Ларенто Марлес – Как понять искусственный интеллект и стать частью будущего (Часть 1) (страница 4)

Когда мы смотрим на структуру современной глубокой нейросети, мы видим тысячи, иногда миллионы и миллиарды таких нейронов, связанных триллионами связей, и эта сложность порождает новое качество, которое мы называем эмерджентностью. Отдельный нейрон глуп, он умеет только складывать числа и пропускать их через порог, но сеть в целом способна писать стихи, диагностировать рак, водить автомобиль и вести философские беседы. Это величайший урок, который преподает нам искусственный интеллект: целое больше суммы своих частей. В нашем мозге нет специального «нейрона бабушки», который хранит образ вашей бабушки; этот образ рассыпан по всей сети, он живет в конфигурации связей, в уникальном узоре возбуждения тысяч клеток. Точно так же и знания ChatGPT или другой языковой модели не лежат в какой-то базе данных, где можно найти файл «история Франции»; эти знания растворены в весах, в абстрактных многомерных пространствах, где понятия «король», «революция» и «гильотина» находятся близко друг к другу, связанные невидимыми нитями смысловой гравитации.

Изучая анатомию цифрового разума, мы неизбежно сталкиваемся с вопросом о природе памяти и забвения. В человеческом мозге память – это не видеозапись прошлого, а реконструкция; каждый раз, когда вы вспоминаете событие, вы фактически перезаписываете его, немного изменяя детали в угоду своему текущему состоянию. Мы забываем то, что перестает быть важным, наши синаптические связи ослабевают, если мы их не используем, и это благо, потому что забвение очищает пространство для нового. В нейросетях происходит похожий процесс, называемый «катастрофическим забыванием»: если учить сеть чему-то новому слишком агрессивно, она может переписать старые веса и забыть то, что знала раньше. Это ставит перед разработчиками (и перед нами, как людьми, стремящимися к саморазвитию) фундаментальную задачу баланса между пластичностью (способностью учиться новому) и стабильностью (способностью сохранять старое). Как сохранить свое «я», постоянно меняясь? Как впитать новые знания, не потеряв фундаментальные принципы? Это дилемма, которую решают и архитекторы нейросетей, добавляя механизмы внимания и долговременной памяти, и каждый из нас, проходя через кризисы взросления.

Мы также должны понимать, что цифровой нейрон, при всей его схожести с биологическим, лишен тела, и это создает фундаментальное различие в том, как мы и машины познаем мир. Наши «веса» формируются не только информацией, но и гормонами, болью, удовольствием, страхом смерти и жаждой размножения; наше мышление телесно, оно укоренено в физическом выживании. Искусственный нейрон существует в стерильном мире чистой математики, для него ошибка – это просто высокий показатель функции потерь, градиент, который нужно минимизировать, а не физическая боль или социальный стыд. Именно поэтому ИИ может быть таким пугающе логичным и таким чуждым нашей эмпатии; он оптимизирует метрику, а не ищет счастья или смысла. Но, возможно, именно в этом и заключается его ценность для нас – он предлагает взгляд наблюдателя, свободного от биологических императивов, взгляд чистого разума, способного заметить то, что мы игнорируем из-за своих страхов и желаний.

Когда вы смотрите на схему нейронной сети, на эти кружочки и стрелочки, соединяющие слои, вы видите карту, на которой начертаны маршруты мысли. В начале обучения эти маршруты случайны, как тропинки в лесу, по которым никто не ходил. Но по мере того как через сеть проходят терабайты данных, некоторые тропинки превращаются в широкие автострады, по которым сигнал летит мгновенно, а другие зарастают и исчезают. Это физическое воплощение опыта. У человека этот процесс называется нейропластичностью: то, на чем мы фокусируем внимание, то, что мы практикуем, физически меняет структуру нашего мозга, утолщая нейронные связи. «Нейроны, которые разряжаются вместе, связываются вместе» – это золотое правило Хебба работает и для живых, и для искусственных сетей. Это означает, что мы буквально создаем себя своими мыслями и действиями. Если вы каждый день жалуетесь, вы тренируете нейронную сеть своего мозга быть экспертом по поиску негатива, вы прокладываете широкую магистраль для сигналов недовольства, и со временем вам становится все легче и легче быть несчастным. Искусственный интеллект показывает нам это с беспощадной ясностью: на каких данных ты обучишь сеть, такой она и станет. Если кормить ее ненавистью, она станет хейтером; если кормить ее наукой, она станет ученым. Мы – архитекторы собственных нейронных сетей, и понимание принципов работы ИИ дает нам ключи к пульту управления собственным сознанием.

