, ей уже не требуется никаких дополнительных инструкций от человека. В принципе, когда используются сложные программы, люди почти наверняка не будут знать, что сделала машина. Программа становится, по сути, «чёрным ящиком». Этот аспект искусственного интеллекта дал начало области исследований, которую мы можем назвать компьютерной психологией — в этом случае люди пытаются понять, каким путём машина пришла к представленному ею конечному результату.

Отделение процесса модификации алгоритма от контроля и понимания его человеком как раз и является источником концепции искусственной жизни. Эта утрата контроля порождает также мрачные видения будущего под управлением компьютеров, где компьютеры обычно предстают в виде роботов. Именно это является поводом для размышлений об упомянутой выше технологической сингулярности, о том моменте, когда компьютеры становятся такими же «разумными», как и люди, и приобретают способность самосовершенствоваться без контроля со стороны человека.