Книга Миры, которые я вижу. Любопытство, исследования и открытия на заре ИИ - Fei-Fei Li

В середине двадцатого века нейронаука стояла на пороге определения своих фундаментальных принципов - основы, на которой можно было бы строить истинное понимание, один слой за другим. Это была эпоха, не похожая на рассвет современной физики, когда первые намеки на фундаментальную природу физического мира - частицы и силы, которые будут служить строительными блоками для всего, что мы видим, - произвели революцию в нашем понимании природы.

Большой шаг вперед был сделан в 1943 году, когда исследователи Уоррен С. Маккалох и Уолтер Питтс опубликовали новое исследование фундаментальной единицы мозга - нейрона, которое упростило биологию до почти математической сущности. Ключом к их пониманию была абстракция; отбросив электрохимические причуды реального мозга, они свели нейрон к сравнительно простому обмену сигналами. Это был чисто транзакционный анализ - что входит, что выходит и как они соотносятся друг с другом, - и его последствия были очень глубокими. В отличие от любой другой части тела или любой другой известной на сегодняшний день природной структуры, мозг оказался уникально приспособлен для обработки информации.

В каком-то смысле это был нейронаучный эквивалент расщепления атома, выявивший фундаментальную закономерность, которая с удивительным постоянством повторяется во всем мозге: распределяя сложное поведение по большой сети простых элементов, связи между которыми могут меняться со временем, мы можем выполнять практически безграничные задачи, постоянно обучаясь новым, даже на поздних этапах жизни.

Сложность человеческого мозга превосходит сложность всего остального в известной нам Вселенной, но это почти не отражается на элегантности его конструкции. В отличие от того, что находится под капотом автомобиля или в мобильном телефоне , мозг не представляет собой сборку четко разграниченных компонентов - по крайней мере, не в той форме, которую любой человеческий дизайнер счел бы интуитивной. Вместо этого мы видим паутину из почти 100 миллиардов нейронов - крошечных, тонко сфокусированных единиц электрохимической передачи - соединяющихся друг с другом в огромные сети. И хотя поведение нейронов во всем мозге определяется схожими концепциями - по крайней мере, на уровне модели Маккаллоха и Питтса, - расположение и местоположение сетей, которые они образуют, может способствовать решению таких разнообразных задач, как зрение, слух, ходьба и даже абстрактное мышление. Более того, структура этих сетей почти полностью изучается или, по крайней мере, совершенствуется в течение длительного времени после первоначального формирования мозга в утробе матери. Именно поэтому, хотя наше серое вещество может казаться анатомически неразличимым, наши личности, навыки и воспоминания уникальны.

Имея на руках такую наглядную модель, было лишь вопросом времени, когда технологический прогресс подхватит любопытство исследовательского сообщества. Один из таких моментов наступил в 1958 году, когда исследователь психологии из Корнельской аэронавтической лаборатории Фрэнк Розенблатт разработал механический нейрон, который он назвал "перцептроном". Хотя его идеи были достаточно просты по своей концепции, Розенблатт реализовывал их в эпоху, которая все еще была в значительной степени доцифровой. Смешивая свои знания в области психологии с пониманием электротехники и машиностроения, он месяцами трудился над тем, чтобы превратить математическую модель в функциональное, реально работающее устройство.

Еще более дерзким был тот факт, что работа Розенблатта была не просто реализацией идей Маккаллоха и Питтса. В нее была включена дополнительная гипотеза гарвардского психолога Б. Ф. Скиннера, расширившая базовую модель нейрона представлением о том, что определенные сигналы имеют тенденцию оказывать большее влияние на его поведение, чем другие, аналогично тому, как у читателей новостей может развиться различный уровень доверия и скептицизма по отношению к публикациям, которые они читают. Если позволить этим воздействиям меняться со временем, усиливаясь или ослабевая в ответ на успех или неудачу в выполнении задачи, сеть нейронов может, по сути, обучаться.

Розенблатт применил этот принцип к массиву из четырехсот световых датчиков, расположенных в форме камеры размером 20 на 20 пикселей. Подключив выход каждого датчика к перцептрону, он смог научиться определять визуальные паттерны, например, фигуры, нарисованные на картонных карточках, которые он держал перед собой. Поскольку начальное влияние каждого датчика было задано случайным образом, попытки системы классифицировать увиденное также были случайными. В ответ на это Розенблатт, выступавший в роли учителя перцептрона, использовал переключатель, чтобы сообщить ему, когда его поведение было правильным или неправильным. Это позволило системе определить, какой вклад вносит каждый датчик в ее ответ, и соответственно усилить или ослабить его влияние. Повторяя этот процесс, перцептрон постепенно пришел к надежной способности отличать одну форму от другой.

Перцептрон Розенблатта был воспринят как значительный шаг на пути к воссозданию зачатков познания в машинах, и исследовательское сообщество с нетерпением ждало результатов его работы. Но воодушевление рассеялось, когда в глаза бросились ограничения перцептрона: исследователи усомнились в масштабах проблем, которые они могли решить даже теоретически, а технологии того времени ограничивали эксперименты лишь простейшими реализациями.

Интересно, что именно Марвин Мински, один из организаторов летнего проекта в Дартмуте, стал одним из самых запоминающихся критиков перцептрона, опубликовав в 1969 году книгу "Перцептроны", написанную в соавторстве с пионером компьютерных наук Сеймуром Пейпертом. Признавая элегантность перцептрона, книга в то же время была его критикой, сетуя на отсутствие строгой теории, лежащей в основе его конструкции, и перечисляя недостатки, которые, казалось, исключали возможность его использования во всех, кроме самых узких, областях. Хотя мало кто считал аргументы Мински последним словом в этом вопросе, а многие его современники предлагали опровержения, ущерб был нанесен. Перцептроны в частности и машинное обучение в целом будут обречены на прозябание в глубинке ИИ еще не одно десятилетие.

 

Общаться на кухне было практически невозможно. Шум был настолько сильным, что даже крики не были гарантированно зарегистрированы, и, хотя меня нанял менеджер, говорящий на мандаринском языке, повара, в основном беженцы, говорили только на кантонском, диалекте, который я не мог ни говорить, ни понимать. Будучи новичком, неуклюжим и склонным мешать, я забился в угол и попытался отвлечься от почти театрального хаоса: ревущих вентиляторов, шипящих котелков и всевозможных металлических краев, лязгающих и скребущих друг о друга. Открытое пламя озаряло всю комнату вспышками чистого оранжевого цвета, а струи воды рикошетили от кастрюль и сковородок.

С ворчливым "Эй!" и жестом в мою сторону повар торопливо положил передо мной выполненный заказ. Ну вот и все, подумала я. Работая так быстро, как только могла, я завернула коробки в сумку, положила салфетки, посуду, соответствующее количество печенья с предсказаниями и пакетиков соевого соуса, а затем завязала ручки узлом. Обхватив пакет обеими руками, я перевела дух и выскользнула из кухни в столовую. Мои торопливые шаги ускорялись, сначала постепенно, но потом волнение взяло верх, и я прибавила