Анатолий Гин: Борис, сегодня мы поговорим на две суперважные темы, которые обсуждаются общественностью.
Это только в примитивных книжках и комиксах любят изображать, что Ньютон сидел под деревом, яблоко его ударило по голове – и вот, пожалуйста, придумал второй закон Ньютона.
Любое крупное изобретение: паровой двигатель, лампочка, самолёт и так далее, – имеет протяжённую историю. До братьев Райт и одновременно с ними десятки людей уже работали с планерами, пытались делать самолёты….
Сейчас самое крупное изобретение, которое мы знаем, – это искусственный интеллект. В связи с этим у меня двойной вопрос. Первое: какие предтечи у искусственного интеллекта как такового? Второе: нейроморфный компаратор PANC™, наше изобретение, – какие у него предтечи, как мы до этой технологии дошли? Но сначала дай нам представление о том, что такое искусственный интеллект в нашем понимании.
Я хочу нашим слушателям сказать, что люди часто даже не догадываются, что во многих отраслях науки многие понятия абсолютно не определены. Например, в психологии не определено, что такое ум. То есть каждый, кто пишет какую-то статью, может написать: в этой статье я буду считать умом вот это и вот это, например. Но общепринятого определения нет! В машиностроении не определено слово «машина» до сих пор.
Что такое «искусственный интеллект» в нашем понимании? В твоём, прежде всего – я присоединяюсь. Слушаем тебя.
Борис Злотин: Ну, раз уж ты упомянул про определения: в своё время в споре греческих философов один из них попросил дать определение человека, на что второй ответил: «Двуногий и без перьев». На следующий день первый философ принёс общипанного петуха и сказал: «Вот человек». Второй дополнил тогда: «И с широкими ногтями».
Анатолий Гин: Это были Платон и Диоген – по мифологии. Это, скорее всего, чистый миф, но красивый. До сих пор так и нет хорошего определения, что такое человек…
Борис Злотин: Итак, понятия «интеллект» и «искусственный интеллект». Все, в общем-то, имеют общее представление, что такое интеллект – иногда этого вполне достаточно. А вот с искусственным интеллектом… куда интереснее и сложнее. Вот обычная программа для расчётов бухгалтерии – это интеллект или нет? Да, конечно, интеллект. А логарифмическая линейка – это был интеллект или нет? Счёты, абак – что это? А это – орудие интеллекта. Есть человеческий интеллект, и у него есть орудия.
И вот здесь интересно сегодняшнее понимание искусственного интеллекта. То, что сегодня называют искусственным интеллектом, больше всего мне напоминает великолепную песню гениального современного поэта и певца Тимура Шаова. «Мир увечен, мир непрочен, всё сменяют суррогаты: вместо кошки – тамагочи, вместо мужика – вибратор».
То, что сегодня называют искусственным интеллектом – типичный суррогат человеческого интеллекта: выполняет лишь некоторые функции и далеко не идеально. Выполняет их неестественным путём. По принципу Бармалея: «Нормальные герои всегда идут в обход». Когда мы занялись этим вопросом, мы использовали наши методы ТРИЗ и основательно изучили биологию и физиологию мозга.
Несколько сотен книг было просмотрено, из них я отобрал четыре, наиболее важных и интересных для понимания интеллекта.
В 1950 году Джеймс Гибсон показал очень важную вещь. Весь интеллект, все интеллектуальные операции, которые есть, вытекают из одной центральной, базовой операции – распознавания. Отличение пера от пуха, съедобной ягоды от несъедобной, мужчины от женщины…
А в 1979 году Ричард Грегори показал, как на самом деле шаг за шагом идёт восприятие, что приходит в наш глаз, что идёт дальше. Он не влезал в очень тонкие биологические детали. Он показал на обобщённом уровне. И это оказалось чрезвычайно важным для того, чтобы натолкнуть нас на идею сделать распознающий софтвер.
