Инновационная сложность
Шрифт:
Следующим шагом был (в смысле теста Тьюринга) суперкомпьютер Ватсон (Watson), который в игре вопрос-ответ «Рискуй! (Jeopardy) выигрывал против многих игроков-людей. Ватсон понимает даже естественный язык и в состоянии в итоге давать ответы быстрее и лучше, чем человек. В этом отношении при выполнении этого задания в смысле теста Тьюринга техническая система опять-таки лучше и умнее, чем человек. Но если посмотреть на события более внимательно, дело отнюдь не в том, что Ватсоном был найден новый, сверхинтеллигентный языковый алгоритм. Скорее эта программа параллельно условным образом использовала тысячи широко известных алгоритмов анализа
На примере Ватсона также демонстрируется, что семантическое понимание значений никоим образом не должно быть сопряжено с сознанием, что как раз характерно для человека. Первые практические применения – это смартфоны, с которыми мы можем вести простые диалоги. Эти способности также могут быть переданы роботам. Через интернет они могут быть снабжены огромными хранилищами данных как памятью, которая превосходит человеческую память [389] .
389
Mainzer К. Die Berechnung der Welt. Von der Weltformel zu Big Data. M"unchen: С. H. Beck, 2014.
Следующим шагом могут быть разработаны гибридные системы, которые, подобно человеческому мозгу, интегрируют различные способности. Так, понимание значений (семантика) у нас, людей, связана еще с созерцаниями, восприятиями и воспоминаниями. В этом нет абсолютной необходимости, как показывает Ватсон. Центральный пункт этого аргумента таков: частичные функции человеческого интеллекта для определенных целей уже технически реализованы в смысле теста Тьюринга. Соответствующие технические приборы превосходят даже от случая к случаю человеческие способности в этих областях.
И в этом нет нового: мы уже давно имеем машины, которые, например, превосходят нашу мускульную силу, нашу способность видеть и слышать. Почему бы нам не соединить эти способности в гибридных системах, как в ходе эволюции и возник человек посредством добавления, связывания и коррекции различных способностей. Вообще говоря, техника сегодня уже усиливает наши телесные и интеллектуальные способности – часто по-другому, чем это происходило в процессе эволюции: при этом для инженера, как правило, несущественно, работает ли его/ее система точно по образцу эволюции, причем он/она вполне могут быть вдохновлены природой. Для инженерных наук решающим является то, что в итоге проблема эффективно решена.
3.5 Эмоции и сложность
Эмоции важны для нас, людей, и для всех животных. Они служат спонтанной оценке ситуаций (страх, радость, отвращение и т. д.), которая гормонально через лимбическую систему мозга подготавливает тело к адекватному поведению, к примеру, в опасных или радостных ситуациях. На практике это приобретает тот смысл, что роботы для общения с людьми могут распознавать эмоции и чувствительно реагировать на людей. Это в корне отличается от промышленных роботов, которые могут только отрабатывать свою рабочую программу.
На этом примере видно, что отдельные когнитивные способности людей могут быть реализованы технически иначе через роботов, но иногда даже более эффективно, чем у людей. Распознавание
Теперь можно было бы представить себе технику, которая на первый взгляд не занимается распознаванием эмоций: сначала тепловизионная камера регистрирует различные образцы кровоснабжения, свойственные выражениям лица, которые затем различаются и классифицируются нейронной сетью. Робот, как предполагается, может при этом различить радость, печать, отвращение и т. д. Это была бы система, работу которой в смысле теста Тьюринга нельзя было бы отличить от поведения человека, но она как раз-таки функционировала бы иначе.
Традиционно проводят различие между слабым и сильным искусственным интеллектом: системы со слабым искусственным интеллектом только имитируют когнитивные или интеллектуальные способности, тогда как системы с сильным искусственным интеллектом обладают ими. При слабом искусственном интеллекте робот имитирует с помощью эмоционального выражения лица только одно эмоциональное состояние. Мог бы робот в смысле сильного искусственного интеллекта также и воспринимать эмоции?
Также и в этом отношении существуют предварительные проекты. В сложной системе нейронной сети уже на протяжении ряда лет пытаются смоделировать поведение маленьких детей [390] . Для этого эмоциональные прототипы можно представить как узлы в некой сети. На самом деле мы ведь не всегда либо радостно возбуждены, либо совершенно грустны, а находимся в некотором смешанном состоянии, в котором все эти прототипы соединены в различных степенях. При этом эмоциональные прототипы находятся во взаимодействии друг с другом, как узлы в сети, и в большей или меньшей степени возбуждены или подавлены. Когда я, например, получаю печальное сообщение, степень интенсивности моей радости спадает, а степень интенсивности грусти увеличивается.
390
Picard R. W. Affective Computing. Cambridge (MA): MIT Press, 1997.
Теперь можно составить уравнения, которые определяют интенсивность эмоциональных прототипов, например, радости, в определенный момент времени – в зависимости от взаимодействия с другими эмоциональными прототипами в этот момент времени, тормозящего или усиливающего. В дополнение к этому можно принять во внимание еще и другие влияния тела, такие, например, как гормональные воздействия, голод, жажда и т. п., и, поскольку это уравнение движения является зависимым от времени, также и состояние в предыдущий момент времени как определяющее для настоящего эмоционального состояния. Поскольку существуют различные эмоции, мы бы имели в итоге систему из многих уравнений, которые так сказать генерируют для каждого момента времени смешанное эмоциональное состояние системы.