Теперь мы подошли к разговору о том, какие аспекты мозгоподобных систем памяти значительно превзойдут биологический мозг. Я вижу четыре потенциальных свойства, которые могут превзойти человеческие способности. Это быстрота, емкость, реплицируемость и сенсорные системы.
   Быстрота
   Быстродействие нейронов измеряется в миллисекундах, а кремний функционирует со скоростью наносекунд, причем постоянно возрастающей. Различия скорости быстродействия органического и кремниевого разума – на шесть порядков! – будут иметь большие последствия. Разумные машины смогут мыслить в миллион раз быстрее, чем человеческий мозг. Такой разум сможет прочесть целую библиотеку книг или изучить большую и очень сложную базу данных – задача, для выполнения которой любому из нас понадобились бы годы, – за несколько минут, причем понимание прочитанного не пострадает. В этом нет никакой магии. Биологический мозг развивался в условиях двух временных ограничений: пределов скорости действия нервных клеток и скорости изменений внешнего мира. Какой резон биологическому мозгу ускорять мышление в миллионы раз, если окружающая человека среда изначально инертна?! Однако в самом алгоритме коры головного мозга не заложено ничего такого, что тормозило бы его быстродействие. Если бы разумная машина взаимодействовала с человеком, ей пришлось бы снизить свое быстродействие и работать с «человеческой» скоростью. Если бы ей пришлось читать книгу и переворачивать при этом страницу за страницей, тоже существовало бы ограничение скорости чтения. Но вот если бы разумная машина взаимодействовала с электронным миром, она бы работала гораздо быстрее. Две разумные машины общались бы друг с другом в миллион раз быстрее, чем двое людей. Представьте себе прогресс разумной машины, которая решает математические задачи или реализует научные идеи в миллионы раз быстрее, чем человек. За десять секунд она добьется более впечатляющих результатов, чем вы – за месяц. Не знающий усталости и скуки, искусственный разум, работающий со скоростью света, явно может найти очень полезное применение, такое, о котором мы еще даже не подозреваем.
   Емкость
   Несмотря на впечатляющую емкость человеческой коры головного мозга, разумные машины смогут ее намного превзойти. Размер нашего мозга ограничивается несколькими биологическими факторами, среди них – соотношение размера черепа ребенка и диаметр таза матери, большие метаболистические затраты на поддержание мозга (мозг составляет порядка 2% веса тела и при этом потребляет 20% вдыхаемого кислорода), низкое быстродействие нейронов. С другой стороны, мы можем создавать разумные системы памяти любых размеров, заложив свою задумку в отдельные атрибуты дизайна. Возможно, несколько десятилетий спустя емкость человеческого мозга будет нам казаться очень скромной.
   Предскажу несколько способов увеличения емкости памяти будущих разумных машин. Во-первых, сделав иерархическую систему памяти более глубокой, мы добьемся более глубокого понимания – умения распознавать сигналы высокого порядка. Увеличение емкости отдельных зон поможет разумной машине запоминать больше подробностей, проявлять более высокую точность восприятия (подобно тому, как незрячий человек обладает повышенной осязательной и слуховой чувствительностью). Добавление новых ощущений и сенсорной иерархии позволит устройству создавать более качественные модели внешнего мира. К этому мы еще вернемся ниже.
   Возникает закономерный вопрос: существует ли предел того, как далеко может зайти разумная система памяти и в каких измерениях? Предположительно, на какой-то стадии устройство станет слишком громоздким, чтобы быть по-настоящему полезным, или оно начнет давать сбои, приблизившись к своему теоретическому пределу. Возможно, человеческий мозг уже приблизился к своему максимальному теоретическому размеру, хотя я считаю это маловероятным. Человеческий мозг увеличился относительно недавно в ходе эволюции, и ничто не наводит на мысль о том, что мы вышли на стабильный максимальный уровень. Каким бы ни был лимит емкости разумной системы памяти, человеческий мозг почти наверняка до него и близко не дотягивает.
