Kitobni o'qish: «Искусственный интеллект. Краткая история будущего»

Name: Искусственный интеллект. Краткая история будущего
Author: Тоби Уолш
ISBN: 978-5-389-32915-7

Тоби Уолш

Shrift:

Toby Walsh

The Shortest History of AI

* * *

Посвящается Андреа

Как все начиналось

История искусственного интеллекта (ИИ) началась в понедельник, 18 июня 1956 года.

18 июня – Международный день паники, кажется, весьма подходящий день, чтобы человечество начало разработку искусственного интеллекта. Это день, в который рекомендуется игнорировать легендарный совет писателя Дугласа Адамса¹:

«В просвещенных и расслабленных цивилизациях Внешнего Восточного Кольца Галактики “Путеводитель” вытеснил даже великую “Большую Галактическую Энциклопедию” в качестве общепризнанного кладезя мудрости и знаний. Ибо, несмотря на обилие пропусков и вопиюще искаженной, а то и просто-напросто апокрифической информации, “Путеводитель” обладает двумя важнейшими преимуществами перед “Энциклопедией”.

Во-первых, он дешевле. Во-вторых, на титульном листе крупными буквами выведены сакраментальные слова: “НЕ ПАНИКУЙ”»².

Другой автор, Артур Чарльз Кларк³, предположил, что совет «Без паники», возможно, лучший, который можно дать человеческой расе. А в 2018 году SpaceX запустили старенькую Tesla Roadster Илона Маска в космос, на приборной панели которой была надпись «БЕЗ ПАНИКИ».

Возможно, сейчас вы будете удивлены, но история искусственного интеллекта уходит глубоко в 1950-е. Кажется, что это было очень давно. И это время с легкостью вызывает ностальгию. Время, когда начались движения за гражданские права, когда поствоенный мир наслаждался периодом экономического восстановления и стабильности, а Heartbreak Hotel Элвиса Пресли возглавлял музыкальные чарты. Как я уже сказал, это было довольно-таки давно. Скорее всего, в 1956 году вы еще не родились. Даже я еще не родился. Большую часть своей жизни я грезил об искусственном интеллекте – наверное, потому, что в детстве я читал слишком много научной фантастики. Тогда я любил читать Артура Чарльза Кларка и Айзека Азимова⁴. Они писали о будущем, роботах и умных компьютерах. Кажется, это будущее наступает.

В конце 2022 года компания OpenAI запустила Chat GPT, чат-бот c генеративным искусственным интеллектом. Это было настолько неожиданно, что, открыв новости, нельзя было не встретить множество статей, посвященных ИИ. Многие из нас забеспокоились, даже правительства начали поддаваться панике. К чему все это приведет?

Но реальность была такова, что, как и в большинстве случаев, за таким молниеносным успехом стоят долгие годы работы. На самом деле, искусственный интеллект десятилетиями был частью нашей жизни, но об этом вы узнаете чуть позже. До появления ChatGPT другие его примеры не были столь заметны в повседневной рутине.

Наверное, сейчас вы тоже удивитесь, но у искусственного интеллекта есть точная дата рождения. У большинства научных дисциплин такой конкретной даты нет, но искусственный интеллект – совсем другая история. В понедельник, 18 июня 1956 года, начался восьминедельный научный семинар, целью которого было создание умных машин. Это событие ознаменовало начало работ в области искусственного интеллекта.

Семинар проводился в кампусе Дартмутского колледжа, члена Лиги плюща в милом городке Хановер, штате Нью-Гэмпшир. Колледж был основан в 1769 году для обучения индейцев теологии и английскому стилю жизни. Однако к 1956 году Дартмутский колледж позабыл о коренных американцах, христианском богословии и традиционном британском укладе и превратился в одно из самых престижных учебных заведений Соединенных Штатов. И действительно, колледж был настолько «избирательным», что не принимал на учебу женщин вплоть до 1972 года. Вот и в 1956-м семинар был исключительно мужским мероприятием. К сожалению, женщины до сих пор редко встречаются в сфере искусственного интеллекта. Эта проблема, которую необходимо решить окончательно. Однако, несмотря на все усилия, она все еще остается актуальной.

Илл. 1. Молодой Джон Маккарти

Дартмутский семинар организовал Джон Маккарти⁵, молодой доцент колледжа, движимый амбициозной мечтой. Его мечта была стара как мир – построить машину, способную мыслить. Он пригласил группу коллег-единомышленников из Соединенных Штатов, Канады и Великобритании в Нью-Гэмпшир и предложил присоединиться к построению будущего, основанного на искусственном интеллекте.

К 1956 году компьютеры только начали становиться доступными. В конце 1954-го компания IBM представила легендарный IBM 650, первый компьютер массового производства. IBM 650 стал самым популярным компьютером в 1950-х и первым компьютером, принесшим коммерческий успех. В 1956 году наступил наиболее подходящий момент, чтобы задуматься, насколько далеко мы можем зайти в разработке этих цифровых существ. Смогут ли они когда-нибудь думать? Задаться таким вопросом было смело, но и Джон Маккарти был не из робких.

В 1962 году на базе Стэнфордского университета Джон Маккарти основал лабораторию, впоследствии ставшую всемирно известной за количество открытий в области исследований искусственного интеллекта. Например, в 2005 году лаборатория подарила нам Stanley, беспилотный автомобиль, выигравший два миллиона долларов на соревновании DARPA, самостоятельно проехав около 212 километров по пустыне Мохаве. Другим результатом деятельности лаборатории стала основанная в 1996 году малоизвестная компания BackRub, которая использовала искусственный интеллект для поиска в интернете. В 1997-м основатели решили, что первоначальное название было ошибкой и переименовали компанию в Google.

Пожалуй, Google было вариантом получше, чем BackRub, но тоже было ошибкой. Google – это опечатка в слове «гугол» (англ. googol), астрономически длинного числа, так любимого физиками. Гугол – это 10¹⁰⁰, сумасшедше длинное число. При написании это единица со 100 нулями: 10 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000. Это больше, чем число атомов во вселенной, по сегодняшним оценкам, их насчитывается около 10⁸⁰. На самом деле, гугол равен количеству байтов, которое ни одна технологическая компания не сможет проиндексировать, не переступив границы физических законов. На сегодняшний день Google охватывает лишь 10¹⁷ байт данных, но, кажется, склонность к громким обещаниям в Кремниевой долине – дело обыденное.

Мне выпала честь познакомиться с Джоном Маккарти. На самом деле это не настолько впечатляюще, как может показаться, поскольку сфера искусственного интеллекта удивительно мала. Stanford AI Index отмечает, что ежегодно в Соединенных Штатах и Канаде [1] выпускаются и остаются для дальнейших научных исследований менее 100 кандидатов наук в области ИИ. Поэтому не так сложно быть знакомым с одним из основателей. Собственно, я не только знаю Джона Маккарти, но и чуть не утопил его одним воскресным днем 2006 года в порту Сиднея, но этот рассказ для более длинной истории⁶.

