Евгений Черешнев

Первая серия третьего сезона сериала «Черное зеркало» (который я настоятельно рекомендую к просмотру, если вы дочитали книгу до этой главы) называется «Нырок».

Цифровые актеры и публичные личности

эволюции потребовались миллионы лет на то, чтобы помочь животным развить свои конкурентные преимущества. Но мы с вами уже не являемся биологической формой жизни, ибо не готовы ждать, как делают все природные создания, — когда человеку что-то нужно, он обрушивает на задачу всю силу инженерной мысли и получает новый прибор за считаные годы, если не недели. В момент, когда наш предок предпочел медленной эволюции палку, копье, лук и т.п., мы стали техногенной формой жизни — то есть той, что порождена технологией и от нее зависит.

В XXI веке подобный подход не работает — многие процессы, требующие рутинной работы, автоматизируются и роботизируются, а человеческая способность к обучению так и остается неизменной, что может стать фатальным в нашей схватке с искусственным интеллектом. Хорошо иллюстрирует эту мысль история с победой ИИ сначала в шахматах, а затем в го — игре, где умение перебирать варианты не является залогом победы. Машина победила «чемпиона людей» в го Кэ Цзе в 2017 году потому, что инженеры помогли AlfaGo (так назывался ИИ, победивший в игре) «взломать» эволюцию. Средняя продолжительность игры в го — два часа (у профессионалов на партию может уходить шесть часов). Человек, как и машина, учится играя. Сыграв 1000 партий в го, то есть потратив около 2000 часов, или 83,3 суток, на игру, человек научится играть вполне сносно. Для профессионального уровня нужно больше практики и определенный склад мышления. За 10 000 партий, или 2,28 года круглосуточной практики, то есть около 7 лет ежедневных тренировок, если оставлять время на сон и прочие занятия, человек может стать мастером игры. Почему ИИ победил человека в го? Потому, что инженеры создали нейронную сеть, в которую заложили базовые ценности игры (так называемая value network), а дальше «скормили» этой сети 160 000 партий, сыгранных лучшими мастерами игры. И заставили ИИ играть друг с другом. Время для ИИ течет иначе — машина за считаные секунды может играть множество партий одновременно. За три часа AlphaGo стал играть так, как человек. За 21 день он научился обыгрывать лучшего из людей. За 40 дней — первую версию себя, победившую чемпиона. Все потому, что за это время ИИ все время играл без сна и отдыха и учился. Он сыграл более миллиона партий. Миллион партий по два часа каждая в «человеческом» времени заняли бы 228 лет. Человеку нужны сон, развлечения и отдых. С этой оговоркой лучший из нас смог бы сыграть миллион партий за 700 лет и, живи он вечно, догнать машину (если бы та стояла на месте, разумеется). Но у человека нет этого времени. Мы не можем столько учиться. Машина может — время для нее условно (миллион партий занимает считаные часы, и это время сокращается всякий раз, когда мы изобретаем новые, более производительные процессоры), но самое главное: время для ИИ — бесконечно. Он никогда не умрет. Искусственный интеллект — это техногенная форма жиз

Он никогда не умрет. Искусственный интеллект — это техногенная форма жизни, развивающаяся по тем же правилам, что и мы, но делающая это гораздо быстрее и лучше с нашей же помощью. Что на это скажет Чарльз Дарвин? Ничего. Потому что он уже умер. А вот искусственный интеллект его знаниями и выводами будет пользоваться еще очень долго.

С точки зрения описываемого подхода к сути жизни и ее разновидностей человек — это просто очень совершенная машина с конечным сроком годности.

Экспертное сообщество условно разбило эволюцию искусственного интеллекта на три этапа. Сейчас он находится на первом — artificial narrow intelligence (ANI), или узконаправленный ИИ. Все примеры условно умных машин, что мы видим сегодня, начиная от голосовых ассистентов Siri (Apple), Google Assistant, Cortana (Microsoft), Alexa (Amazon) и «Алисы» («Яндекс»), всех умных ботов, роботизированных пылесосов, беспилотных автомобилей, суперкомпьютеров, обыгрывающих человека в шахматы, и заканчивая компьютерным зрением, наводящим ракеты боевого дрона на цель с лицом идентифицированного террориста, — все это примеры ANI, или машин, заточенных под выполнение одной очень узкой задачи. Чем уже задача, тем лучше машина с ней справляется. Например, в системах распознавания лиц и идентификации личности по их изображению в настоящее время достигнута теоретическая эффективность 99,97% — это мизерные шансы остаться анонимным в условиях, когда на вас смотрит городская камера с подключенной нейронной сетью распознавания. Причем, что важно, этот результат будет доступен и вашей родной полиции, и спецслужбам, и враждебно настроенным хакерам, которые могут использовать идентификацию не по назначению, например выявляя в толпе сотрудников спецслужб, у которых (сюрприз!) тоже есть лица, — но об этом мы поговорим в одной из последующих глав. Если «натравить» машину на распознавание фотографий кошечек и собачек (еще несколько лет назад эта задача считалась непосильной), она будет успешно классифицировать их с вероятностью выше 99% — хотя лично мне до сих пор непонятно, кому нужна эта функция ☺ Стоит заменить фото животных на рентгеновские снимки легких или мозга, а машину заставить обнаруживать аномалии вроде злокачественных опухолей и ставить диагноз — она и тут справляется с заданием. Это примеры очень узких задач, в которых машина уже работает лучше человека или как минимум наравне с самыми талантливыми из нас.

ASI — это искусственный интеллект, который превосходит лучшего представителя людей в любой возможной области. Например, в математике ASI будет сильнее Григория Перельмана, в физике — умнее Альберта Эйнштейна (что представить даже страшно), в области инжиниринга и управления продуктом — совершеннее Илона Маска, в области борьбы за права человека (или машины?) — успешнее Харви Милка, Мартина Лютера Кинга и Александра Солженицына; еще он сможет писать книги лучше Льва Толстого, размышлять о Вселенной в разы увлекательнее, чем Митио Каку и Юваль Харари, снимать фильмы лучше Джеймса Кэмерона и да — готовить борщ лучше вашей бабушки.

человек — это самообучающийся биокомпьютер с конечным сроком годности, поведение которого можно предсказать с высокой точностью, если иметь достаточно данных о методах его обучения и фактического поведения в прошлом, разбитого по четким и рассчитываемым, размеченным блокам. Его и миллиардов таких, как он

Пример иллюстративный и переведен в формат, понятный человеку, машина все видит в разы проще — нулями и единицами, без всякой лирики