   Еще один способ понять, каким образом могли бы быть полезны разумные системы памяти, – проанализировать пределы человеческих возможностей. Эйнштейн, вне всякого сомнения, был очень умен, но его мозг был всего лишь мозгом. Можно предположить, что его выдающийся ум был последствием физических отличий его мозга от типичного. Эйнштейн был уникален потому, что человечество нечасто рождает гениев. А создавая мозг из кремния, мы можем воплотить в жизнь что угодно. Кремниевый мозг может располагать таким же уровнем интеллекта, как и Эйнштейн, или даже превзойти его. С другой стороны, лучше познать возможные измерения разума нам помогут умственно отсталые люди, проявляющие фотографическую память или способности осуществлять в уме сложные математические вычисления. Совершенно нетипичный мозг таких индивидов, несмотря ни на что, является мозгом, неокортекс которого работает по тому же алгоритму. Если нетипичный мозг обладает невероятными способностями к запоминанию, то теоретически мы можем добавить эти способности нашему искусственному мозгу. Подобные экстремальные проявления человеческих умственных способностей не только показывают, что можно было бы воссоздать, но и указывают направления, в которых мы могли бы превзойти наилучшие проявления работы человеческого мозга.
   Реплицируемость
   Каждый новый органический мозг растет и обучается на протяжении десятилетий человеческой жизни. Каждый человек на собственном опыте познает основы координации конечностей и мышечных групп, осваивает азы и передвижения, изучает общие свойства множества объектов окружающей среды, животных, других людей, названия предметов и структур речи, семейные и общественные правила. Как только основа заложена, начинаются годы формального обучения. Каждый человек в течении своей жизни проходит множество кругов обучения. Несмотря на то что путь этот несметное количество раз повторялся другими людьми, модель мира в коре головного мозга каждого из нас создается в индивидуальном порядке.
   Разумным машинам нет необходимости проходить подобную спиралевидную кривую обучения, поскольку чипы и другие единицы хранения информации можно реплицировать бесконечно, а сохраненные данные – копировать. В этом отношении разумные машины подлежат такой же репликации, как и программное обеспечение. Как только прототип системы достаточно обучен, его можно скопировать столько раз, сколько нам потребуется. Процессы разработки дизайна, настройки системного обеспечения, обучения, испытания и выявления ошибок с тем, чтобы усовершенствовать систему памяти умной машины, могут длиться годами. Но, как только мы получим конечный продукт, его можно будет запускать в массовое производство. Как я уже отмечал, мы сможем обеспечить возможность последующего обучения для копий или обойтись без таковой. Для некоторых приложений мы захотим ограничить возможности с тем, чтобы разумные машины работали известным и испытанным нами способом. Как только «умный» автомобиль усвоит все, что ему положено «знать», мы примем меры, чтобы у него не образовались плохие привычки или не закрепились самостоятельно найденные ложные аналогии. Мы захотим, чтобы все машины подобного строения вели себя одинаково. Но вот для других приложений может оказаться целесообразной возможность постоянного обучения мозгоподобных систем памяти. Например, разумной машине, созданной для того, чтобы искать математические доказательства, понадобится способность обучаться на основе опыта, применять старые решения для новых проблем, ей желательно быть универсально гибкой и открытой.
   Возможным станет общее использование компонентов, как сейчас общедоступны программные продукты. Разумная машина определенного дизайна может быть перепрограммирована набором новых связей с тем, чтобы генерировать новое поведение (вот, например, если бы я смог загрузить новый набор связей в ваш мозг, моментально превратив вас из человека, разговаривающего на английском, в человека, знающего только французский, или из профессора политологии в музыковеда). Люди получили бы возможность «переключаться» и осуществлять новые наработки на основе чужого опыта. Допустим, что я разработал и внедрил в жизнь суперсистему зрительного восприятия, а другой человек разработал и обучил систему с превосходными способностями слухового восприятия. При надлежащем дизайне мы смогли бы объединить обе системы без необходимости повторного обучения с самого начала. Такого рода объединение экспертных знаний не представляется возможным для человека – у каждого из нас свой путь. Бизнес создания разумных машин смог бы развиваться по аналогии с компьютерной индустрией, в таком случае перепрограммирование разумных машин не слишком отличалось бы от разработок новых версий видеоигр или инсталляции новой программы.