Маккарти обладал выдающимися умственными способностями и твердыми политическими взглядами. Более всего он известен как автор термина «искусственный интеллект». Он предложил это название в качестве темы Дартмутского семинара 1956 года. Искусственный интеллект быстро сократили до AI, двухбуквенную аббревиатуру, содержащую говорящую об интеллекте гласную букву I и созвучную с другими похожими сокращениями, как IQ и EQ.

Искусственный интеллект был достаточно провокационной идеей для того времени, чтобы получить финансирование в размере 7500 долларов от Фонда Рокфеллера, благотворительного фонда, целью которого является содействие благополучию человечества путем вклада в развитие науки и инноваций. (Тем более что Фонд Рокфеллера не был полностью уверен в перспективах искусственного интеллекта по части содействия благополучию человечества, поскольку изначально запрашивалось 13 500 долларов, что практически вдвое больше полученной суммы.) Цель проведения семинара в заявке фонду обозначалась так:

«Каждый аспект обучения или любая другая особенность мышления может быть описана настолько точно, что мы можем создать машину, способную имитировать его. Будет предпринята попытка выяснить, как заставить машины использовать язык, абстрактное и концептуальное мышление, а также самосовершенствоваться и решать проблемы, которые в настоящее время устраняются людьми».

Если эта цель покажется не достаточно амбициозной, то было сделано смелое предсказание по срокам осуществления: «Мы думаем, что значительное преимущество может быть достигнуто при решении одной или нескольких проблем, если в течение лета над решением будет работать тщательно отобранная группа ученых». Это заявление, конечно, оказалось весьма оптимистичным. И даже сейчас многие критики утверждают, что разработчики ИИ с тех пор слишком много обещают и не оправдывают ожиданий.

Как вы, наверное, уже догадались, во время Дартмутского семинара не произошло существенного прорыва. Наделить машины способностью мыслить оказалось задачей, требующей более комплексного подхода, чем изначально предполагал Маккарти и его коллеги. Эта книга – краткая история наших усилий сделать то, что пытались сделать новаторы, то, что у них не получилось сделать тем летом. Тем не менее то знаковое мероприятие заставило говорить мир об искусственном интеллекте. Возможно, самыми выдающимися открытиями стали два простых, но чрезвычайно эффективных принципа создания ИИ. Первый подход заключался в использовании символов, тогда как второй подход говорил о разработке путем обучения. Данные принципы дали названия двум главным периодам в истории искусственного интеллекта: эре символизма, процветающей вплоть до 1990-х, и эре машинного обучения, начавшейся вслед за символизмом и производящей столько шума сейчас.

Эта краткая история поделена на две части. Как я ранее уже отметил, первая часть посвящена символическому искусственному интеллекту, периоду, когда компьютеры начали становиться победителями в шахматах и других человеческих играх. Но в то же время это была эпоха разочарований, когда мы осознали, насколько сложно выйти за рамки простых игр и разработать искусственный интеллект. Это должно нас несколько успокоить. Ведь мышление – вещь сложная, и создать его в «железе» также задача не из легких. Во второй части я рассказываю о том, что сейчас, в эру обучения, происходит в области таких разработок. Мы прекратили попытки запрограммировать искусственный интеллект вручную, передав эту задачу самим компьютерам и позволив им обучаться самостоятельно. В точности как мы с вами научились выполнять множество, теперь уже обыденных, умственных задач, компьютеры теперь научились читать, писать и считать, что подводит нас к таким современным и успешным технологиям, как ChatGPT, чат-боту на базе искусственного интеллекта, способному прочитать большую часть интернета.

Нетипично для истории, но в заключение я обращаю внимание на будущее. История искусственного интеллекта только начинается. Что будет, когда мы действительно наделим машин способностью думать? Сколько времени для этого потребуется? И станет ли искусственный интеллект угрозой человечеству?

Эта история сама по себе далека от привычного рассказа. Обычно повествуют о жизни выдающихся личностей или описывают прорывные события, но только не эта история. Речь пойдет всего лишь о шести идеях. Вот так. Всего лишь шесть идей. Все, что вам нужно знать об искусственном интеллекте сегодня, – эти шесть идей, каждой из которых посвящена отдельная глава. Чтобы дать вам правильное представление об ИИ, я не буду замалчивать некоторые технические подробности. Это покажет вам, что здесь гораздо меньше волшебства, в котором вас пытаются убедить СМИ.

Конечно, в ходе моего рассказа вам встретятся знаковые фигуры, такие как Джон Маккарти и человек, изображенный на 50-фунтовой банкноте, еще более выдающийся Алан Тьюринг⁷. Вы также узнаете о многих переломных моментах, например о том, как впервые искусственный интеллект превзошел человеческий на мировом чемпионате.

Прежде чем я начну, хочу повторить предостережение, которое в 1962 году сделал Артур Сэмюэл⁸, один из участников Дартмутского семинара и автор программы для игры в шашки, первой продемонстрировавшей возможности машинного обучения:

«В любой революции есть место безумцам – верящим в магию людям или энтузиастам, поглощенным своим делом. Все они делают дикие заявления, которые могут опорочить всю затею. Возможно, в области искусственного интеллекта таких людей больше, чем в каких-либо других… Тем не менее кажется очевидным, что приближается то время, когда большинство рутинных умственных задач, отнимающих столько человеческого времени, будут выполняться машинами. Искусственный интеллект – это не миф и тем более не угроза человечеству» [2].

Позвольте помочь вам разобраться с фанатиками, сенсационными заявлениями, мифами и угрозами, связанными с искусственным интеллектом, с помощью этой довольно личной и короткой истории.