Давид Марр в 1982 году вышел на гениальную идею. Надо сказать, что она у нас была в ТРИЗ тоже. Мы это назвали технионикой – переносом идей из техники в биологию (в дополнение к бионике – переносу идей из биологии в технику). А Марр сказал: ребята, исследуй – не исследуй, мало что поймёшь, слишком сложно работает биологический организм.
Если непонятно, как это работает в биологии, надо изобрести, как это сделать средствами техники, а тогда уже можно и сравнить с биологическим аналогом. Сегодня этим путём очень успешно идёт блестящий американский биолог Майк Левин.
А в 1985 году вышла книга Вадима Давыдовича Глезера «Зрение и мышление». Он с блеском показал биологическую сторону мышления. У него совершенно гениальные опыты описаны. Так вот, главный вывод из этих и многих других книг и статей: человеческое мышление не имеет ничего общего с тем, что сегодня в нашей науке называют искусственным интеллектом, экспертными системами, искусственными нейронными сетями и лингвистическими моделями. Почему?
Все эти технологии требуют невероятного объёма вычислений. Обучение лингвистической модели GPT требует месяцев работы и расхода электроэнергии целых электростанций.
Анатолий Гин: Борис, я перебью на всякий случай. Речь сейчас идёт о предобучении, о базовом научении искусственных нейросетей. То есть, о предобучении лингвистической модели. В нашей голове тоже есть вычислительные средства. Они работают в миллион раз медленнее, чем в компьютере. Но мы обучаемся, предобучаемся за секунды, за минуты, а машинам нужны месяцы при их невероятной скорости вычисления. Это о чём говорит?
Борис Злотин: Антибиологичен сам вычислительный подход к распознаванию.
Два гениальных учёных – один биолог, другой математик – Макколах и Питтс, в 1943 году описали схему мышления как числовой фильтр. Вот на вход фильтра падает масса фактов (кусков информации), и несвязанные факты проходят фильтр и уходят, исчезают. А вот цепочки связанных фактов (паттерны, законы, закономерности и т. п.) остаются и становятся частью фильтра, настраивают этот фильтр по своему образу.
Простая аналогия: сито, в которое льётся вода с шариками. Шарики маленькие, через дырки проникают. А если шарики связаны верёвочкой по несколько шариков, то они не проникают, они зацепляются. Вот так строится числовой фильтр. Беда в том, что он требует гигантских вычислений. Никогда никому не удавалось такие фильтры наблюдать у человека или хотя бы у мыши, у бактерии. Нет их в биологии. Это означает, что в биологии какой-то другой подход к распознаванию.
Анатолий Гин: Борис, здесь очень важная деталь.
Дело в том, что в конце концов Макколах и Питтс, первые объяснившие работу мозга, решили доказать свою теорию.
Они провели блестящую серию экспериментов на глазах лягушки.
И выяснили, что мозг работает совсем не так, как они предполагали, что их модель неверна. И это прямо их очень болезненно ударило. Питтс, гениальный математик, сжёг все свои рукописи и спился, через несколько лет умер от цирроза печени. И почти одновременно умер Макколах. Это страшно даже: представляешь это разочарование людей? Ну вот, такова, к сожалению, жизнь.
Борис Злотин: Обучение нейронной сети – это настройка числового фильтра. И это требует гигантских объёмов вычислений. Мы поставили задачу – как обойтись без фильтров? И нашли способ, как это можно сделать.
Вот мы с тобой знакомы уже около 40 лет, и я тебя с первого взгляда узнаю. Даже в новой шапке и в очках, например. Или даже если тебя оса за щёку ужалит. В чём фокус? В том, что у меня в памяти есть множество портретов, и память умеет обобщать, делать единый портрет, по которому я тебя узнаю. Мы изобрели простой способ, как сделать, чтобы в памяти машины было множество портретов, и среди них можно было бы найти самые похожие на то, что мы хотим распознать (аналоги) и перенести с них информацию на то, что распознаём. И мы сделали софтвер, который именно так распознаёт и использует распознавание для выполнения множества других интеллектуальных функций.