Таким образом, анатомия цифрового разума – это зеркало, в котором отражается анатомия разума человеческого, но отражается в очищенном, рафинированном виде. Искусственный нейрон, веса, слои, функции активации – все это не просто технические термины для программистов, это словарь нового языка, на котором мы можем описывать процессы познания, творчества и интуиции. Мы стоим на пороге эпохи, когда границы между биологическим и цифровым начнут стираться не в смысле киборгизации тел, а в смысле понимания принципов организации материи, способной мыслить. Понимание того, как простой перебор чисел может породить симфонию или стратегию игры в го, снимает с творчества налет мистики, но не лишает его величия; наоборот, это наполняет нас благоговением перед тем фактом, что мы, люди, являемся самыми сложными, самыми совершенными нейронными сетями во вселенной, способными не только обрабатывать информацию, но и чувствовать, любить и мечтать. И теперь, создав своего цифрового двойника, мы получаем шанс понять, как именно мы это делаем, и, возможно, научиться делать это лучше.

В следующих главах мы увидим, как эти базовые кирпичики – нейроны и слои – складывались в исторической перспективе, как от первых робких попыток создать перцептрон в середине прошлого века мы пришли к монструозным моделям трансформеров, меняющим мировую экономику. Но помните, что за каждым сложным алгоритмом, за каждым чат-ботом и системой распознавания лиц стоит всё тот же простой принцип: сигнал, вес, сумма, порог. Простота, порождающая сложность. Это закон природы, и это закон кода. И осознав это, вы перестанете смотреть на ИИ как на магию, а начнете видеть в нем красоту чистой логики, которая, как выяснилось, способна не только вычислять, но и творить.

Глава 2: От перфокарт до трансформеров

История, которую я собираюсь вам рассказать, не записана в учебниках по информатике сухими датами и фамилиями инженеров, потому что настоящая история искусственного интеллекта – это летопись человеческой одержимости, хроника разбитых надежд, интеллектуального высокомерия и того тихого, упрямого мужества, которое заставляет одиночек продолжать путь, когда весь мир кричит им, что они идут в тупик. Чтобы понять, почему сегодня, открывая ноутбук, вы можете беседовать с машиной о смысле жизни, нам нужно вернуться назад, в те времена, когда слово «компьютер» означало не устройство, а должность – живого человека, чаще всего женщину, сидящую в душной комнате и бесконечно выполняющую арифметические операции карандашом на бумаге. Мы часто забываем, что наше стремление создать искусственный разум родилось не от избытка технологий, а от невыносимой тяжести рутины и страстного желания освободить человеческий дух для чего-то большего, чем перемножение цифр.

В середине двадцатого века, когда мир еще не остыл от пожара великой войны, в умах нескольких визионеров зародилась дерзкая мысль: а что, если мышление – это не магия, дарованная богами, а просто очень сложный процесс обработки информации, который можно воспроизвести? Алан Тьюринг, человек с трагической судьбой и кристально чистым разумом, первым осмелился задать вопрос, который до сих пор звучит эхом в каждом дата-центре: «Могут ли машины мыслить?». Но тогда, в эпоху ламповых гигантов, занимавших целые спортивные залы и обладавших мощностью меньше, чем ваш электрический зубная щетка сегодня, этот вопрос казался не просто научным, а философским вызовом самой природе человека. Представьте себе атмосферу того времени: запах разогретой пыли на вакуумных лампах, шелест перфокарт – плотных кусочков картона с пробитыми отверстиями, которые были единственным языком общения с машиной. Каждая дырочка на этой карте была битом информации, физическим воплощением мысли, и программисты носили эти стопки карт как драгоценность, потому что одна ошибка, одна упавшая карта могла означать недели переделывания кода.

Пятидесятые годы были временем наивного, почти детского оптимизма, который сегодня вызывает у нас грустную улыбку. Ученые собрались в Дартмуте летом 1956 года и с полной уверенностью заявили, что проблема искусственного интеллекта будет решена за одно лето группой из десяти человек. Они верили, что стоит только описать машине все правила логики, все законы мира, и она проснется. Это было время «символьного ИИ», эпоха, когда мы пытались построить разум сверху вниз, создавая жесткие, хрупкие системы правил: «если идет дождь, возьми зонт», «если пациент кашляет, дай лекарство». Мы думали, что жизнь – это шахматная партия, где все ходы записаны, и если мы научим машину просчитывать варианты, мы получим интеллект. Как же мы ошибались. Мы столкнулись с тем, что называется «парадоксом Моравека»: то, что сложно для человека – высшая математика, логика, стратегия – оказалось невероятно легким для компьютера, а то, что для нас элементарно – узнать лицо матери, пройти по комнате, не наткнувшись на стул, понять интонацию сарказма – стало для машин непреодолимой стеной.