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 Niño. Погодный мозг мог бы найти гораздо больше паттернов, подобных El Niño, 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.

Цель этих размышлений показать, что есть множество способов, которыми мозгоподобные машины могли бы опередить наши способности. Они могли бы думать и учиться в миллион раз быстрее, чем можем мы, помнить огромное количество детальной информации или видеть невероятно абстрактные паттерны. У них могли бы быть более чувствительные сенсоры, чем у нас, или более распределенные сенсоры, или сенсоры для очень микроскопических феноменов. Они могли бы думать в трех, четырех или большем количестве измерений. Ни одна из этих интересных возможностей не зависит от того, что интеллектуальные машины подражают или действуют подобно людям, и они не требуют сложной робототехники.

Теперь мы можем полностью увидеть, как Тест Тьюринга сравнивая интеллект с человеческим поведением, ограничил наше видение возможного. Поняв в первую очередь, что такое интеллект, мы можем построить интеллектуальные машины, которые будут гораздо более ценны, чем простое копирование человеческого поведения. Интеллектуальные машины будут поразительным инструментом и сильно расширят наши знания о Вселенной.

* * *

К огда сбудется что-либо из этого? Построим мы интеллектуальные машины через пятьдесят лет, через двадцать или через пять? В мире высоких технологий есть высказывание, что изменения идут дольше, чем вы ожидаете в краткосрочной перспективе, но возникают быстрее, чем вы ожидаете в долгосрочной перспективе. Я видел это много раз. Кто-то выскакивает на конференции, объявляет новую технологию и заявляет, что она будет в каждом доме через четыре года. Оказывается, что он ошибался. Четыре года превращаются в восемь, и люди начинают думать, что это никогда не произойдет. Спустя некоторое время, когда всем кажется, что идея совсем умерла, она начинает возрождаться и становится большой сенсацией. Что-то подобное должно произойти с интеллектуальными машинами. Поначалу прогресс кажется медленным, но потом начинает быстро набирать обороты.

На конференциях нейроученых мне нравится обходить зал и просить каждого высказать свое мнение о том, когда у нас будет работающая теория кортекса. Некоторые люди – меньше 5 процентов – говорят «никогда» или «у нас она уже есть» (неожиданный ответ). Другие 5 процентов говорят «через 10 лет». Половина оставшихся говорят от 10 до 50 лет, или «в течение моей жизни». Оставшиеся говорят от 50 до 200 лет, или «уже после моей жизни». Я на стороне оптимистов. Мы в течение десятилетий жили в «медленном» периоде, так что многим людям кажется, что прогресс в теоретической нейронауке и интеллектуальных машинах окончательно застрял. Опираясь на прогресс последних 50 лет естественно предположить, что мы никогда не приблизимся к ответу. Но я верю, что мы на поворотной точке и прогресс тронется с места.

Возможно ускорить будущее, чтобы приблизить поворотную точку. Одна из целей этой книги убедить вас, что при наличии корректных теоретических основ мы можем добиться ускоренного прогресса в понимании кортекса – что с моделью «память-предсказание» в качестве руководства мы можем дешифровать детали того, как работает мозг и наше мышление. Это знание, необходимое для построения интеллектуальных машин. Если это верная модель, прогресс может вскоре продолжиться.

Так что хотя я не могу точно предсказать, когда эра интеллектуальных машин станет реальность, я думаю, что если достаточное количество людей возьмутся за решение проблемы сегодня, мы сможем создать полезный прототип и эмулятор кортекса всего за несколько лет. В течение десяти лет, я надеюсь, интеллектуальные машины станут одной из самых горячих областей технологии и науки. Я не хочу уточнять, потому что я знаю, как легко недооценить время, требуемое для того, чтоб произошло что-то важное. Так почему же я столь оптимистичен в оценке скорости прогресса в понимании мозга и построении интеллектуальных машин? Моя вера коренится в основном на том, что я потратил уже довольно много времени на работу по проблеме интеллекта. Когда я впервые увлекся изучением мозга, я почувствовал, что решение этой головоломки может наступить при моей жизни. В течение многих лет я тщательно наблюдал спад ИИ, восхождение и падение нейронных сетей, и Декаду Мозга в 90-х годах. Я видел, как эволюционировали отношение к теоретической биологии и в особенности теоретической нейронауке. Я видел, как идеи предсказания, иерархического представления и время вползали в лексикон нейронауки. Я видел прогресс в моем собственном понимании и понимании у моих коллег. Я загорелся ролью предсказания 18 лет назад и с тех пор несколькими способами проверял ее. Поскольку я был погружен в нейронауку и компьютерную область свыше двух десятилетий, возможно мой мозг построил высокоуровневую модель того, как возникают технологические и научные изменения, и что модель предсказывает быстрый прогресс. Сейчас поворотный момент.

Эпилог

Астроном Карл Саган любил говорить, что понимание чего-либо не уменьшает его интересность и загадочность. Множество людей боятся, что научное понимание повлечет за собой компромисс с удивительностью, как если бы знание высасывало бы вкус и цвет жизни. Но Саган был прав. Истина в том, что с пониманием мы обретаем больше комфорта в нашей роли во вселенной и одновременно вселенная становится более полноцветной и загадочной. Быть крошечным пятном в бесконечном космосе, живым, сознательным, интеллектуальным и творческим – это более интересно, чем жить на плоской ограниченной Земле в центре маленькой вселенной. Понимание того, как работает наш мозг не уменьшает интересности и загадочности вселенной, нашей жизни, нашего будущего. Наше изумление станет только глубже по мере применения этих знаний к пониманию самих себя, построению интеллектуальных машин и затем овладевания новыми знаниями.

Следовательно поиск понимания мозга и построение интеллектуальных машин это достойная попытка и логически следующий шаг для человечества.

Этой книгой я надеюсь соблазнить молодых инженеров и ученых к изучению кортекса, к принятию модели «память-предсказание» и построению интеллектуальных машин. С ее высоты искусственный интеллект был большим продвижением. У него были журналы, образовательные программы, книги, бизнес-планы и предприниматели. Нейронные сети аналогично создали огромное возбуждение, как область, возникшая в 80-х. Но научные основы, лежащие в ИИ и нейронных сетях не годились для построения интеллектуальных машин.

Я убежден, что сейчас у нас есть более многообещающий путь. Если вы учитесь в колледже или высшей школе, и эта книга сподвигла работать над этой технологией – построить первые действительно интеллектуальные машины, помочь этой индустрии стартовать – я поддерживаю вас в этом устремлении. Сделайте это реальностью. Один из ключевых моментов предпринимательского успеха в том, что вы должны безрассудно уйти с головой в новую область прежде чем станет ясно, что успех вам обеспечен на 100 процентов. Очень важно правильно выбрать время. Если вы начнете слишком рано, вам придется бороться. Если вы дождетесь, пока нерешительность уйдет – будет слишком поздно. Я верю, что сейчас самое время начать разрабатывать и строить кортикоподобные системы памяти. Эта область будет черезвычайно важна и для науки и для коммерции. Intel и Microsoft новой индустрии, построенные на иерархической памяти, начнут свою деятельность где-то в течение ближайших десяти лет. Предпринять попытку на этом этапе может быть финансово рискованно или интеллектуально требовательно, но цена попытки всегда такова. Я надеюсь, что вы присоединитесь ко мне вместе с остальными, кто принял вызов чтобы создать одну из величайших технологий, которые когда-либо видел мир.

Дата добавления: 2015-08-18