Технологию, на которой создан софтвер, мы называем PANC™, или Progressive Association Neuromorphic Comparator. Нейроморфный компаратор. Компаратор значит «сравниватель», нейроморфный значит «работающий, как нервная система». Эта технология и есть наше главное достижение.
Технология уже вполне рабочая. Вот на иллюстрации результаты реального проекта. Что вот это за странные штучки, картиночки?
А это ядра делящейся клетки. PANC™ выявляет очень важные для генетиков детали.
А вот ещё парочка картинок. Это распознавание болезней лёгких по рентгенограммам.
А вот это – распознавание людей. Нам всё равно, что распознавать.
Главное, чтобы была библиотека, по которой можно искать, и компаратор. Главное свойство этого компаратора очень хитрое. Если бы мы сравнивали по одному: вот с этой картинкой, с этой, с этой, с этой – мы бы до следующего пришествия работу не окончили. Наш компаратор сразу сравнивает картинку хоть с тысячей, хоть с миллионами других картинок. Всё происходит параллельно, на тысячу сравнений затрачивается практически то же (очень малое) время, что и на одно. И, кстати, можно сразу сравнивать сто картинок с тысячами в библиотеке, или тысячи с тысячами. То есть, всё зависит только от количества ядер и мощности компьютера.
И теперь я вернусь к очень важной вещи. Вот эта речка нарисованная. Три речки сливаются и текут одним мощным могучим потоком. Стандартная картина для рек. А что здесь существенно?
Поток первый. Биология. Гибсон, Грегори, Марр, Глезер и другие биологи создали основы понимания мышления. Здесь есть очень интересный момент. Вот я что-то говорю. У меня нет заранее написанного текста. Я заранее не продумывал каждое слово. У меня в голове какая-то невербальная, несловесная модель ситуации. И я её трансформирую, транслирую в слова, слово за словом. Перевожу скрытые в подсознании мысли в вербальную форму.
При этом я могу одну и ту же мысль выразить множеством разных способов. Это значит, что каждый шаг мышления, каждое новое слово – результат творческого процесса построения текста и отбора лучшего варианта изложения. Пока искусственный интеллект не обучается творчеству, он ещё вообще не интеллект. Лингвистические машины уже способны на творчество. Только пока на очень плохонькое, низкоуровневое творчество методом проб и ошибок. И вот здесь вступает в силу важная вещь.
Поток второй. Творчество человека – результат кооперации иррационального подсознания с рациональным сознанием. Задача, требующая творческого решения, может возникнуть как на уровне подсознания, так и прийти из сознательного разума. Она превращается в подсознании в некоторую «ментальную модель», которая там же обрабатывается, так или иначе трансформируется и потом переходит в сознание в виде словесных или визуальных (у художника) или музыкальных (у музыканта) образов.
Эта обработка включает в себя два вида воздействия на модель:
- случайное её изменение методом проб и ошибок;
- закономерное изменение в направлении каких-то имеющихся в подсознании ментальных паттернов.
Что такое «ментальный паттерн»? Закон, закономерность, тренд, тенденция – нечто, управляющее мыслью. Ментальные паттерны тесно связаны с пониманием причинно-следственных связей.
У нас в голове эти паттерны формируются с детства. Ребёнок уронил игрушку – она разбилась. Он уронил свою бутылочку – она упала, он не может до неё дотянуться. Он сам упал – ушибся. И он уже знает, понимает на уровне подсознания, что, если нет опоры, то что-то падает, и это плохо. Вот это у него – паттерн, он его накладывает на то, что ещё не падало. Вот если чашка упадёт со стола – не надо, мама по попке нашлёпает… А со временем, научившись говорить, он скажет: «что с возу упало, то пропало». Это уже вербально выраженный паттерн.
Язык позволяет многие паттерны выразить словами, но всё равно вербализованные паттерны составляют лишь малую часть подсознательных. Потому что перевод подсознательных ощущений (предмыслей) в словесную форму очень непрост и требует серьёзного творчества. Все известные нам социальные и научные законы, правила поведения, технологии действий и тому подобное – вербальные паттерны.
