Ларенто Марлес – Как понять искусственный интеллект и стать частью будущего (Часть 1) (страница 3)

Мы часто думаем о компьютерах как о холодных, логичных машинах, оперирующих нулями и единицами, но современный искусственный интеллект, особенно нейронные сети, устроен совершенно иначе – он подражает самой структуре живой мысли. В основе всего лежит искусственный нейрон, математическая абстракция, призванная скопировать работу вашего живого нейрона, и хотя эта модель далека от биологического оригинала по сложности, она удивительно точно воспроизводит принцип принятия решений. Давайте представим искусственный нейрон не как строчку кода, а как крошечного, но очень ответственного клерка, сидящего в огромном офисе, чья единственная задача – получить информацию от коллег, оценить её важность и решить, стоит ли передавать этот сигнал дальше, на следующий этаж этой корпорации разума. В биологии нейрон имеет дендриты – входные каналы, по которым он собирает информацию от соседей, тело клетки, где эта информация суммируется, и аксон – выходной кабель, по которому сигнал уходит к другим клеткам, если накопленный заряд превысил определенный порог. В искусственном интеллекте мы видим ту же структуру: у нас есть входы, есть веса, есть сумматор и есть функция активации, и за этими сухими терминами скрывается вся драма человеческого выбора.

Поговорим о «весах», потому что это, пожалуй, самое важное и психологически глубокое понятие в анатомии как цифрового, так и человеческого разума. Представьте, что вы решаете, пойти ли сегодня вечером на вечеринку, и это решение – результат работы вашей внутренней нейронной сети, где каждый фактор имеет свой «вес», свою значимость для вас лично в данный момент времени. Один входной сигнал – это «наличие усталости», и если вы очень устали, ваш мозг присваивает этому сигналу огромный отрицательный вес, который гасит желание идти; другой сигнал – «там будет человек, который мне нравится», и этому фактору присваивается колоссальный положительный вес, способный перевесить и усталость, и плохую погоду, и необходимость рано вставать завтра. Вес в нейросети – это мера важности связи, это сила убеждения, это, если хотите, эмоциональная окраска факта. Когда нейросеть обучается, она не запоминает данные, как жесткий диск, она занимается тем же, чем занимаетесь вы всю свою жизнь – она настраивает свои веса, учится понимать, что важно, а что нет, что имеет значение для достижения цели, а что является просто белым шумом.

Вспомните, как вы учились водить машину или кататься на велосипеде: поначалу каждый сигнал казался важным, вы реагировали на каждую кочку, на каждый звук мотора, ваш мозг был перегружен, потому что веса ваших нейронов еще не были откалиброваны. Вы придавали слишком большое значение незначительным деталям и пропускали действительно важные вещи, вроде знаков приоритета, но с опытом, через пробы и ошибки, через стресс и маленькие победы, ваша биологическая сеть перестроила свои связи. Теперь вы ведете машину автоматически, не задумываясь, потому что «веса» настроились идеально: вы игнорируете мелькание деревьев за окном (нулевой вес), но мгновенно реагируете на вспышку стоп-сигналов впереди идущей машины (максимальный вес). Искусственный интеллект проходит абсолютно такой же путь, который мы называем обучением: в начале своего пути нейросеть похожа на новорожденного ребенка, ее связи хаотичны, веса расставлены случайным образом, и она выдает полную бессмыслицу. Но мы показываем ей примеры, мы даем ей обратную связь, мы «наказываем» ее за ошибки (математически корректируя веса) и «поощряем» за правильные ответы, и постепенно, итерация за итерацией, этот цифровой хаос превращается в упорядоченную структуру, способную видеть закономерности, недоступные человеку.

Но одного нейрона недостаточно, так же как одного человека недостаточно для постройки цивилизации; сила нейросетей, как и сила человеческого общества, заключается в слоях и иерархии. Современные архитектуры называют «глубоким обучением» именно потому, что они состоят из множества слоев нейронов, расположенных друг за другом, подобно тому, как в нашей психике есть поверхностные мысли и глубокие, подсознательные убеждения. Первый слой – входной – это наши органы чувств, это «глаза» и «уши» нейросети, которые просто фиксируют сырые данные: пиксели изображения, звуковые волны, буквы текста. Эти нейроны не «понимают», что они видят, они просто передают сигнал дальше, на скрытые слои, и именно там, в глубине, происходит настоящая магия трансформации информации в смысл. Это похоже на то, как мы воспринимаем искусство: сначала вы видите просто мазки краски (входной слой), затем вы различаете формы и фигуры (первые скрытые слои), потом вы узнаете сюжет и образы (средние слои), и, наконец, на самом глубоком уровне вы чувствуете эмоцию, замысел художника, тот невыразимый катарсис, который заставляет вас замереть.