Сенсорные системы

   Люди познают мир посредством органов чувств. Ощущения, которые мы испытываем, обусловлены генами, строением наших тел и соединениями под корой головного мозга. Мы не можем изменить их. Иногда мы используем технологические достижения, позволяющие сделать наши ощущения более острыми. Например, приборы ночного видения, радары и космические телескопы представляют собой устройства, оптимизирующие передачу данных, но не обеспечивающие нам новых способов восприятия. Они конвертируют информацию, недоступную для нас в ее первозданном виде, в визуальные или звуковые сигналы, поддающиеся нашему восприятию. И все равно, в том, что мы можем взглянуть на экран радара и идентифицировать изображение, заслуга невероятной гибкости нашего мозга.
   Многие виды животных обладают поразительными ощущениями, совершенно несвойственными человеку. В качестве примеров можно привести эхолокатор у дельфинов и летающих мышей, способность пчел видеть поляризованное и ультрафиолетовое излучения, восприятие электрического поля некоторыми видами рыб.
   Разумные машины смогли бы воспринимать мир посредством всех видов ощущений, существующих в природе, а также изобретенных человеком. Данные об окружающей среде, получаемые с помощью гидролокатора, радара и приборов ультрафиолетового видения, являются очевидными примерами несвойственных человеку ощущений, которые мы, возможно, хотели бы воссоздать в разумной машине. И это всего лишь начало.
   Намного более интересными являются способы восприятия, которые нам неизвестны и чужды. Как мы уже выяснили, алгоритм коры головного мозга в первую очередь сосредоточен на поиске сигналов внешнего мира. У него нет никаких приоритетов относительно физических истоков этих сигналов. Если входные сигналы не носят произвольный характер и обладают определенным богатством, а также статистической структурой, разумная машина будет формировать систему воспоминаний о них и прогнозы на их основе. Не существует причин, по которым входные сигналы должны иметь аналогию с физическими ощущениями или вообще иметь что-либо общее с реальным миром. Я полагаю, что именно в сфере экзотических ощущений скрыты перспективы революционного применения разумных машин.
   Например, вообразите сенсорную систему, покрывающую планету. Представьте себе сенсоры, расположенные на расстоянии каждых пятидесяти миль по всем континентам. Эти сенсоры имитировали бы клетки сетчатки глаза. Каждое мгновение два смежных сенсора погоды имели бы высокую корреляцию активности, подобно высокой корреляции двух смежных клеток сетчатки. Существуют крупные погодные явления – например, штормы и фронтальные циклоны, – которые передвигаются в пространстве и меняются со временем точно так же, как и все объекты, которые меняются и перемещаются. Привязав этот сенсорный ряд к системе памяти, работающей по принципу коры головного мозга, мы бы обучили указанную систему прогнозировать погоду, подобно тому, как люди учатся распознавать объекты окружающей среды и прогнозировать траекторию их передвижения. Такая система предсказывала бы погодные условия на ближайшее время, а также формировала бы долгосрочные метеопрогнозы. Разместив сенсоры рядом друг с другом в какой-то области, мы бы создали своеобразный эквивалент ямки глаза, которая позволяла бы нашей системе понимать и прогнозировать микроклимат. Наш «погодный мозг» размышлял и понимал бы глобальные погодные системы точно так же, как мы с вами понимаем объекты и людей. Метеорологи пытаются создать нечто подобное в наши дни. На основе данных, собранных в разных частях Земли, используя сверхмощные компьютеры, ученые симулируют текущие погодные условия и прогнозируют будущие. Однако данный подход фундаментально отличается от принципов работы разумных машин. Он больше сродни компьютеру, играющему в шахматы, а разумная система, сконструированная по принципам работы неокортекса, скорее, напоминает человека, играющего в шахматы. Она делает это вдумчиво и с пониманием. Разумная машина-"синоптик" учла бы те сигналы, которых человек распознать не может. Она смогла бы распознать множество новых погодных феноменов (скажем, такое погодное явление, как ураганы Эль-Ниньйо было открыто лишь в шестидесятых годах XX века). Она бы прогнозировала появление торнадо и муссонов намного точнее, чем человек. Человеку не под силу сохранять в памяти и анализировать множество метеоданных искусственный интеллект компьютера-"синоптика", напротив, был бы способен ощущать и воспринимать погодные условия непосредственно.