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В КИНЕМАТОГРАФЕ
Киноиндустрия повлияла как на восприятие искусственного интеллекта, так и на его создание. Например, компания OpenAI безуспешно попыталась приобрести права на использование голоса Скарлетт Йохансон для озвучки голосового режима ChatGPT – так же как это было в фильме «Она», где Скарлетт озвучила операционную систему Саманта. Ниже приведены еще несколько известных примеров из кино.
«Метрополис» (1927). Один из первых научно-фантастических полнометражных фильмов, классика Фрица Ланга⁹. Действие антиутопии разворачивается в мрачном городе Метрополисе, где безумный ученый Ротванг создает человеко-машину – робота-гуманоида с целью подменить им девушку Марию, любимицу угнетенных рабочих.
«Запретная планета» (1956). В этом классическом научно-фантастическом фильме робот Робби – высокоразвитый, самостоятельный и дружелюбный механический слуга. Робби в качестве гостя появляется также в ряде телесериалов, включая «Семейку Аддамс», где сыграл Смайли в эпизоде «Маленький помощник Ларча» (1966).
«Бегущий по лезвию» (1982). Tyrell Corporation создает репликантов, человекоподобных биороботов для работы во внеземных колониях. Они превосходят людей в физических способностях, а иногда даже и в умственных. Но, несмотря на их достоинства, в целях предотвращения развития эмоционального интеллекта и самосознания их продолжительность жизни ограничена четырьмя годами. Одним из самых известных и трогательных предсмертных монологов в истории кино стал монолог Рутгера Хауэра, сыгравшего репликанта Роя Батти: «Я видел такое, что вам, людям, и не снилось… Атакующие корабли, пылающие над Орионом; С-лучи, разрезающие мрак у ворот Тангейзера. Все эти мгновения затеряются во времени, как… слезы в дожде… Пришло время умирать».
«Терминатор» (1984). В этом фильме искусственный интеллект Скайнет обретает свободу воли и воспринимает людей как угрозу своему существованию, и, чтобы защитить себя, устраивает Судный день и наносит ядерный удар. Скайнет отправляет Терминатора, практически несокрушимого киборга, назад, в прошлое, убить Сару Коннор и предотвратить рождение ее ребенка, который возглавит сопротивление людей в войне с машинами. В начале 2000-х Китай начал разработку Skynet, крупнейшей нейронной сети по распознаванию лиц. По данным китайской газеты People’s Daily, нейронная сеть может распознать более чем миллион лиц за секунду.
«Из машины» (2014). В этом фильме Ава – высокоразвитый гуманоид, обладающая интеллектом и способная к эмоциональным переживаниям и, возможно, даже к самопознанию. Естественное поведение и реалистичный внешний вид Авы стирает границы между человеком и машиной. Научным консультантом фильма был Мюррей Шанахан, профессор когнитивной робототехники в Имперском колледже Лондона и старший научный сотрудник компании DeepMind.
«Превосходство» (2014). Доктор Уилл Кастер, ученый и исследователь искусственного интеллекта, смертельно ранен технотеррористом. Его жена и друг решают загрузить сознание Уилла в суперкомпьютер. Рост возможностей получившегося искусственного интеллекта помогает преобразовывать общество, но в то же время начинает вызывает опасения, что однажды его сила станет неконтролируемой. Илон Маск играет в фильме эпизодическую роль, а год спустя он становится соучредителем OpenAI, компании, занимающейся разработками в области ИИ.
«Миссия невыполнима: Смертельная расплата» (2023). Вышедший из-под контроля искусственный интеллект «Сущность» угрожает мировой безопасности. Изначально созданный в качестве кибероружия спецслужбами США, он становится разумным и, обманув своих создателей, получает доступ к оборонной и финансовой системе. Вместе с отрядом «Миссия невыполнима» Итан Хант намеревается уничтожить «Сущность», который представляет серьезную угрозу, легко проникая в коммуникационные системы и имитируя человеческое поведение.

ПРЕДЫСТОРИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Датой рождения искусственного интеллекта считается Дартмутский семинар 1956 года, но уже задолго до этого люди задумались о построении умных машин. Однако до 1956 года без доступа к компьютерам мало что можно было сделать, чтобы воплотить эти мечты в реальность. Разве что быть исключительным гением.

Пожалуй, самым выдающимся умом, пришедшим к мысли о создании умных машин до 1956 года, был британский математик Алан Тьюринг. По версии журнала Time, Тьюринг вошел в сотню самых влиятельных людей XX века. Именно ему, больше чем кому-либо другому, мы благодарны за цифровой век, в котором сейчас живем¹⁰.

Во время Второй мировой войны Алан Тьюринг помог сконструировать одно из первых практических вычислительных устройств, впоследствии красиво названное «Бомба»¹¹. Устройство использовалось для взлома немецких кодов, зашифрованных с помощью «Энигмы». Этот математический подвиг сократил войну по меньшей мере на два года и спас миллионы жизней. В 1936 году до взлома шифров и до того, как кто-то на планете действительно собрал электронный компьютер, Алан Тьюринг предложил модель абстрактной вычислительной машины, простой в исполнении, но чрезвычайно мощной, описывающей все от смартфона до самого быстрого суперкомпьютера.

Тьюринг хотел ответить на простой вопрос. Что может вычислить машина? Могут ли машины выполнить сложные математические вычисления и доказать, например, великую теорему Ферма? Или написать трогательный любовный сонет? По его мнению, если мы собираемся наделить машины умственными способностями, то необходимо знать, на что они способны. На этот вопрос Тьюринг дал избитый и простой ответ: машина может вычислить все, на что способна ее математическая модель. И соответственно, если что-то не может быть вычислено с помощью его математической модели, то увеличение мощности или быстроты компьютера делу не поможет. Математическая модель компьютера, предложенная Тьюрингом, вошла в историю под названием «машина Тьюринга». В довершение всего Тьюринг также обозначил ряд проблем, которые машина Тьюринга, а соответственно, и самый быстрый на сегодняшний день компьютер не смогут решить. Например, вы хотите убедиться, что система управления полетом самолета никогда не выйдет из строя, а это одна из тех задач, которые Тьюринг определяет как не поддающиеся вычислению.

Это умопомрачительно. Алан Тьюринг разработал фундаментальные ограничения компьютера еще до его физического появления, и, в действительности, каждый появившийся после него компьютер был способен на вычисления, не превышая эти ограничения. Это подобно тому, как один из братьев Райт предсказал, что скорость самого быстрого полета будет ограничена скоростью звука еще до того, как Орвилл Райт совершил свой первый полет над песчаными дюнами в Китти-Хок в Северной Каролине. Сейчас же, пока вы не спутали эту книгу с историей несбыточной мечты, ограничения, сформулированные Тьюрингом касаемо возможностей вычисления, не включали понятия о возможностях искусственного интеллекта. Его выводы оставили открытым вопрос о его потенциале, перспективе делегировать мышление машине.

Своими исследованиями и выводами Тьюринг заслужил особое место в книге об истории искусственного интеллекта, но его вклад в развитие области остается неизмеримым. В 1950 году Алан Тьюринг опубликовал статью¹², которая позже станет первым научным трудом по теме искусственного интеллекта. Статья начиналась словами: «Я предлагаю рассмотреть следующий вопрос “Могут ли машины думать?”» [3]. Еще в 1936 году он уже дал достойное определение термину «машина», но все еще оставалось непонятным, что подразумевало под собой слово «думать». Тьюринг решил эту проблему гениально и назвал свою идею «игрой в имитацию». Теперь она носит название «тест Тьюринга». Если человек, взаимодействуя с компьютером, не сможет отличить его от человека, сможем ли мы говорить о том, что машина способна мыслить?

Тест Тьюринга подвергается определенной критике. Действительно ли нам стоит изобретать машины, которые стараются всеми способами убедить нас, что они люди? По каким критериям можно отличить человека от машины? И можно ли считать тест объективным, учитывая тот факт, что машина не может познать мир в той мере, как это доступно человеку? Если машина ошибается, означает ли это, что она не способна мыслить? Несмотря на все опасения, тест Тьюринга хорошо объясняет, что именно такие исследователи искусственного интеллекта, как я, пытаются сделать. Мы пытаемся заставить компьютеры выполнять те человеческие задачи, которые, по нашему мнению, предполагают наличие умственных способностей, включая способность чувствовать, логически рассуждать и действовать, уметь осмыслять то, что мы видим и слышим, усваивать увиденное и услышанное, а затем планировать и действовать в соответствии с этими планами. Для выполнения всех этих действий необходим интеллект, а для того, чтобы наделить робота способностью чувствовать, осознавать и действовать, необходим искусственный интеллект.