В искусственной нейросети каждый последующий слой собирает информацию от предыдущего и усложняет ее, собирает из простых элементов сложные концепции: из линий собираются углы, из углов – геометрические фигуры, из фигур – глаза и носы, а из них – лица конкретных людей. Это удивительно напоминает пирамиду потребностей Маслоу или структуру нашего мышления, где мы идем от простых фактов к сложным обобщениям и абстракциям. Проблема, с которой мы часто сталкиваемся в жизни и в психологии, заключается в том, что мы не всегда имеем доступ к этим «скрытым слоям» собственного мозга; мы часто не знаем, почему мы поступили так, а не иначе, почему определенный запах вызывает у нас грусть, а определенный тон голоса – агрессию. Это работа скрытых слоев нашей биологической нейросети, где сформировались связи, о которых наше сознание (выходной слой) даже не подозревает. Ирония заключается в том, что в глубоком обучении мы сталкиваемся с той же проблемой «черного ящика»: мы знаем, что вошло в нейросеть, и видим, что вышло, но миллиарды микроскопических решений, принятых внутри скрытых слоев, остаются загадкой даже для создателей алгоритма.

Ключевым элементом, который превращает простую математику в подобие жизни, является так называемая «функция активации» – это тот самый механизм, который решает, стоит ли пропускать сигнал дальше. В биологии нейрон накапливает заряд, и если этот заряд недостаточен, он молчит, сигнал умирает, не дойдя до сознания; но если порог преодолен, происходит резкий скачок, «спайк», и информация летит дальше. Без этого механизма фильтрации наш мозг превратился бы в бесконечный шум, мы бы сошли с ума от переизбытка сенсорной информации, ощущая каждое прикосновение одежды к телу, каждый фоновый звук, каждую незначительную мысль. Функция активации – это привратник, это строгий редактор, который отсекает все лишнее, оставляя только суть, и в искусственных нейросетях мы используем математические функции (например, ReLU или сигмоиду), чтобы имитировать эту нелинейность. Это принцип «всё или ничего», принцип решимости, который знаком каждому, кто хоть раз стоял перед трудным выбором: вы колеблетесь, аргументы «за» и «против» копятся, напряжение растет, и вдруг – щелчок! – решение принято, вы делаете шаг, вы говорите «да» или «нет», и обратного пути нет.

Именно функция активации придает мышлению (и машинному, и человеческому) ту самую гибкость и способность к сложным суждениям, она позволяет нам не просто линейно реагировать на стимулы, но и моделировать сложные границы решений. Представьте, что вы выбираете спутника жизни: это не линейный процесс, где «чем богаче, тем лучше» или «чем красивее, тем лучше», это сложнейшая нелинейная функция, где наличие одного качества (например, жестокости) может обнулить все остальные достоинства (богатство, красоту, ум), превращая общий итог в ноль. Функция активации в нейросети делает именно это: она может заблокировать мощный сигнал, если он не соответствует определенным условиям, или, наоборот, усилить слабый, но критически важный сигнал. Это математическое воплощение наших принципов, наших табу и наших предпочтений, механизм, который позволяет отделять зерна от плевел в океане информации.

Но есть еще один компонент, без которого анатомия разума была бы неполной, – это «смещение» или «bias». В математической формуле нейрона это просто дополнительное число, которое прибавляется к сумме весов, но в психологическом смысле это наши предубеждения, наши базовые установки, та призма, через которую мы смотрим на мир еще до того, как получили какую-либо информацию. У каждого из нас есть свой bias: кто-то по умолчанию доверяет людям (положительное смещение), и ему нужно много доказательств обмана, чтобы изменить мнение, а кто-то изначально подозрителен (отрицательное смещение), и ему требуются веские доказательства честности, чтобы открыться. В нейросети bias позволяет сдвигать функцию активации, позволяя нейрону срабатывать легче или тяжелее в зависимости от задачи. Это напоминает нам о том, что объективности не существует ни в биологическом, ни в цифровом мире; любая система, обрабатывающая информацию, имеет точку отсчета, имеет предрасположенность, заложенную либо эволюцией и воспитанием (в случае человека), либо обучающей выборкой и архитектором (в случае ИИ). Понимание этого факта делает нас более смиренными и внимательными к собственным суждениям: когда вы делаете вывод, спросите себя, основан ли он на реальных «весах» фактов или на «смещении» ваших предубеждений.