Повесть грядущих лет - Цзян Бо Страница 3

В сущности, шахматные ходы Deep Blue, пусть и «хорошо продуманные», представляли собой всего лишь повторение ходов, некогда сделанных людьми. Число степеней свободы в шахматах ограничено. Хотя гроссмейстер может подстроиться под ситуацию и придумать ход, которого никогда раньше не делал, велика вероятность, что тот уже появлялся в истории – люди не способны учесть все когда-либо сыгранные партии. Компьютерные программы могут запомнить гораздо больше человека, что позволяет им найти оптимальное решение любой шахматной задачи. Подобная «грубая машинная сила» производит глубокое впечатление, так как, несмотря ни на что, люди проигрывают даже ей. Но поскольку машина выполняет инструкции, ее логика на самом деле остается человеческой и представляет собой не более чем совокупность мышления множества людей. Интеллект автомата может стать очень сложным, например, если тысячи инженеров потратят год на формирование огромной и самосогласованной логической библиотеки, однако этот метод программирования основан на простой повторяющейся функции – выполнении инструкции. Никаких сюрпризов он не преподносит, а если и преподнесет, то это будет баг. Стратегию Deep Blue можно разгадать. Например, посадим за шахматную доску игрока-программиста, который будет пошагово следовать тем же инструкциям. Будь у него достаточно времени, он смог бы понять, как Deep Blue делает ход. Интеллект, полученный с помощью запрограммированных инструкций, по сути является повторением человеческого интеллекта. Такая машина может стать очень мощной, может показаться умной, но не создаст ничего по-настоящему творческого, а будет лишь следовать указаниям и воспроизводить то, что уже существовало ранее. Так обстоит дело с Deep Blue.

AlphaGo отличается тем, что использует алгоритмы нейронной сети. Звучит волшебно, но проще говоря, это означает, что компьютер может выполнять вычисления, как человеческий мозг. В этом и состоит фундаментальное отличие от алгоритмов программирования: в алгоритмы нейронных сетей заложены только правила логической эволюции, а не сама логика. Что это значит? Все программы, написанные на разных языках, представляют собой логические инструкции. Нейронные сети также действуют по определенной логике, но их логическая библиотека не проявляется, она не выражена в виде набора инструкций, а заложена в самой структуре сети, возникшей в процессе эволюционного развития. Таким образом, хранение и оперирование данными осуществляются самой сетью. Разница в логических возможностях двух сетей отражается в их внутренней структуре. Алгоритмы нейронных сетей основаны на моделировании биологического мозга. В мозгу нет запоминающего устройства или центрального процессора. Он сильно отличается от компьютеров, которые мы используем сейчас, и фундаментальные концепции его организации совершенно другие. Стандартные компьютеры имеют архитектуру фон Неймана: она состоит из памяти, контроллера и арифметического блока, а также устройств ввода и вывода. Хранение данных, управление системой и вычисления происходят согласно установленной логике.

Это линейный процесс, и выполнение каждого шага должно следовать за выполнением предыдущего. Современные компьютеры используют программное или аппаратное обеспечение для создания многопоточных операций, но это делается только для того, чтобы разделить вычисления на подзадачи для повышения эффективности. Внутри каждой небольшой задачи по-прежнему соблюдаются основные принципы, разработанные фон Нейманом. Однако человеческий мозг представляет собой параллельную логическую систему высшего порядка, и у него нет определенного центра. Если какой-либо блок компьютера будет поврежден, весь компьютер перестанет функционировать. Но для человеческого мозга его отдельная клетка не представляет большого значения, и ее повреждение практически не влияет на вычислительную мощность всего мозга. Компьютеры являются цифровыми. Если не учитывать резервное копирование, каждая единица памяти хранит уникальные данные. А компьютер человеческого мозга статистический, и информация существует только в мозге в целом, а не записана в его определенной клетке.

Проиллюстрировать, как представлена информация, существующая в целом, мы можем на примере голограммы. Даже если та повреждена, до тех пор, пока хоть одна ее часть остается в своем первоначальном виде, изображение не будет потеряно. Более простой аналогией будет принцип формирования изображения выпуклыми линзами. Свет проходит через такую линзу, и на листе бумаги появляется перевернутое действительное изображение. Если закрыть половину линзы непрозрачным предметом, изображение не исчезнет наполовину, а станет более тусклым.

Если человеческую память сравнить с перевернутым действительным изображением, а выпуклую линзу – с человеческим мозгом, связь между памятью и мозгом станет ясна с первого взгляда. Память – это общая функция мозга, и она не выйдет из строя из-за его частичного повреждения.

Конечно, человеческий мозг имеет много функциональных областей, и повреждение некоторых из них может привести к потере определенных способностей. Это вызвано тем, что в мозге происходит «разделение труда». Если продолжить описание в оптических терминах, то наш мозг состоит из множества выпуклых линз. Они показывают различные сцены из внешнего мира, которые вместе образуют всеобъемлющую память. Как получается, что частично поврежденная нейронная сеть может оставаться пригодной для обработки конкретных ситуаций? Ответ кроется в важном понятии: обучении.

Перекрыв часть линзы, мы не заставим исчезнуть определенную часть изображения, но, если убрать всю линзу, изображение, конечно, исчезнет целиком.

Клетки нашего мозга умирают каждый день во всех его отделах, но мозг по-прежнему функционирует. Только когда наступает старение и разрушается слишком много клеток, «изображение» постепенно размывается. Для человека это нормально. Если часть мозга повреждается в результате несчастного случая, то функция, связанная с этой частью, также утрачивается.

Алгоритм нейронной сети имитирует биологический мозг и выполняет запоминание и операции по всему своему объему. Правда, нельзя сказать, что он работает как биологическая нейронная сеть, потому что секреты мозга еще не полностью разгаданы и остаются неизвестны аспекты совместной работы нейронов.

Но, если исходить из практики нейросетевых алгоритмов, у нас уже есть результаты, подобные AlphaGo. Таким образом, мы можем по крайней мере предположить, что этот алгоритм, даже грубая симуляция мозга, способен адаптироваться к конкретным ситуациям.

Что такое обучение? Неужели в нем кроется проблема? Мы учимся непрерывно с самого детства. Обучение – это социальное поведение, но в области искусственного интеллекта оно приобретает несколько иное значение. При машинном обучении эксперты стремятся обозначить входные данные и желаемый результат так, чтобы нейронная сеть могла развиться в определенном направлении и сформировать специальную структуру, работающую с проблемами определенного типа. Этот процесс аналогичен изменениям в нейронных сетях живых организмов под влиянием обучения.

Как AlphaGo изучает го – вопрос слишком узкоспециальный, и мы не будем останавливаться на нем подробно. Но об одном факте упомянуть необходимо: то, как эта программа играет в го, фундаментально отличается от того, как играют люди. Другими словами, в рамках ограничений правил го она нашла новый способ играть, и он гораздо эффективнее человеческого. Страшно то, что люди не могут понять ее стратегию. Причина этого, вероятно, кроется в