Об интеллекте

Блэйксли Сандра

Возможность копирования.

Каждый новый органический мозг должен быть выращен и натренирован с нуля, этот процесс занимает десятилетия человеческой жизни. Каждый человек должен открыть для самого себя основы координации конечностей тела и групп мышц, удержания равновесия и движения, запомнить общие свойства многочисленных объектов, животных, других людей; названия вещей и структуру языка; правила семьи и общества. Когда эти основы усвоены, наступают годы и годы формального обучения. Каждый человек должен пройти в жизни один и тот же набор кривых обучения, необходимых для построения модели мира в кортексе, даже хотя они были пройдены бесчисленное количество раз другими людьми.

Интеллектуальным машинам нет необходимости проходить этот длинный путь обучения, поскольку чипы и другие устройства хранения могут быть скопированы многократно и содержимое может быть легко перенесено. В этом смысле интеллектуальные машины могли бы копироваться как программное обеспечение. Как только единичный прототип

системы был удовлетворительно настроен и натренирован, он мог бы быть скопирован многократно по нашему желанию. Могут уйти годы на разработку чипа, конфигурирование аппаратуры, тренировки, пробы и ошибки при совершенствовании системы памяти для умного автомобиля, но как только получен конечный продукт, можно начать его массовое производство. Как я уже упоминал ранее, мы могли бы выбрать, позволить копиям продолжать обучение или нет. Для некоторых приложений мы хотели бы ограничить интеллектуальные машины, чтоб они работали только протестированным и известным образом. Как только умная машина узнает все, что необходимо, мы не хотели бы, чтоб у нее развились вредные привычки или чтоб она поверила в ложные аналогии, которые ей показались бы. Мы ожидали бы, что все одинаковые машины вели бы себя одинаково. Но для других приложений, мы хотели бы, чтоб мозгоподобная система памяти сохраняла способность продолжать обучение. Например, интеллектуальная машина, разработанная для поиска математических доказательств, нуждалась бы в способности обучаться на опыте, применять старые догадки к новым проблемам, и была бы обобщенно гибкой и открытой.

Была бы необходима возможность совместного использования компонентов обучения, так же как это делается для программного обеспечения. Интеллектуальная машина конкретной разработки могла бы быть перепрограммирована с новым множеством соединений, ведущих к отличному поведению, как если бы я мог загрузить новый набор соединений в ваш мозг и изменить вас с англо-говорящего на франко-говорящего, или с профессора политических наук на музыковеда. Люди могли бы обменивать и строить работу других. Скажем, я разработал и натренировал машину с превосходной визуальной системой, а другой человек разработал и натренировал машину с превосходным слухом. При правильной разработке мы могли бы скомбинировать преимущества обеих систем без тренировки снизу вверх. Совместное использование жизненного опыта таким способом просто невозможно для людей. Направление разработки интеллектуальных машин могло бы эволюционировать тем же путем, что и компьютерная индустрия, с сообществами людей, тренирующих интеллектуальные машины на специализированные знания и способности, и людей, продающих и обменивающих результаты конфигурации памяти. Перепрограммирование интеллектуальной машины не отличалось бы от запуска новой видеоигры или инсталлирования нового программного обеспечения.

Сенсорные системы.

У людей есть набор чувств. Эти чувства замурованы глубоко в наших генах, в наших телах и в субкортикальных соединениях нашего мозга. Мы не можем изменить их. Иногда мы используем технологию, чтобы усилить наши чувства, такие как очки ночного видения, радары или космический телескоп Хаббл. Эти высокотехнологические инструменты являются хитрыми трюками преобразования данных, но не новой моделью восприятия. Они преобразуют информацию, которую мы не можем ощущать, в визуальную или слуховую, которую уже мы можем интерпретировать. Тем не менее, необходимо отдать должное изумительной гибкости нашего мозга, которая проявляется в том, что мы можем смотреть на экран радара и понимать то, что он представляет. Большинство видов животных демонстрируют различные чувства, такие как эхолокация у летучих мышей и дельфинов, способность пчел видеть поляризованный и ультрафиолетовый свет, способность чувствовать электрическое поле у некоторых рыб.

Интеллектуальные машины могли бы воспринимать мир через любые органы чувств, как существующие в природе, так и чисто разработанные человеком. Сонар, радар и инфракрасное зрение очевидные примеры нечеловеческих видов органов чувств, которые мы могли бы захотеть использовать в интеллектуальных машинах. Но это только начало.

Гораздо более интересным был бы способ, которым интеллектуальные машины воспринимали бы мир экзотических, чуждых чувств. Как мы видели, неокортикальный алгоритм фундаментально занимается поиском паттернов в мире. Для него нет предпочтения к физическим источникам этих паттернов. Пока информация, поступающая в кортекс, является неслучайной и имеет определенную статистическую структуру, интеллектуальная система будет формировать инвариантные воспоминания и предсказания на их основе. Нет причины, по которой эти паттерны обязаны быть аналогичными чувствам животных, или даже вообще приходить из реального мира. Я ожидаю, что именно в области экзотических органов чувств лежит революционное использование интеллектуальных машин.

