Лев Наумов – Муза и алгоритм. Создают ли нейросети настоящее искусство? (страница 4)
В центре нашего разговора будут искусственные нейронные сети – математические модели, созданные для имитации определённых аспектов работы человеческого мозга при решении определённого вида задач. Они состоят из большого количества искусственных нейронов, связанных между собой искусственными синапсами. В остальном же всё происходит, как в биологическом прототипе: нейроны обрабатывают поступившую к ним через входные синапсы информацию, выполняют над ней различные функции, такие как распознавание образов, классификация или прогнозирование, а потом через выходные синапсы направляют результат далее. Нейросеть можно представить себе как систему взаимосвязанных ячеек, на каждую из которых возложены определённые вычисления.
Как правило, нейрон имеет множество неравноправных синапсов – среди них есть более и менее предпочтительные[7]. Каждой связи сопоставлен “вес”. Таким образом, “траектория” данных по сети становится вероятностным процессом, словно судьба игрока в казино. Для того чтобы определить, каким из синапсов следует воспользоваться при передаче, генерируется случайное число, и путь выбирается с учётом “желательности” каждой конкретной связи. Пройдя свой неожиданный маршрут от входа до выхода из сети, начальные данные превращаются в конечный результат. Получается, что одну из важнейших ролей в работе модели играют упомянутые веса, сопоставляемые всем синапсам и определяющие важность, а также вклад каждого отдельного нейрона. Но откуда они берутся и от чего зависят? Это самое интересное.
Прежде чем войти во “взрослую жизнь”, новорождённые нейронные сети получают “образование”, и этим они тоже похожи на людей. Ab ovo все связи каждого нейрона равноправны. “Сознание” “цифрового младенца” – чистый лист, у него отсутствуют основания для принятия решений, а потому данные проходят сквозь череду нейронов по воле беспримесного случая… И тут появляется человек новой профессии – тренер нейронных сетей.
На первых порах он оценивает каждый прецедент функционирования “своих подопечных”, и если результат соответствует входным данным и поставленной задаче, то веса всех задействованных для его получения синапсов увеличиваются, а если нет – уменьшаются. Таким образом, модель “изучает” ту предметную область, в которой ей предстоит работать, – получает “профессиональное образование”. В результате она обобщает поступающие данные, находит закономерности, что впоследствии позволит ей делать прогнозы и принимать решения. Аналогичным образом закономерности запечатлеваются и в нашем мышлении, хоть порой мы и не отдаём себе отчёта, когда руководствуемся ими.
Такова отличительная черта систем так называемого “глубокого обучения”: подобные нейронные сети можно именно “натренировать”, “привить” им определённые представления о мире, которые лягут в основу их последующей работы. При этом в них нет фиксированного алгоритма решения задач конкретного типа – они тренируются под задачи.
Если описанный принцип остался не вполне понятным, то имеет смысл обратиться к хрестоматийному примеру – “самообучающейся машине из спичечных коробков”, предложенной популяризатором науки Мартином Гарднером в культовой некогда книге “Математические досуги”[8]. Пример искусственного интеллекта, собранного без кремниевых процессоров – из картонных коробочек и бисера, – может послужить занятной иллюстрацией и сделать принцип работы довольно прозрачным, но скорее всего, именно тут зазвучат голоса скептиков: “Вы серьёзно? Так просто? Хотите сказать, что эта модель может хоть как-то воспроизводить работу мозга?” Безусловно, совершенно серьёзно. Всё дело в масштабе, в количестве нейронов, синапсов, параметров и объёме обучения. Чтобы играть в крестики-нолики, достаточно трёхсот спичечных коробков, выполняющих функции нервных клеток, и двадцати тренировочных партий в качестве базового образования. Гарднер, впрочем, предлагает оптимизированную модель для упрощённой игры, позволяющую сократить количество коробков до двадцати четырёх. Разумеется, чтобы создавать тексты, картины, музыку или видео, нужно что-то посложнее, но принцип не меняется.
Скажем, в среднестатистическом человеческом мозге восемьдесят шесть миллиардов нейронов. В остальном всё то же самое: по ходу взросления и обучения (в том числе даже не умышленного и организованного, а совершенно спонтанного, связанного с восприятием всего вокруг) в теменной коре формируется информационно-речевая модель реальности. Слово “модель” в данном случае использовано не менее правомерно, чем при обсуждении нейросетей, поскольку наши представления о мире не тождественны миру, они – лишь его отпечаток.