Долгое время самой недоступной для вербализации областью человеческой деятельности было творчество. Только во второй половине XX века Генрих Альтшуллер сумел выявить и вербально выразить некоторые наиболее важные паттерны – законы и закономерности творчества. Он показал, как это можно строить – и использовать паттерны не методом проб и ошибок, а логически, сознательно, направленно.
И это намного подняло уровень изобретательства, дало возможность каждому человеку, даже не наделённому от природы большим талантом, изобретать. Искусственный интеллект должен уметь творить.
Поток третий. Компьютерные науки. Он связан с именем компьютерного гения Дугласа Энгельбарта. В этом году было 100 лет со дня его рождения. 9 декабря 1968 года в Сан-Франциско он сделал на большой конференции по компьютерам часовую презентацию. В американской литературе она называется «Мать всех презентаций», потому что он описал те компьютеры и веб-среду, в которой мы сейчас живём и работаем. Он описал свои изобретения – компьютерную мышь, графический интерфейс, которым мы все с вами пользуемся, гипертексты, текстовые редакторы, онлайн-конференции, «облако» и ещё много такого, без чего наше время немыслимо. В компьютерной литературе его роль как-то замалчивают, никому не хочется признавать, что «Эппл», «Майкрософт» и масса других компаний и авторитетов выросли на его идеях…
А ещё в 1962 году Энгельбарт опубликовал совершенно гениальный отчёт о развитии интеллекта. Он не оспаривал принципиальную возможность создать то, что сегодня называют «AGI» – Общий искусственный интеллект, вроде какого-то «супергения». Но он показал, что это неверный путь развития, что нужен не «божественный мыслитель», а Computer Augmented Intelligence – человеческий интеллект, дополненный компьютерными инструментами. Все программные продукты, экспертные системы, нейронные сети, лингвистические модели – это всё дополнения к человеческому интеллекту. Одни лучше, другие хуже.
Про Энгельбарта мы сами узнали где-то лет пять назад. А в 1989 году мы с Мастером ТРИЗ Аллой Зусман начали делать первые софтверы, основанные на ТРИЗ.
Важно:
- Обычный софтвер работает так: человек приказывает машине: «Посчитай мне вот это, это и это таким вот образом». И машина считает.
- У нас человек говорит машине: «Я хочу понять, придумать, изобрести вот это». Машина ему говорит: «Вот попробуй сделать это, потом сделать то, потом попробуй сделать еще вот это». Человек делает, появляются какие-то идеи, человек их записывает в машину, потом машина снова говорит: «Ещё сделай вот это и это» – и так далее. Организованный шаг за шагом путь к инновации.
От человеческого командования машиной мы перешли к гибридной системе, когда человек дискутирует с машиной. Смена лидерства: человек говорит машине, машина говорит человеку – происходит многократно. И за счёт этого находятся новые творческие решения. Это человеко-машинный гибрид. Ну и чтобы уже закончить с этой частью, я напомню очень простую вещь.
Нами недавно получен заказ. Мы работаем для компании, называть которую я не должен. Разрабатываем новую софтверную платформу для решения с помощью ИИ PANC™ бизнес-задач. Платформа должна понимать, чего хочет человек, помогать ему решать задачи, создавать и развивать бизнесы с помощью и с участием искусственного интеллекта. Думаем, что со временем эта платформа будет приспособлена и для решения задач в любых других областях – технике, науке, менеджменте, медицине, искусстве и т. п.
И это сегодня та реальность, над которой мы работаем. Вот, пожалуй, всё, что я могу сказать о сегодняшнем понимании искусственного интеллекта.
Анатолий Гин: Спасибо, Борис. Я предлагаю следующий наш диалог провести под лозунгом «Мечтать не вредно». Предположим, что вот эта концепция, изобретённая нами, уже внедрена, широко внедрена в мире. С ней уже познакомился Илон Маск, вложил туда не наши копейки, а миллиарды долларов, и она стала, так сказать, инструментом цивилизации. Каких результатов от этого можно ожидать?
Это будет наш следующий диалог. Спасибо всем!