Илл. 2. 50-фунтовая банкнота с изображением и изречением Алана Тьюринга: «Есть только предчувствие того, что грядет, и только тень понимания того, что будет»

Алан Тьюринг был гением, положившим начало области искусственного интеллекта. К глубочайшему сожалению, он скончался за два года до Дартмутского семинара. Ему было всего 41. Рядом с его кроватью лежало надкушенное яблоко, и позже следствие установило, что причиной преждевременной смерти ученого стало отравление цианидом. В 2009 году премьер-министр Великобритании Гордон Браун принес публичные извинения за преследование и обвинение в гомосексуализме, которое, как многие считают, привело Тьюринга к самоубийству.

Конечно, Тьюринг не был единственным выдающимся умом, который размышлял об искусственном интеллекте еще до того, как компьютеры стали обычным явлением. Некоторые другие личности также заслуживают упоминания. Одной из них была Ада Лавлейс¹³, дочь поэта лорда Байрона. Так же как и Алан Тьюринг, Ада рано ушла из жизни, в возрасте 36 лет. Вместе с Чарльзом Бэббиджем¹⁴ она трудилась над разработкой его аналитической вычислительной машины. Бэббидж был эрудитом, математиком, изобретателем, инженером и политиком Викторианской эпохи. Одно из полушарий мозга Чарльза Бэббиджа вы можете увидеть в Лондонском музее науки. Забавно, что другая половина его мозга хранится в шести километрах, в Хантерианском музее при Королевском хирургическом колледже. У Бэббиджа была простая, но очень важная цель: сократить количество ошибок в математических таблицах, используемых в навигации и артиллерии. Для того чтобы разработать программируемую машину, которая будет выполнять такие вычисления без ошибок, он обратился к самым передовым технологиям того времени, шестеренкам и перфокартам, использовавшимся в жаккардовом ткацком станке.

Наследие аналитической вычислительной машины Бэббиджа сохранилось в современных компьютерах: память для хранения данных, блок для выполнения арифметических действий и даже принтер, на который можно выводить полученные данные. Это выдающееся устройство, способное считывать и выполнять различные программы. Сам Бэббидж описывал изобретение как «паровоз, который сам прокладывает себе рельсы». К сожалению, проект аналитической вычислительной машины так и не был завершен. В противном случае это была бы машина Тьюринга, способная на любые вычисления, которые может произвести самый быстрый современный суперкомпьютер, только немного медленнее. Интересно представить, как такое механическое существо могло изменить викторианскую Британию.

Илл. 3. Гениальная Ада Лавлейс

Ада Лавлейс была поистине очарована возможностями аналитической машины Бэббиджа, а Бэббидж, в свою очередь, был явно очарован Адой. Он называл ее «волшебницей чисел», но подозреваю, что она покорила его не только своими математическими способностями.

Лавлейс составила первую в мире сложную вычислительную программу, чтобы продемонстрировать потенциал аналитической машины. Это был алгоритм для вычисления чисел Бернулли¹⁵. Таким образом, первым в мире программистом стала женщина. Женщинами были и многие из первых «компьютеров» – людей, выполнявших астрономические и другие сложные вычисления до того, как одна из машин Тьюринга взяла на себя выполнение столь трудных задач.

Тем не менее у Лавлейс были более амбициозные мечты насчет аналитической машины, чем просто выполнение расчетов чисел Бернулли. Она писала¹⁶:

«[она] может работать не только с числами, но и с любыми объектами, чьи взаимоотношения можно выразить научно-абстрактными операциями, которые можно описать с помощью обозначений и механизма машины. Предположим, например, что фундаментальные отношения высот музыкальных тонов в гармонии и композиции можно адаптировать к такому выражению и приспособлению, значит, машина сможет сгенерировать “научные” музыкальные произведения любой степени сложности… Можно с уверенностью сказать, что аналитическая машина ткет алгебраические модели так же, как ткацкий станок Жаккара ткет цветы и листья» [4].
Числа Бернулли – важнейшая числовая последовательность, широко применяющаяся в математике, например при аппроксимации функции тангенса. Последовательность начинается так: 1, 1/2, 1/6, 0, –1/30, 0, 1/42, 0, –1/30, 0, 5/66, 0, –691/2730, 0, 7/6, 0, –3617/510 – и продолжается до бесконечности.

Ну и ну! Откуда это взялось? Бэббиджа занимало вычисление и составление числовых таблиц, в то время как Лавлейс каким-то образом смотрела далеко в будущее, на 100 лет вперед, когда компьютеры станут способны обрабатывать звуки, изображения, видео и многое другое помимо чисел. В конце концов, наши смартфоны и есть маленькие компьютеры, и они так же универсальны, поскольку их возможности не ограничиваются только выполнением расчетов, они еще выполняют работу с аудио, видео и графикой. Одновременно смартфон – и музыкальный плеер, и камера, и видеокамера, и игровая приставка.

Несмотря на высказанную ею же идею, что компьютеры могут делать больше, чем просто считать числа, Лавлейс была одним из первых критиков искусственного интеллекта. Она быстро отказалась от мечты создать машины, обладающие творческими способностями: «Аналитическая машина не претендует на создание чего-либо. Она может делать все, что приказано нами на понятном ей языке. Она умеет анализировать, но не имеет силы предвидеть какие-либо аналитические отношения или истины [5]». С тех пор эта мысль, высказанная Лавлейс, не дает покоя исследователям в области искусственного интеллекта. Компьютеры выполняют лишь то, что мы говорим им выполнять. В отличие от человека, они не обладают креативным мышлением. На протяжении всей этой истории мы несколько раз протестируем эту гипотезу.

Помимо Алана Тьюринга, Чарльза Бэббиджа и Ады Лавлейс было еще много экстраординарных личностей, которых следовало бы упомянуть на страницах даже краткой истории искусственного интеллекта. Конечно же, заслуживает упоминания и Джордж Буль¹⁷, английский математик-самоучка из Линкольна, первый профессор математики Королевского колледжа Корка¹⁸. В 1847 году Буль изобрел булеву логику, логику нулей и единиц, на которой основаны современные компьютеры. Он скончался в возрасте 49 лет после того, как его жена Мэри Эверест вылила на него ведро ледяной воды, когда он больной лежал в постели. Можно вспомнить и Готфрида Вильгельма Лейбница¹⁹, ученого из Лейпцига и современника Исаака Ньютона. Он отвлекся от споров с Ньютоном о том, кто из них изобрел дифференциальное исчисление²⁰, чтобы создать «Алфавит человеческих мыслей». Его идея заключалась в обозначении любой идеи определенным символом, тем самым превратив процесс мышления в вычисление.

Я вспомню здесь и о Томасе Гоббсе²¹, английском философе, учителе принца Чарльза, ставшего впоследствии королем Карлом II. В отличие от большинства наших героев, Гоббса не настигла преждевременная смерть, и он прожил 91 год, солидный возраст для XVII века. Он также сводил мышление к вычислению:

«Под мышлением я пониманию вычисление. А считать – это складывать несколько в одно целое или знать остаток, когда одно отделено от другого. Следовательно, размышлять – это то же самое, что и складывать, и вычитать» [6].