   Другие распространенные большие сенсорные системы могли бы дать нам возможность создать разумные машины, понимающие и прогнозирующие миграцию животных, демографические изменения и распространение инфекционных болезней. Представьте себе сенсоры, размещенные в сети электрического тока некой страны. Разумная машина, присоединенная к этим сенсорам, наблюдала бы за спадами и подъемами потребления электроэнергии точно так же, как мы с вами наблюдаем большее или меньшее количество транспортных средств на трассе или потоки передвижения пассажиров в аэропорту. Посредством повторных наблюдений люди учатся прогнозировать подобные сигналы. (Можете спросить у тех, кто каждый день ездит на работу на автомобиле или охранника в аэропорту.) Точно так же наша разумная система сможет прогнозировать повышенное напряжение или опасные ситуации, которые могут вызвать сбои в подаче электричества, лучше, чем человек. Мы могли бы сочетать погодные и демографические сенсоры, чтобы спрогнозировать вспышки политического недовольства, голода или болезней. Подобно гениальному дипломату, разумные машины могли бы сглаживать конфликты и уменьшать человеческие страдания. Вы можете подумать: для того чтобы предвидеть сигналы, включающие человеческое поведение, разумным машинам непременно нужны эмоции. Я так не считаю. Мы не рождены с заданной культурой, заданными ценностями и заданной религией, мы приобрели их в процессе жизненного опыта, иными словами – обучились им. Точно так же, как я могу изучить мотивацию людей с ценностями, отличающимися от моих, разумные машины могут понять человеческие мотивы и эмоции, сами таковыми не обладая.
   Мы могли бы создать сверхтонкие ощущения. Теоретически возможно иметь сенсоры, регистрирующие сигналы клеток или больших молекул. Например, перед нынешними биологами стоит серьезная задача – разобраться, как можно спрогнозировать форму молекулы протеина, зная последовательность аминокислот, формирующих протеин. Способность прогнозировать расщепление и взаимодействие протеинов ускорила бы развитие медицины и разработку многих лекарственных препаратов. Инженеры и ученые создали трехмерные визуальные модели протеинов с тем, чтобы прогнозировать, как эти сложные молекулы будут себя вести. Но, как бы мы ни старались, на сегодняшний день эта задача слишком сложна. С другой стороны, машина, обладающая суперинтеллектом и набором ощущений, специально настроенных на данную проблему, могла бы ответить на поставленный вопрос. Быть может, эта идея представляется вам чересчур надуманной, но ведь нас бы не удивило, если бы человек смог решить такую проблему. Возможно, наша неспособность разрешить проблему связана в первую очередь с несоответствием масштабов человеческих ощущений и изучаемого физического явления. Разумные же машины смогут обладать выборочными ощущениями и памятью большей емкости, чем человеческая, которая позволит им решать задачи, людям неподвластные.
   При наличии соответствующих ощущений и небольшом структурном изменении памяти коры головного мозга разумные машины будущего смогли бы жить и мыслить в виртуальном мире математики и физики. Многие математические проблемы, например, касаются поведения объектов в мире с более, чем тремя измерениями. Ученые, изучающие природу пространства, размышляют о Вселенной как сущности, имеющей десять и более измерений. Но даже с восприятием четырехмерного пространства у людей возникают немалые трудности. Возможно, разумная машина с соответствующими функциями сможет понять многомерные пространства, как вы и я понимаем трехмерное, и сможет спрогнозировать поведение находящихся в них объектов.