Например, мы могли бы разработать сенсорную систему, которая охватывает весь земной шар. Вообразите метеорологические датчики, расположенные примерно через каждые пятьдесят миль по континенту. Эти сенсоры были бы аналогичны сенсорам сетчатки. В любой момент времени, два смежных сенсора погоды имели бы высокую корреляцию их активности, подобно двум смежным нейронам сетчатки. Есть большие метеорологические объекты, такие как шторма и фронты, которые движутся и изменяются во времени, точно также как движутся и изменяются во времени визуальные объекты. Приделывая такой

сенсорный массив к большой кортикальноподобной памяти, мы могли бы позволить системе научиться предсказывать погоду, точно так же, как мы учимся узнавать визуальные объекты и предсказывать, как они движутся во времени. Система видела бы локальные погодные паттерны, существующие часы, дни, годы. Размещая сенсоры поближе в некоторых регионах, мы могли бы создать некоторое подобие фовеа, позволяя интеллектуальному погодному мозгу понимать и предсказывать микроклимат. Наш погодный мозг понимал бы и думал бы о глобальной погодной системе так же, как я и вы понимаем и думаем об объектах и людях. Метеорологи сегодня занимаются чем то похожим. Они собирают записи с различных распределенных датчиков и используют суперкомпьютеры для моделирования климата и прогноза погоды. Но этот подход, который фундаментально отличается от того, как работали бы интеллектуальные машины, сродни тому как компьютер играет в шахматы — тупо и без понимания — тогда как интеллектуальная погодная машина сродни человеку, играющему в шахматы — вдумчиво и с пониманием. Интеллектуальная погодная машина открыла бы паттерны, которые недоступны человеку. Только в 1960 году был открыт погодный феномен, известный как El Niсo. Погодный мозг мог бы найти гораздо больше паттернов, подобных El Niсo, или обучиться тому, как предсказывать торнадо или муссоны гораздо лучше, чем человек. Располагая огромное количество погодных данных в форме, которая недоступна для понимания человеком, наш погодный мозг ощущал бы и думал о погоде непосредственно.

Другая сильно распределенная система сенсоров могла бы позволить нам построить интеллектуальную машину, понимающую и предсказывающую миграцию животных, демографические изменения, распространение болезней. Вообразите, что у нас есть сенсоры, распределенные по сетям линий электропередачи. Интеллектуальная машина, присоединенная к этим сенсорам наблюдала бы спады и потоки электропотребления таким же образом, как мы видим потоки дорожного движения, или движение людей в аэропорту. Через постоянное наблюдение этого человек обучается предсказывать эти паттерны — просто спросите об этом служащих, ездящих на транспорте или службу безопасности аэропорта. Аналогично интеллектуальный монитор сети электропередачи был бы способен лучше чем человек предсказывать потребности в электроэнергии, предсказывать ситуации, ведущие к перегрузке. Мы могли бы комбинировать сенсоры для погоды и человеческой демографии для того, чтобы предвидеть политические волнения, стихийные бедствия или вспышки болезней. Подобно очень умному дипломату, интеллектуальные машины могли бы играть роль в сокращении конфликтов и человеческих страданий. Вы могли бы подумать, что интеллектуальной машине нужны были бы эмоции, чтобы предсказывать паттерны, связанные с человеческим поведением, но я так не думаю. Мы не родились с набором культурных, религиозных ценностей; мы обучились им. И точно также, как я могу научиться понимать мотивацию людей с ценностями, отличными от моих, интеллектуальная машина могла бы постичь человеческие мотивации и эмоции, даже если сама по себе машина не имеет эмоций.

Мы могли бы изучать структуру бытия. Теоретически возможно сделать сенсоры, которые могли бы представлять паттерны в клетках или больших молекулах. Например, важная проблема сегодня — это понять, как форма молекулы белка может быть предсказана из последовательности аминокислот, составляющих этот белок. Умея предсказывать процесс свертывания и взаимодействия белков ускорило бы развитие медицины и вылечило бы многие болезни. Инженеры и ученые создают трехмерные визуальные модели белков, пытаясь предсказать, как поведут себя эти сложные молекулы. Но это слишком сложно. С другой стороны, супер интеллектуальная машина с набором сенсоров, специально подобранных для этой задачи, могла бы ответить на такие вопросы. Если это кажется слишком неестественным, вспомните, что мы не удивились бы, если человек смог бы решить эту проблему. Наша неспособность ухватить всю суть может быть базируется, в основном, на несоответствии между человеческими органами чувств и физическим феноменом, который мы хотим понять. Интеллектуальные машины могли бы иметь различные органы чувств и память, больше чем у человека, позволяющие им решать те проблемы, которые мы не можем решить.

С правильным набором чувств и слегка реструктурированной кортикальной памятью интеллектуальные машины могли бы жить и размышлять в виртуальных мирах, используемых в математике и физике. Например, большинство попыток в математике и науке требуют понимания того, как ведут себя объекты в мире, в котором больше чем три измерения. Теория струн, которая изучает структуру самого пространства, представляет Вселенную, как имеющую десять или более измерений. Для людей представляет большую сложность думать о математических проблемах в четырех или более измерений. Возможно интеллектуальная машина соответствующего дизайна могла бы понять многомерные пространства таким же образом, как мы понимаем трехмерные пространства, и, следовательно, была бы экспертом в предсказании того, как они себя поведут.

В конце концов мы могли бы использовать связку интеллектуальных машин в большой иерархии, точно так же как наш кортекс объединяет слух, осязание и зрение в высокоуровневую иерархию. Такая система автоматически училась бы моделировать и предсказывать мыслительные паттерны в популяции интеллектуальных машин. С распределенными системами передачи данных, такие как Интернет, отдельные интеллектуальные машины могли бы быть распределены по земному шару. Большая иерархия изучала бы более глубокие паттерны и видеть более сложные аналогии.