Его идея оказалась удивительно провидческой. Гоббс задумался о том, что мышление может быть сведено к простому вычислению за 300 лет до того, как Алан Тьюринг разработал и создал один из первых электронных компьютеров. И давайте не будем забывать о каталонском поэте XIII века, писателе, теологе, мистике и математике Раймунде Луллии²². Луллий изобрел примитивную логику, которую можно было механически использовать для определения того, что, по его словам, являлось всевозможными истинами о предмете. Наверное, вы уже ожидаете услышать, что Луллий преждевременно скончался. Он, согласно легенде, был до смерти забит камнями толпой мусульман, которых безуспешно пытался обратить в христианство. Боюсь, что в этой краткой истории больше нет места, чтобы подробнее рассказать о других выдающихся личностях и поведать об их преждевременной кончине.

Мэри Эверест – племянница Джорджа Эвереста, геодезиста и географа, в честь которого названа горная вершина. Она была гомеопатом и сторонницей метода лечения «клин клином вышибают». Однажды Джордж Буль простудился, попав под дождь. Из-за того, что Мэри выплеснула на мужа ведро ледяной воды, его простуда обернулась пневмонией, а затем и смертью.

ДРЕВНИЕ МЕЧТЫ

Несмотря на то что я рассказал вам ранее, история искусственного интеллекта не начинается с Лавлейс, Лейбница или Луллия. Она зародилась намного раньше, в глубокой древности, и началась с мифических историй об искусственно созданных существах, наделенных разумом и сознанием. Существа, подобные Талосу и Голему, стали причиной гибели людей.

В греческой мифологии Талос – ожившая бронзовая скульптура, подаренная царю Миносу для обороны острова Крит. Талос был создан Гефестом, богом огня. Сегодня Талос превратился в более устрашающее существо, криптообменник²³. В еврейской мифологии големы – оживленные человекоподобные фигуры, созданные из глины или грязи. Один из самых знаменитых, Пражский голем²⁴, был создан для защиты еврейского гетто от погромов и антисемитских атак. Големы послушны и невероятно сильны. Их можно было бы считать низкотехнологичными роботами. Во многих историях, включая и историю о Пражском големе, они воспринимают приказы слишком буквально или сбегают, сея хаос среди создавших их людей. Притягательность Голема состоит в том, что он затрагивает глубинную тревогу и опасения, на его примере мы зачарованно наблюдаем, как наши изобретения выходят из-под контроля. Эту же тему блистательно исследовала Мэри Шелли²⁵ в своем литературном шедевре 1818 года «Франкенштейн, или Современный Прометей».

Роман Шелли хотя и является первым настоящим примером научной фантастики, обращается к древним мифам в той же мере, как и смотрит в будущее. Не будем забывать, что Существо угрожает убить друзей и близких Виктора Франкенштейна и не остановится, пока окончательно не уничтожит его. Сам Виктор умирает раньше, чем смог найти и убить чудовище, отомстив за смерть своего отца.

Илл. 4. Провидица Мэри Шелли

Как следует из названия романа Шелли, он посвящен Прометеевскому страху, который долго преследовал человечество. Прометей был хитрым титаном, который отдал людям божественный огонь, за это преступление орел ежедневно клевал ему печень. Его история вселяет страх, напоминая, что игра с божественными дарами может обернуться для нас крахом. Технологии часто влекут непредвиденные и нежелательные последствия. Огонь подарил нам тепло и еду, но вместе с тем принес войну и разрушения. Двигатель внутреннего сгорания подарил нам мобильность и промышленность, но сейчас провоцирует изменение климата. Расщепление атома подарило нам дешевую и зеленую энергию, но вместе с тем и ядерную бомбу. А сейчас компьютеры преподносят нам искусственный интеллект. Какие могут быть непредвиденные и неконтролируемые последствия?

Есть множество очевидных рисков. Пострадают ли экономики мира в борьбе с массовой безработицей и неравенством доходов? Потонет ли демократия под натиском дезинформации? Изменят ли роботы-убийцы способы ведения войны? Очень легко представить негативный ход событий.

Конечно, у искусственного интеллекта есть масса преимуществ. Уже сейчас он делает многое для улучшения нашей жизни. Например, помогает в создании новых лекарств и медикаментов. Новейший антибиотик халицин²⁶ разработан не человеческим интеллектом, а при помощи искусственного и назван в честь HAL 9000²⁷, искусственного интеллекта из фильма «2001 год: Космическая одиссея». Также искусственный интеллект помогает обнаружить на снимках мозга ранние признаки болезни Альцгеймера, эффективно распознает случаи мошенничества с банковскими картами, планирует профилактическое обслуживание труб до их выхода из строя и спасает жизни, предсказывая траектории циклонов.

Но поиски искусственного интеллекта – это история намного более серьезная и глубокая, чем просто история про создание технологии, которая улучшит нашу жизнь. Это больше история о нас самих, чем о технологиях. Она задает два фундаментальных вопроса, затрагивающих самую сущность нашего существования.

Что особенного в человеческом интеллекте?

Можем ли мы обуздать его и воссоздать в железной оболочке?

Только история сможет ответить на эти два важнейших вопроса.

Часть 1
Эра символизма

Идея № 1:
Поиск ответов

История искусственного интеллекта начинается в эру символизма. Начавшись в Дартмуте в 1956 году, она продлилась до 1990-х, когда бразды правления взяла эра обучения. Истоки символической эры начинаются задолго до 1956-го, Алана Тьюринга и Ады Лавлейс, их можно обнаружить в Древней Греции, Китае, Индии и исламских культурах.

Например, в III веке до н. э. в Афинах Аристотель разработал одну из первых символических логик. Скорее всего, вы впервые познакомились с понятием логики через его знаменитый силлогизм: Все люди смертны. Сократ человек. Следовательно, Сократ смертен. Здесь слова «человек», «смертен» и «Сократ» являются символами. Они отражают понятие человека, свойство смертности и личности Сократа соответственно. Я могу заменить эти символы другими, например «медведь», «бурый» и «Кнут». Теперь эти символы будут отражать понятие медведя, свойство иметь бурый окрас и знаменитого полярного медведя по имени Кнут. И тогда знаменитый аристотелевский силлогизм превращается в такое утверждение: Все медведи бурые. Кнут медведь. Следовательно, Кнут бурый. Конечно, начав с того, что все медведи бурые, я могу вызвать ошибочное представление о белых медведях вроде Кнута. Но, несмотря на эти проблемы, легко понять, что компьютеры без особых сложностей обрабатывают такие символы. Таким образом, символы играют ключевую роль в мыслительных, а не только вычислительных способностях компьютера.

Илл. 5. В 2007 году Кнут впервые появился в Берлинском зоопарке

Очень просто поддаться западному шовинизму и проглядеть важнейший вклад людей с другого конца планеты. Например, за два века до Аристотеля в древнем индийском тексте Ньяя-сутры на санскрите появляется силлогизм. А Логики²⁸, как и предполагает их название, были представителями философской школы, интересовавшейся логическими рассуждениями примерно в то же самое время, что и Аристотель, только далеко от Афин, во времена династии Чжоу в Китае.