   И наконец, мы смогли бы объединить несколько разумных систем в большую иерархию, подобно тому, как наша кора сочетает осязание, слуховое и зрительное восприятия в высших областях иерархии коры головного мозга. Такая система автоматически научилась бы моделировать и прогнозировать сигналы в популяциях разумных машин. С помощью средств коммуникации, таких как Интернет, разумные машины могли бы объединиться в сеть, охватывающую весь Земной шар. Большие иерархии способны регистрировать более глубокие сигналы и более сложные аналогии.
   Цель изложенных мной размышлений состоит в том, чтобы показать, что существует очень много сфер, в которых мозгоподобные машины могли бы намного превзойти наши способности. Они смогли бы мыслить и обучатся в миллионы раз быстрее, чем мы с вами, запоминать огромные массивы подробной информации и улавливать практически сигналы. Они могут обладать ощущениями более чувствительными, чем наши, или ощущениями для восприятия очень специфических феноменов. Они без труда могут размышлять в терминах многомерных пространств. Ни одно из перечисленных любопытных свойств не зависит от внешнего сходства разумных машин с человеком, и эти машины также не требуют сложной робототехники.
   Теперь, я надеюсь, вы понимаете, насколько тест Тьюринга, в котором между интеллектом и человеческим поведением ставился знак равенства, ограничил наше видение потенциальных возможностей разумных машин. Глубоко познав интеллект, мы сможем создавать разумные машины, которые будут представлять намного большую ценность, чем простое воспроизведение человеческого поведения. Наши разумные машины станут отличным инструментом, позволяющим значительно обогатить наши познания о Вселенной, наши способности и опыт.
* * * * *
   Как много воды утечет прежде, чем мы достигнем такого уровня? Создадим ли мы по-настоящему разумные машины через пятьдесят, двадцать или пять лет? В мире высоких технологий любят повторять: кратковременные изменения длятся дольше, чем это предполагалось, а долгосрочные перемены происходят намного быстрее, чем прогнозировалось. Я много раз убеждался в справедливости этого высказывания. Кто-то поднимется во время конференции и скажет, что новая технология появится в каждом доме уже через четыре года. А потом окажется, что он ошибся. Четыре года проходят, восемь лет, все начинают думать, что этого уже никогда не произойдет. И вот как раз в тот момент, когда кажется, что сама идея зашла в тупик, она вдруг оживает и становится величайшей сенсацией. Скорее всего, что-то подобное произойдет и с индустрией разумных машин. Сначала прогресс будет малозаметным, но затем резко пойдет в гору.
   На конференциях по нейробиологии я люблю задавать присутствующим вопрос: «Как вы думаете, сколько еще времени пройдет до тех пор, пока у нас появится рабочая теория коры головного мозга?» Некоторые слушатели (порядка 5%) отвечают: никогда, или она уже существует (интересный вариант ответа, учитывая профессию, благодаря которой они зарабатывают на жизнь). Еще примерно 5% считают, что понадобится порядка пяти-десяти лет. Половина оставшихся считает, что ждать остается от десяти до пятидесяти лет или отвечают: «Еще при нашей жизни». Остальные утверждают, что речь идет о пятидесяти-двухстах годах (или «не при нашей жизни»). Лично я оптимист. Мы долгие годы находились «в фазе затишья», поэтому многим кажется, что прогресс в теоретической нейробиологии и разработке разумных машин зашел в полный тупик. Если строить выводы на основе последних тридцати лет, то вполне естественно считать, что мы не очень близки ответу. Но я полагаю, что как раз сейчас мы находимся в поворотном пункте, и вскоре наша область знаний начнет развиваться стремительными темпами.