Не стоит поддаваться заблуждению, будто у нас в голове – реальность. Каждый человек несёт в себе лишь модель действительности. Для описания такого положения дел Стивен Хокинг предложил идею “моделезависимого реализма”[9]. Это словосочетание звучит будто название художественного направления, но обозначает куда более универсальный принцип, поскольку включает искусство (как реалистическое, так и нет) в виде частного случая. Именно наша нейронная сеть – отпечатавшаяся в теменной коре модель действительности – используется нами как в творчестве, так и при принятии любых решений. Если ответ на какой-то вопрос удаётся найти едва ли не мгновенно, даже не задумываясь, это значит, что траектория от входа к выходу оказалась чрезвычайно удачной, чуть ли не идеальной. Заметим, что такую ситуацию почти никогда не описывают приведёнными словами – чаще её связывают с интуицией.
Когда мы сталкиваемся со сложным вопросом, требующим долгих раздумий, одни и те же данные приходится гонять от входа к выходу многократно, корректируя после каждой итерации. Иногда лучше даже отложить решение, поскольку постоянный рост синапсов[10] и непрекращающееся обучение могут со временем привести к качественно новому результату. Именно потому, когда вы оказываетесь в затруднительном положении, имеет смысл пойти погулять: свежий воздух и умеренная физическая активность способствуют росту новых связей между нейронами.
Стоит отметить, что одним из самых ресурсозатратных мыслительных процессов является… порождение лжи[11]. Заметим, что здесь и далее речь идёт о серьёзном обмане вроде выдумывания более или менее развитых и правдоподобных альтернативных историй, а не о милом утвердительном ответе на вопрос “Было ли тебе вкусно?” вне зависимости от навыков хозяйки. Этику соотнесения вежливости и вранья мы в данном случае не обсуждаем. Однако факт остаётся фактом: когда человек говорит чистую правду, мозг тратит значительно меньше энергии, чем когда он лжёт. Здесь сразу следует поставить вопрос о том, существует ли принципиальная – не этическая, а физиологическая – разница между обманом и творческим вымыслом? По всей видимости, её почти нет. Действительно, когда мы врём, заметная активность возникает в префронтальной коре (поясной коре, лобных долях), связанной, помимо прочего, с непосредственным поведением. Творчество же, в зависимости от модуса, может активизировать самые разные участки мозга, безусловно, включая и префронтальные.
Какие выводы напрашиваются? Во-первых, Маяковский ничуть не преувеличивал, говоря, что “поэзия – та же добыча радия”. Сочинять стихи тяжело, это требует энергозатрат, превосходящих среднестатистические. Во-вторых, бытует мнение, будто всякий автор пишет (тексты, картины, музыку) о себе. Судя по всему, в этом есть “экономический” резон – так существенно “выгоднее”, поскольку можно меньше выдумывать. Тем не менее подобным образом поступают не все. И тут мы подходим к третьему пункту: ложь – настолько ресурсоёмкий процесс, что если она практикуется достаточно часто, то организм предпочитает к этому адаптироваться[12], чтобы снизить свои затраты. Используя уже привычную нам терминологию: нейронная сеть подстраивает приоритеты синапсов под враньё… и творчество. Они могут стать более естественными, а то и неизбежными модусами. Так возникают патологические лгуны и прирождённые художники. Однако… если создавать произведения так “накладно”, не будет ли разумным использовать технические средства, чтобы сэкономить ресурсы?
Пришло время сделать некоторое отступление. Автору этих строк доводилось нередко писать и рассуждать о самых разных вопросах искусствознания и видах искусства. Преимущественно – о литературе и кино. Существенно меньше – о музыке. И уж совсем мало – о живописи. Нейросети тоже в разной степени освоили создание произведений в каждом из этих видов, но тем не менее далее на страницах настоящей книги мы будем говорить главным образом об изобразительном искусстве и рисующих моделях. Тому есть несколько причин, обосновывающих наше решение с разных сторон. Во-первых, произведение живописи – запечатлённый момент. Готхольд Лессинг, Дени Дидро и другие мыслители высказывали одну и ту же мысль: картина ограничена единственным мгновением, она постоянна во времени и требует активного восприятия. Она говорит с нами на своём языке образов, а не на нашем языке слов, потому мы перед ней лишены форы и в каком-то смысле равны.
То, что могут современные системы искусственного интеллекта в сфере литературы, заслуживает отдельного обсуждения. Профессионалы западного книжного рынка неоднократно подтверждали, что при создании заметной части новых книг (кто-то говорит о двадцатой доле, кто-то – о четверти) уже давно используются нейронные сети не только их авторов. Так как речь об этом идёт уже лет десять, в виду имеется не столько ChatGPT (де-факто лучший инструмент в наше время), сколько его предшественники и альтернативы, о которых мало кто знал вне индустрии. Подчеркнём: суть не в том, что машины целиком пишут книги “вместо” человека от начала до конца, однако порой на звание соавтора претендовать могут вполне (выше мы обсуждали вклад чата в первый абзац). Сразу оговорим: это не хорошо и не плохо – таково естественное развитие книжного дела и в конечном итоге ремесла писателя, нравится это кому-то или нет.