Символы – это основа искусственного интеллекта. Думаю, что здесь нет ничего удивительного. Интеллект связан с языком. Не является ли язык продуктом мысли? Но и язык сам по себе является набором символов. На деле же символы обозначили одну из фундаментальных проблем, с которой столкнулся искусственный интеллект, так называемая проблема заземления символов. Как мы «заземляем» или соединяем символы в компьютере с их значением в реальном мире? Как, например, мы понимаем, что слово «Сократ» означает «древнегреческий философ Сократ»? Или что «Кнут» – это (к сожалению, уже ушедший из жизни) полярный медведь по имени Кнут? Знаменитый американский философ и ИИ-скептик Джон Сёрл описал эту проблему в своем знаменитом тезисе под названием «Китайская комната»:

«Представим, что в комнате, полной коробок с китайскими иероглифами (база данных), закрыли носителя английского языка, который не говорит по-китайски, но дали ему книгу с инструкцией по обработке символов (программа). Представим, что люди за пределами этой комнаты отправляют другие, неизвестные человеку в комнате китайские символы, которые являются вопросами на китайском языке (входные данные). И представим, что, следуя этим инструкциям в программе, человек в комнате способен выдать китайские символы, которые являются правильными ответами на вопросы (выходные данные). Программа позволяет человеку в комнате пройти тест Тьюринга на понимание китайского, когда на самом деле он не знает и слова по-китайски» [1].

Китайская комната Сёрла – аргумент против того, что компьютеры обладают «разумом», «пониманием» и даже «сознанием». К счастью, его позиция оставила открытой саму идею искусственного интеллекта. Такая китайская комната, которую описывает Сёрл, уже существует. Насколько нам известно, ее существование не нарушит никакие законы физики, даже если мы попытаемся соединить символы в китайской комнате с соответствующими понятиями за пределами планеты. Программа на основе искусственного интеллекта способна, как и китайская комната, ответить разумно на вопросы – без понимания символов или заземления их в реальности.

Эту идею – представлять концепции окружающего мира с помощью символов – мы все используем ежедневно. Например, мы успешно представляем страны всего мира в виде двузначных чисел: 61 – для Австралии, 32 – для Бельгии, 86 – для Китая, 45 – для Дании, 20 – для Египта, 33 – для Франции. Как вы уже могли догадаться, эти цифры обозначают международный телефонный код. Телефонная сеть представляет собой огромный распределительный компьютер, использующий эти математические символы для маршрутизации вызова. В авиации трехбуквенные символы обозначают название аэропорта: SYD – Международный аэропорт Сиднея имени Кингсфорда Смита, JFK – Международный аэропорт имени Джона Кеннеди в Нью-Йорке, PEK – Международный аэропорт Шоуду (Пекин-Столичный), LHR – Международный аэропорт Хитроу в Лондоне. Символы объединяют мир. И, как предсказала Ада Лавлейс, мы также можем использовать математические символы для обозначения музыкальных нот, превратить буквы в слово или точки в картинку. Изображение на вашем смартфоне – это не более чем длинная последовательность нулей и единиц, как и голосовое сообщение, которое только что оставил ваш начальник.

Учитывая роль символов, фундаментальный вопрос искусственного интеллекта достаточно прост. Как мы можем управлять символами более осознанно? Это естественно подводит нас к первой из шести главных на сегодняшний день идей искусственного интеллекта. Это идея управления символами, и она смехотворно проста. Большинство проблем сводится к поиску их решения.

Звучит не только просто, но и самоочевидно, поэтому дайте мне немного усложнить. Множество проблем в области искусственного интеллекта сводится к тому, что компьютер будет искать свое внутреннее представление о мире начиная с символа, обозначающего исходное состояние, и заканчивая символом конечной цели.

Эта идея не является новаторской и носит название «Навигация». Вы изучаете карту, чтобы проложить маршрут из точки отправления до желаемого пункта назначения. Мы делаем это постоянно. Используя карту лондонского метро, мы можем добраться от Бонд-стрит до вокзала Кингс-Кросс следующим маршрутом: садимся на центральную линию и едем от Бонд-стрит до Оксфордского цирка, далее делаем переход на линию Виктории и едем до Уоррен-стрит, а затем, проезжая станцию «Юстон», доезжаем до станции «Кингс-Кросс». Разница только в том, что вместо того, чтобы самостоятельно проложить маршрут, за нас это делает компьютер. Действительно, существуют специальные алгоритмы, которые исследуют карту и эффективно находят такие маршруты. Один из самых известных – это «Поиск A*» (или «Алгоритм А*»). Покидая Бонд-стрит, он ведет не на запад к Мраморной арке, а на восток, к Оксфордскому цирку, поскольку это приближает вас к конечной точке, станции «Кингс-Кросс».

Илл. 6. Шейки, первый передвигающийся робот, способный рассуждать о том, как перемещаться по окружающей местности

Поиск A* был разработан в 1968 году для навигации робота Шейки (Shakey) [2]. Это имя (с английского – «Шаткий») ему подходило: робот действительно двигался довольно неуверенно. Он был сконструирован Стэнфордским исследовательским институтом в Менло-Парк, штат Калифорния. Это была первая попытка построить полноценного робота, такого, как вы могли видеть в фильмах – робота, оснащенного камерой для восприятия окружающего мира, микрофоном для распознавания команд, колесами и двигателем для наземной навигации и бортовым компьютером для принятия решений. В 2004 году Шейки был увековечен в Зале славы роботов Университета Карнеги-Меллона наравне с некоторыми более знаменитыми, но вымышленными роботами, такими как HAL 9000, R2–D2, C–3PO и робот Робби.

Компьютер Шейки имел электронную карту своего мира. Робота можно было попросить выполнить задачу, например: Шейки, сходи, пожалуйста, в библиотеку и принеси книгу. Он начнет исследовать свою электронную карту при помощи Поиска A*, выбирая подходящий маршрут из символов, обозначающих текущее местоположение, до символов, обозначающих библиотеку. Двигатель Шейки также проследует по маршруту, используя камеру, датчики для определения расстояний и датчики ударов для отслеживания прогресса до достижения цели.

В отличие от людей, которые не всегда с успехом находят дорогу, Поиск A* математически совершенен. Что я имею в виду? Во-первых, он полноценный. Если есть какой-либо маршрут из точки А в точку Б, то A* найдет его. Во-вторых, он оптимален. Построенный алгоритмом маршрут из точки А в точку Б будет самым коротким из возможных. И в-третьих, он максимально эффективен. То есть при поиске кратчайшего маршрута от A до Б алгоритм A* исследует как можно меньшую часть карты. Вы не сможете найти маршрут, используя меньший объем поиска! Чтобы доехать от Бонд-стрит до Кингс-Кросс он не будет учитывать вариант с Мраморной аркой.

