Когда-то один профессор Корнеллского университета спроектировал сеть датчиков размером с целую комнату, которая по сути представляла собой модель всего одного нейрона. Он считал, что по мере обучения и накопления информации сеть будет становиться умнее, и с тех пор процесс развития ИИ не останавливается.
Автор: Дженни Ротенберг Гритц
«Электронный Мозг Способен к Самообучению». Под таким заголовком 13 июля 1958 года в газете New York Times вышла статья о научном прорыве — Mark I Perceptron. Эта модель была создана в Университете Корнелла психологом Фрэнком Розенблаттом, которому за несколько дней до выхода газетной заметки исполнилось 30. Она представляла собой установку размером с комнату, состоящую из 400 оптических датчиков, которая могла распознавать и обрабатывать изображения. Конечно, идея, что машина может видеть, была революционной сама по себе, однако в интервью журналу Times Розенблатт поведал, что «по мере накопления информации система должна становиться умнее».
Perceptron стал первым шагом на пути к тому всеохватывающему искусственному интеллекту, который мы имеем сейчас, когда он подобно человеческому мозгу способен обучаться на собственном опыте. Как и многие научные открытия 1950-х годов, этот проект воспринимается не иначе как научная фантастика. «Когда о нем объявили в прессе, люди услышали: «Мозг можно создать своими руками. Он может делать все то же, что и человек.»» — рассказывает Килиан Вайнбергер, профессор информатики в Корнелле, который ведет семинары по машинному обучению. Но на тот момент знания о человеческом мозге были существенно ограничены. У ученых того времени не было возможности изучать живое, здоровое серое вещество, используя, к примеру, технологии магнитно-резонансной томографии. Вместо этого они опирались на косвенные методы — исследование мертвых тел и наблюдение за поведенческими нарушениями в результате повреждений головного мозга.
И вот начала развиваться теоретическая база. Ученые поняли, что новый опыт и новая информация укрепляют нейронные связи. После формирования этих новых связей информация обрабатывается уже по-другому. К примеру, если маленькому ребенку снова и снова говорить, что какой-то круглый объект это мяч, то он интуитивно начнет думать, что все другие круглые объекты тоже являются мячами.
По замыслу Розенблатта, его Perceptron должен был функционировать по этой же логике. Его аппарат принимал информацию из внешнего мира, обрабатывал ее и выдавал результат. Для повышения качества обработки информации и обучения системы исследователи использовали ответы да/нет. Есть черно-белые кадры середины 1960-х годов, которые наглядно демонстрируют процесс обучения. Ученый сидит перед гигантской машиной, «обучая» ее отличать мужчину от женщины. Он переключает слайды и оперирует двумя простыми рычажками «мужчина/женщина» и «верно/неверно». Когда аппарат, опираясь на прическу, определяет Джорджа Харрисона из Beatles как женщину, исследователь отмечает «неверно». Методом проб и ошибок система поймет, что у мужчин тоже бывают длинные волосы.
Сегодня этот пример кажется слегка нелепым, однако реально существенным ограничением было то, что вся система имитировала работу всего одного нейрона. «Учитывая, какая аппаратура была в их распоряжении в то время, даже этот результат весьма впечатляет,» — считает Вайнбергер. — «На это им потребовалась целая комната, под потолок заполненная оборудованием, и очень много времени работы.» И тем не менее, в обществе в конечном итоге поняли, что мощнее хваленого «электронного мозга» был даже мозг лабораторной мыши.
Розенблатт погиб в 1971 году в результате несчастного случая в возрасте 43 лет. Когда Дэвид Тэнк поступил в аспирантуру по физике в Корнелл в том же десятилетии, Perceptron и его создатель уже стали местными легендами. Тэнк помнит, как однажды, когда он поехал с друзьями за город, хозяин дома провел его в старый амбар и показал экспериментальный Perceptron, сконструированный в лаборатории Розенблатта: «У него были все эти провода и трубки. Он просто стоял там и собирал пыль.» Примерно в то же время Тэнк прочитал работу Розенблатта 1962 года Principles of Neurodynamics (Принципы нейродинамики). «По сути это было первое пособие по искусственным нейронным сетям, это очень вдохновляющая книга, своеобразная классика,» — говорит Тэнк, который впоследствии стал одним из ведущих специалистов в области искусственного интеллекта в Bell Labs и соучредителем Принстонского института нейробиологии.
Что же произошло в период между историей со стрижками битлов и новой эрой современного искусственного интеллекта? Годами казалось, что верх возьмут другие формы машинного интеллекта. Например, основанная на правилах логика для построения сложных блок-схем использовала индивидуально запрограммированные инструкции типа «если — то». И хотя машина могла выполнять эти команды, чтобы найти решение, она не была способна к обучению. Новый подъем искусственных нейронных сетей произошел в конце 1980-х, когда исследователи объединили усилия с американской почтовой службой для разработки системы распознавания почтовых индексов. В компании Bell Labs была создана команда под руководством одного из пионеров в сфере ИИ Яна ЛеКуна, которая успешно обучала машинные системы распознавать разные почерки. Вместо того, чтобы попытаться предсказать и разобрать все возможные варианты вывести петлю у восьмерки или поставить перекладину у семи, ЛеКун и его коллеги тренировали систему на основе большого количества примеров, пока она окончательно не разобралась в распознавании написанного от руки текста.
И все же, у искусственных нейронных сетей не было возможности развиваться дальше, пока у компьютеров не расширилась память и не увеличились вычислительные мощности. Значительное влияние оказали достижения в индустрии компьютерных игр — изобретение графических процессоров (GPU, graphics processing unit) — специальных схем, способных обрабатывать графические данные. Эти сети могли быстро и четко выполнять за раз тысячи операций, так что теперь машинное обучение действительно превратилось в реальность.
Разумеется, еще одним переломным моментом стало создание интернета. Теперь можно забыть об одиноком исследователе, который вручную переключает фотографии музыкантов с пышными прическами. Сейчас искусственный интеллект способен обрабатывать огромные массивы информации самостоятельно: от древних записей на санскрите и научных работ до колоссальных библиотек изображений и видео и колких обменов мнениями в Твиттере. На новом этапе ИИ имеет доступ к неизмеримо большим объемам данных об искусстве, науке, литературе и человеческой природе и выдает результаты в соответствии с этой информацией.
Когда Розенблатт в 1958 году объявил о своей модели Perceptron, он написал, что хочет «познать способность высших организмов к восприятию, логике, памяти и мышлению.» Его оригинальная машина Mark I, которая сейчас находится в коллекции Смитсоновского института, в конечном итоге является памятником суперкомпьютеру внутри человеческого мозга, его неуемному стремлению к расширению своих возможностей — может быть, к лучшему, а может быть, к худшему.
Оригинал: The Smithsonian Magazine
