Чтобы моя позиция была более доходчивой, я однажды вышел на сцену со «шляпой волшебника» и хрустальным шаром в руках. Я объяснил, что никто не может предвидеть будущее в подробностях, любой, кто утверждает, что может предвидеть то, что случится в ближайшие годы, ошибается. Лучшее, что мы можем сделать, – это понять ключевые тенденции. Понимая ключевую идею, вы сможете успешно следовать за ней независимо от того, чем она обернется.
Одним из наиболее ярких примеров технологических тенденций является закон Мура. Гордон Мур совершенно точно предсказал, что количество элементов, которые можно поместить на кремниевую пластину, будет удваиваться каждые два с половиной года. Мур не сказал, будут ли это чипы памяти, или центральные микропроцессоры, или еще что-то. Он также ничего не сказал о том, в каких типах носителей будут использоваться пластины. Он не прогнозировал, будут они помещены в пластиковую оболочку или в керамическую или же будут расположены на микросхеме. Он ничего не говорил о различных процессах, используемых для производства чипов. Он остановился на ключевой тенденции и оказался прав.
В наши дни мы не в силах представить пределы применения разумных машин. Если я или кто-либо другой во всех подробностях опишет перспективы функционирования искусственного интеллекта, он неминуемо ошибется. Тем не менее мы можем сделать нечто большее, чем просто пожать плечами. Существуют два направления, которым мы можем последовать. Первое: представить себе возможные области применения мозгоподобных систем памяти в краткосрочной перспективе, т. е. сначала испробовать менее захватывающие и интересные, но более реалистичные варианты. Второй подход: представить себе общие возможности применения ИИ в долгосрочной перспективе так, как это сделал Мур.
Предлагаю начать с возможных краткосрочных перспектив применения. Некоторые примеры (скажем, замена трубок на транзисторы в радиоприемниках или создание калькуляторов на микропроцессорах) более очевидны. Рассмотрим проблемные области, с которыми тем или иным образом сталкивался искусственный интеллект, но разрешить проблему так и не удалось. Я имею в виду распознание речи, зрительное восприятие и «мыслящие» автомобили.
Если вы когда-нибудь использовали программное обеспечение для ввода произносимого вслух текста на персональном компьютере, тогда вы знаете, насколько бесполезным оно бывает. Как и в эксперименте с «Китайской комнатой», компьютер не понимает того, о чем идет речь. Несколько раз я пробовал использовать подобные приложения и всегда впадал в уныние. Если в комнате появлялся какой-то посторонний шум, от стука упавшего карандаша до голоса человека, обращающегося ко мне, то на экране сразу же возникали посторонние слова. Процент ошибок распознания речи был очень высок. Часто слова, которые, как предполагала программа, я произнес, вообще не были связанными по смыслу. Даже ребенок понял бы, что в предложении ошибки, но не компьютер. Так называемый интерфейс естественной речи многие годы был целью инженеров, занимающихся разработкой программного обеспечения. Суть состоит в том, чтобы вы могли сказать машине, чего вы от нее хотите, обычным языком, и она бы выполнила ваши команды. Личной цифровой записной книжке вы могли бы сказать: «Перенеси дочкину игру по баскетболу с субботы на сегодня, на десять утра». Подобного рода вещи невозможно было сделать с помощью традиционного искусственного интеллекта. Даже если бы компьютер распознал каждое слово, для выполнения задания ему нужно знать, где находится школа вашей дочери, какую именно субботу вы имели в виду, и, вообще, что такое баскетбольная игра, поскольку у вас может быть занесена информация как «Ментло против Сен-Джо». Или вы хотите, чтобы компьютер слушал радиопередачи и сканировал звуковой поток на предмет упоминания в нем определенного товара, а рассказчик будет описывать свой запрос, не упоминая его названия. Вы и я поймем, о чем он говорит, но этого не поймет компьютер. Подобные приложения требуют, чтобы машина могла не только слушать, но и слышать разговорную речь, что пока не достижимо. Программа распознания речи соотносит звуковые сигналы с шаблонами слов, внесенных в память путем механического ' запоминания, не учитывая их значения. Представьте, что вы бы научились распознавать звучание отдельных слов на каком-то иностранном языке, не зная их значения. Я вас попрошу записать разговор на этом языке. Во время разговора вы понятия не имеете, о чем он, но пытаетесь распознать отдельные слова и записать их. Но в какой-то момент многие слова перекрываются, или частично неслышны, или появляется какой-то посторонний шум. Вам будет чрезвычайно сложно распознавать слова и вычленить их. Именно с такого рода препятствиями сталкиваются современные программы по распознаванию человеческой речи. Их разработчики обнаружили, что, используя вероятность и переход слов, они могут несколько улучшить качество распознавания. Например, чтобы решить, какой из омонимов нужно выбрать, они используют правила грамматики. Это очень простая форма прогнозирования, однако системы в данном случае остаются немыми. Современные программы по распознаванию речи работают успешно лишь в очень ограниченных ситуациях, когда количество слов, которые человек может произнести в каждое отдельное мгновение, строго ограничено. А вот людям распознание речи дается без труда, потому что неокортекс не только воспринимает отдельные слова, но и предугадывает содержание целых предложений, а также рамки общего контекста.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92