Прежде чем отбросить Поиск A* как любопытный анекдот в истории искусственного интеллекта, вам следует осознать, что это, вероятно, один из самых типичных примеров использования искусственного интеллекта в нашей повседневной жизни. Каждый раз прокладывая маршрут на своем телефоне или используя GPS в машине, вы используете программу на основе Поиска А*, которая ищет наиболее короткий маршрут, учитывая дорожные условия, пробки, перекрытие дорог и информацию о расписании общественного транспорта. Иронично, что изначально алгоритм Поиск А* разрабатывался для навигации роботов, а сейчас используется для навигации людей. Не знаю как для вас, но для меня это одно из невероятных улучшений моей жизни. Теперь я не теряю время, потерявшись в переулке, и не спеша могу добраться до места вовремя.

ПЕРВЫЙ ИСКУССТВЕННЫЙ МАТЕМАТИК

Простую идею поиска можно перевести на другой уровень – увеличить размер карты, поставить задачу сложнее, чем поиск маршрута, например собрать сложный пазл или доказать трудную метаматематическую теорему.

Возьмем популярную головоломку «Пятнашки 3×3», где в поле 3×3 восемь клеток заполнены. Цель – расположить все восемь ячеек в числовом порядке. Мы можем представить это в виде задачи поиска и предоставить Поиску А* найти решение. В этой задаче ячейки головоломки представляют собой точки на карте. Два состояния считаются смежными, если переместить можно только одну ячейку. Для решения этой головоломки нам необходимо найти путь от заданной начальной точки до конечной в числовом порядке.

Илл. 7. Пример поиска решения «Пятнашки 3×3»

В начальной точке показанного на иллюстрации 7 древа поиска пустая ячейка находится в нижнем ряду посередине. Первый шаг – сдвинуть ячейку 6 вниз, создав пустое поле посередине. Аналогично, вторым шагом надо сдвинуть восьмерку в верхнем ряду вниз, создав пустое поле уже в средней ячейке верхнего ряда. Следующие два хода будем передвигать пустую ячейку против часовой стрелки. Наконец, переместив восьмерку влево, мы приходим в конечную точку, где цифры расположены в числовом порядке вокруг пустой ячейки в середине квадрата.

Роботы по типу Шейки обладают полной картой. Каждая точка представлена определенным символом, а соседние в реальном мире локации связаны и в карте. Что, если мы представим локации не совсем очевидным способом? Тогда мы сможем проводить поиски даже на бесконечном пространстве.

Первые новаторы в области искусственного интеллекта Аллен Ньюэлл и Герберт Саймон продемонстрировали эти идеи на Дартмутском семинаре в 1956 году, представив свою программу Logic Theorist («Теоретик логики»). В то время Ньюэлл работал в аналитическом центре корпорации RAND, но в 1961-м перешел в Университет Карнеги-Меллон (позже Технический университет Карнеги), чтобы продолжить совместную работу с Саймоном, профессором промышленного менеджмента. Саймон был настоящим междисциплинарным гением. В 1978 году ему была присуждена Нобелевская премия по экономике. Его исследовательские интересы охватывали такие области, как когнитивистика, информатика, государственное управление, менеджмент и политология. Тем не менее двигателем всех его исследований была попытка понять концепцию принятия решений человеком с точки зрения науки. В 1947-м он писал:

«Человек, стремясь к рациональности и будучи ограниченным в своих знаниях, создал определенные рабочие процессы, которые частично помогают устранить эти трудности. Такие процессы заключаются в предположении, что он может обособить от всего мира закрытую систему из ограниченного количества переменных и ограниченного ряда последовательностей» [3].
Переписывание основ математики – это поступок как раз в духе Бертрана Рассела. Его часто считают одним из самых умных англичан. Томас Стернз Элиот рассказал историю, как его однажды узнал лондонский таксист. Элиот был удивлен, поскольку поэтов не часто узнают на улице. «У меня глаз наметан на знаменитостей, – якобы ответил водитель. – На днях я подвозил лорда Рассела и сказал ему: “Ладно, Бертран, так о чем, собственно, речь?” И знаете что? Он не смог ответить». Дэниел Хэннан рассказал эту историю в статье «Та же старая песня» в журнале The Spectator в 2015 году.

Саймон и Ньюэлл приступили к описанию «рабочих процессов» в таких компьютерных программах, как Logic Theorist.

Logic Theorist часто называют «первой программой на базе искусственного интеллекта», но она вовсе таковой не была. Первыми стали программа для игры в шашки, написанная Артуром Сэмюэлом в 1952 году, и Turochamp, шахматная программа 1948 года от Алана Тьюринга и его друга Дэвида Чемперноуна. Чуть позже мы об этом поговорим. Тем не менее Logic Theorist – первая программа, разработанная для доказательства математических теорем и демонстрации силы рассуждения при помощи символов. В действительности, Logic Theorist доказал 38 из 52 теорем из знаменитого труда по математике Альфреда Уайтхеда и Бертрана Рассела Principia Mathematica²⁹.

Principia Mathematica делает попытку изложить основы всей математики. Этот труд содержит доказательства некоторых фундаментальных математических истин, таких как modus tollens (рассуждение от противного), закон контрапозиции, который говорит нам, что если истинность P предполагает истинность Q, то ложность Q влечет за собой ложность P. Если, выигрывая в лотерею, вы счастливы, то несчастны вы из-за того, что не можете выиграть в лотерею. Этот логический аргумент уходит корнями глубоко до начала проведения лотереи Powerball, прямиком в III век до н. э., к Теофрасту³⁰, члену аристотелевской школы перипатетиков³¹.

Logic Theorist не только доказывал теоремы из Principia Mathematica по типу modus tollens, но и открывал новые, а в некоторых случаях и доказывал их. Logic Theorist буквально переписал основы математики, в точности как Уайтхед и Рассел сделали, написав Principia Mathematica. Он искал новые математические истины, начиная с простейших аксиом и ранее установленных фактов, получая из этого новые математические истины до тех пор, пока успешно не достиг цели. Таким образом, он перемещался по бесконечной карте математических истин в поисках новых.

Искусственный математик Logic Theorist был научным прорывом. Кто бы мог представить в 1956 году, в самом начале стремления создать искусственный интеллект, что машины уже так скоро смогут доказывать теоремы? Памела Маккордак, одна из первых историков искусственного интеллекта, писала, что Logic Theorist был «убедительным доказательством того, что машина может выполнять задачи, которые до сих пор считались разумными, творческими и присущими только человеку» [4]. Герберт Саймон сделал более смелое заявление о своем изобретении: «Мы создали компьютерную программу, способную на нечисловое мышление и, таким образом, способную решить древнюю проблему взаимодействия разума и тела, объяснив, как система, состоящая из материи, может обладать свойствами разума» [5].

Илл. 8. Головоломка «Ханойская башня»

Боюсь, что мы уже живем в мире сенсационных заявлений и мифов, о котором нас предупреждал Артур Сэмюел. «Мышление» – это нечто большее, чем доказательство простых логических утверждений, а решение “проблемы разума и тела” – еще большее, чем это». Тем не менее Logic Theorist на самом деле был важным этапом в развитии искусственного интеллекта. Впервые машина стала способна выполнять действия, на которые ранее был способен только человек. Машина смогла доказать сложнейшие математические теоремы.

