В мае этого года DeepMind, дочерняя компания технологического гиганта Alphabet, произвела фурор в Силиконовой долине, объявив о Gato, вероятно, самой многофункциональной из существующих моделей искусственного интеллекта. Представленный как «универсальный агент», Gato может выполнять более 600 различных задач. Он способен управлять роботом, подписывать изображения, идентифицировать объекты на картинках и многое другое. Это, пожалуй, самая продвинутая система искусственного интеллекта на планете, не специализированная на выполнении какой-то одной функции. И, по мнению некоторых экспертов в области вычислительной техники, она свидетельствует о том, что отрасль подошла к долгожданному и очень обсуждаемому рубежу – общему искусственному интеллекту (ОИИ).
В отличие от обычного общему искусственному интеллекту для изучения задачи не потребуется гигантских массивов данных. В то время как первый должен быть предварительно обучен или запрограммирован для решения определенного набора задач, второй может учиться с помощью интуиции и опыта.
Теоретически общий интеллект способен изучить всё, что может изучить человек, если ему предоставить такой же доступ к информации. Если вы поместите ОИИ на чип, а этот чип – в робота, робот может научиться играть в теннис так же, как мы с вами: размахивая ракеткой и получая представление об игре. Это не обязательно означает, что робот разумен или способен к познанию. У него может и не быть мыслей или эмоций, он просто очень хорошо учится выполнять новые задачи без помощи человека.
Для человечества это было бы крайне важно. Подумайте о том, чего вы могли бы достичь, имея машину с интеллектуальными способностями человека и преданностью собаки, – машину, которую можно приспособить для любых целей. Так выглядит перспектива общего интеллекта. Это андроид C-3PO из «Звездных войн», но без эмоций, мистер Дейта из «Звездного пути», но без любопытства, робот Рози из «Джетсонов», но без личности. В руках толковых разработчиков он мог бы воплотить идею искусственного интеллекта, ориентированного на человека.
Но насколько ближе стала мечта об общем искусственном интеллекте? И действительно ли Gato ведет нас к этому?
Для определенной группы ученых и разработчиков – назову их адептами культа Масштабирование-Превыше-Всего (Scaling-Uber-Alles), используя термин всемирно известного эксперта по искусственному интеллекту Гари Маркуса, – Gato и подобные системы, основанные на трансформерах (моделях глубокого обучения), уже являются планом создания ОИИ. Эти трансформеры, по сути, используют огромные базы данных и миллиарды или триллионы настраиваемых параметров для прогнозирования того, что будет новым звеном в последовательности.
Адепты Масштабирования-Превыше-Всего, среди которых такие известные специалисты, как Илья Суцкевер из OpenAI и Алекс Димакис из Техасского университета в Остине, считают, что трансформеры неизбежно приведут к ОИИ – осталось только их увеличить и ускорить. Как недавно написал Нандо де Фрейтас, член команды создателей Gato: «Теперь всё дело в масштабе! Игра окончена! Речь идет о том, чтобы сделать эти модели больше, надежнее, эффективнее с точки зрения вычислений, с более быстрой выборкой и более умной памятью…». Де Фрейтас и компания понимают, что им придется создавать новые алгоритмы и архитектуры для поддержки этого роста, но они, кажется, верят, что ОИИ возникнет сам по себе, если продолжать увеличивать размеры таких моделей, как Gato.
Назовите меня старомодным, но когда разработчик говорит мне, что его план состоит в ожидании, пока ОИИ волшебным образом появится из облака больших данных, как илистая рыба из первичного бульона, я склонен думать, что он пропускает несколько шагов. И, видимо, я не одинок. Множество экспертов и ученых, в том числе Маркус, утверждают: в грандиозных планах по превращению искусственного интеллекта, подобного Gato, в полноценные интеллектуальные машины не хватает чего-то фундаментального.
Недавно я изложил свои мысли в трех эссе для The Next Web, где работаю редактором. Если коротко, то ключевая предпосылка для ОИИ заключается в том, что он должен иметь возможность получать свои собственные данные. Но модели глубокого обучения, такие как трансформеры, – это чуть более, чем машины, предназначенные для того, чтобы делать выводы относительно уже предоставленных им баз данных. Они – библиотекари, и поэтому хороши настолько, насколько хороши их учебные библиотеки.
Общий интеллект теоретически может разобраться во всем, даже если у него будет крошечная база данных. Он интуитивно должен понять методологию выполнения задачи, основываясь только на своей способности выбирать, какая внешняя информация важна, а какая нет, подобно тому, как человек решает, на чем сосредоточить свое внимание.
Gato крут и не имеет аналогов. Но, по сути, это умный комплекс, который, возможно, создает иллюзию общего искусственного интеллекта благодаря мастерскому использованию больших данных. Например, его гигантская база, скорее всего, содержит наборы данных, основанные на всем контенте таких сайтов, как Reddit и Wikipedia. Поразительно, как людям удалось сделать так много с помощью простых алгоритмов, лишь заставив их анализировать больше информации.
На самом деле, Gato – настолько впечатляющий способ фальсификации общего интеллекта, что заставляет меня задуматься: не пошли ли мы не тем путем. Когда-то согласно тесту Тьюринга считалось, что многие из задач, на которые сегодня способен Gato, может выполнить только ОИИ. Но такое впечатление, что чем большего мы достигаем с помощью обычного искусственного интеллекта, тем сложнее становится задача создания общего интеллекта.
По этим причинам я скептически отношусь к тому, что глубокое обучение – единственный путь к ОИИ. Я считаю, что нам нужно нечто большее, чем просто увеличение баз данных и дополнительных параметров для настройки. Нам понадобится совершенно новый концептуальный подход к машинному обучению.
Я действительно думаю, что в итоге человечество преуспеет в создании общего искусственного интеллекта. Предполагаю, что мы постучим в эту дверь не позднее середины следующего века, и когда сделаем это, то выяснится, что всё выглядит совсем не так, как представляют себе ученые из DeepMind.
Но наука прекрасна тем, что вы должны доказывать свою работу, это DeepMind и делает прямо сейчас. И у компании есть все возможности продемонстрировать мне и другим скептикам, как мы ошибаемся.
Я искренне надеюсь, что это удастся.