   Можно приблизить момент, которого мы так ждем. Одна из целей данной книги – убедить вас в том, что при наличии соответствующих теоретических рамок мы сможем значительно продвинуться вперед в понимании коры головного мозга. Другими словами, при помощи запоминающе-прогностических рамок мы сможем разгадать особенности работы мозга и мышления. Эти знания нужны нам для создания разумных машин. Если мы попадем в точку, модель окажется корректной, и прогресс будет происходить очень быстро.
   Я и не берусь давать точный прогноз, когда наступит эра разумных машин, тем не менее я полагаю, что если достаточно много людей посвятят себя решению этой проблемы сегодня, то, возможно, мы сможем создать полезные прототипы и симуляции коры головного мозга в пределах ближайших нескольких лет. Через десять лет, как я надеюсь, разумные машины станут одной из наиболее «горячих» тем в области науки и технологии. Мне не хотелось бы составлять более подробные прогнозы, поскольку я знаю, как трудно оценить время, требующееся для важных открытий. Так почему же я столь оптимистически настроен относительно теории мозга и создания разумных машин? Моя уверенность во многом обусловлена количеством времени, потраченным мною на изучение работы разума. Когда в 1979 году я впервые всерьез заинтересовался мозгом, я почувствовал, что эта головоломка может быть разгадана еще при моей жизни. Годами я наблюдал за неуклонным спадом в сфере разработки искусственного интеллекта, подъемами и падениями в области создания нейронных сетей, а также был свидетелем «Десятилетия мозга» в 1990-х годах. Я видел, как менялось отношение к теоретической биологии в целом и нейробиологии в частности. Я был свидетелем того, как понятия прогноза, иерархических представлений и фактора времени прочно укоренились в арсенале нейробиологов. Я отмечал изменения в своем понимании проблемы искусственного интеллекта и наблюдал соответствующие перемены у своих коллег. Гипотеза о роли прогнозирования в работе мозга увлекла меня еще восемнадцать лет назад, и с тех пор я постоянно проверял ее. Поскольку я был поглощен нейробиологией и сферой компьютерных наук на протяжении более двух десятилетий, возможно, мой мозг создал модель высшего порядка, которая описывает, как происходят технологические и научные изменения, и эта модель прогнозирует быстрые темпы развития. Как раз сейчас наступил поворотный момент.

Эпилог

   Очень многие ученые исключают для себя возможность восхищения собственными открытиями, полагая, что этому помешает прагматичный ум и научное понимание проблемы. Но известный астроном Карл Саган как-то отметил, что понимание не умаляет изумления, вызванного открытием, как познание не лишает жизнь полноты красок, звуков, света. Я соглашаюсь с Саганом. Углубляя свои познания, осваивая свои роли, мы более комфортно чувствуем себя во Вселенной, а мир, в свою очередь, обретает еще больше красок и загадочности. Быть маленькой, но живой, разумной и творческой искоркой в бесконечном космосе намного интереснее, чем обитать на плоской ограниченной Земле в центре своего крошечного мирка. Понимание работы человеческого мозга нисколько не умаляет загадочности и гармоничности устройства мироздания, поразительной полноты нашей жизни, захватывающих дух перспектив будущего человечества. Нашему изумлению не будет предела, когда сможем применять эти знания на практике – не только для создания разумных машин, но и для понимания самих себя, и для углубления собственных знаний.
   Заканчивая эту книгу, я выражаю надежду на то, что она привлекла внимание кибернетиков и представителей других направлений научного мира к коре головного мозга, что они смогут применить на практике предложенные теоретические рамки и создать разумные машины. В свое время идея искусственного интеллекта была очень популярной – ей посвящались многочисленные публикации в журналах и книги, на ее основе составлялись бизнес-планы и в соответствии с ней координировались усилия предпринимателей. Открывались соответствующие научные кафедры и исследовательские институты. Точно так же и нейронные сети привлекли большое внимание, когда пребывали в зените своей славы в восьмидесятых годах XX столетия. Однако научные рамки, используемые в попытках разработки искусственного интеллекта и нейронных сетей, оказались непригодными для создания по-настоящему разумных машин.