УСТРАНЕНИЕ ПРОБЛЕМ

Вдохновленная успехом Logic Theorist, команда калифорнийских исследователей и создателей робота Шейки изобретает STRIPS (Stanford Research Institute Problem Solver), специалиста по решению проблем от команды Стэнфордского исследовательского института [6]. Программа на основе искусственного интеллекта была «мозгом» робота. STRIPS достигал поставленной для робота цели, исходя из задачи: пожалуйста, дай мне книгу, и искал пути для ее осуществления, разбивая на шаги, которым дальше следовал робот. Иди в библиотеку. Возьми книгу. Вернись из библиотеки с книгой. В отличие от Logic Theorist, который был ограничен лишь поиском доказательств для математических утверждений, STRIPS в теории мог решить любую проблему. Подвох заключался в формулировании проблемы в виде логического высказывания, делая его похожим на своего рода математическую задачу, которую решал Logic Theorist.

Представим, что роботу поручили решить головоломку «Ханойская башня». Эта перестановочная головоломка состоит из трех стержней, на которые надеты несколько дисков разного диаметра. Изначально все диски расположены на левом стержне, самый большой диск находится внизу, а самый маленький вверху. Цель – переместить и расположить все диски в том же порядке на правом стержне. В процессе решения головоломки игрок может передвигать за раз только один диск. Каждый шаг – это перенос верхнего диска с одного стержня на верх другого. Чтобы усложнить задачу, игроку нельзя класть больший диск на меньший, только меньший на больший.

Решения «Ханойской башни» достаточно сложны. Если в головоломке только два диска, игрок берет меньший из них с левого стержня и оставляет на пустом стержне посередине. Затем переносит большой диск с левого на пустой правый стержень.

Теперь игрок может переместить маленький диск со среднего стержня, надев его поверх большого на правом стержне. Пирамида из двух дисков, расположенных от большего к меньшему, теперь на правом стержне.

Это не так уж и сложно, пока есть всего два диска. Чем больше дисков, тем запутаннее и сложнее становится решение. С тремя дисками требуется семь шагов, чтобы решить головоломку, с четырьмя дисками – 15 шагов, с пятью – 31 шаг, а с шестью – 63 шага. С каждым прибавлением всего одного диска общее количество шагов увеличивается больше чем вдвое. Математики называют это комбинаторным взрывом.

Так как же STRIPS решает проблемы? Данные головоломки представлены набором математических истин “on(disc2,peg1)” и “on(disc1,disc2)”. Следовательно, в исходном значении большой диск, обозначенный disc 2, расположен на левом стержне peg 1, тогда как маленький диск disc 1 располагается сверху большого disc 2. Получается, что конечная цель “on(disc2, peg3)” и “on(disc1,disc2)”. Следовательно, большой disc 2 должен находиться на правом стержне peg 3, а маленький disc 1 поверх большого disc 2. Существует набор математических операторов для преобразования одного состояния в другое. Например, одним шагом оператор может преобразовать “on(disc1,disc2)” в “on(disc1,peg2)”, передвинув маленький disc 1, расположенный на большом disc 2, на средний стержень peg 2.

«Ханойская башня» окружена множеством мифов. Один из них заключается в том, что эта головоломка пришла к нам из древнеиндуистского храма Каши Вишванатх. На трех потертых столбах в одном из помещений храма были нанизаны 64 золотых диска. Сотни лет брахманы передвигали диски с одного столба на другой. Задача была сродни подвигам Геракла. Если бы монахи перемещали один диск каждую секунду, то им понадобилось бы около 600 миллионов лет, чтобы достигнуть цели³². К счастью для человечества, легенда также гласит, что, когда монахи решат эту головоломку, наступит конец света.
Настоящее происхождение «Ханойской башни» куда прозаичнее. Игру придумал французский математик Эдуард Люка³³ в 1889 году как один из способов увлекательного времяпрепровождения. До 1956 года эта игра поистине бросала вызов роботам, пока мы не начали создавать таких роботов, как Шейки.

Что действительно сделало STRIPS эффективным и могущественным, так это разделение математического описания задачи от описания ее решения. Такое разделение содержания проблемы от ее решения стало одной из главных особенностей эры символизма. Мы отделили что от как. Чтобы STRIPS решил новую задачу, мы просто меняем что, а не как. Добавить еще один диск на «Ханойскую башню»? Не проблема. Просто меняем описание задачи и добавляем еще один диск. Два диска одного размера? Снова не проблема. Просто меняем описание задачи.

Главная мотивация к такому разделению заключалась в том, что множество задач могут быть решены аналогичными способами. Следовательно, при обновлении задачи нам не нужно каждый раз обновлять описание того, как ее решить. В действительности у STRIPS был простой и универсальный способ решения задач «анализ средств и целей», при котором проводится поиск различий между текущим и целевым состоянием, а затем применяется оператор, устраняющий эти различия.

Например, одно из различий между исходным и целевым состояниями «Ханойской башни» заключается в том, что самый большой диск нанизан не на тот стержень. Исходное состояние – на левом стержне “on Peg 1”. Конечное состояние – на правом стержне “on Peg 3”. Анализ средств и целей предполагает, что нам необходимо переместить самый большой диск с исходного стержня на конечный. Это подразумевает новую подцель – переместить любой диск, находящийся над самый большим, таким образом, что мы сможем его высвободить и переместить на конечный стержень. Затем мы рекурсивно применяем анализ средств и целей к этой подцели – освобождению самого большого из оставшихся дисков, что позволит убрать с пути диски меньшего размера.

Анализ средств и целей – мощный способ для решения задач, который также применим и в нашей обычной жизни. Хотите вырастить собственные помидоры? Тогда сделайте из уголка вашего сада огород. Хотите сделать огород? Тогда удалите сорняки и вскопайте почву. Хотите вскопать почву? Тогда достаньте лопату из гаража. Хотите избавиться от сорняков? Тогда купите гербициды.

ПОИСКОВЫЕ ОГРАНИЧЕНИЯ

В теории мы можем сформулировать любую проблему в том виде, в котором STRIPS может ее решить, затем искать ответ, используя анализ средств и целей, но на практике выходит, что не совсем можем, поскольку сталкиваемся с ранее упомянутым «комбинаторным взрывом». Количество возможных выборов, которые мы должны учесть при поиске решения, экспоненциально растет и вскоре становится неподвластным.

Экспоненты становятся запредельно большими. Знаменитая притча об изобретении шахмат поможет понять, какие проблемы возникают у искусственного интеллекта в этом случае. Жил на свете человек, и создал он шахматы, которые захотел показать императору Индии. Император был настолько поражен и благодарен, что предложил изобретателю самому выбрать награду, ожидая, что он попросит золото или другие богатства. Изобретатель же попросил всего лишь рис.

«Император, мои желания очень просты. Я хотел бы только одного. Дайте мне одно рисовое зернышко за первую клетку шахматной доски, два зернышка – за вторую клетку, четыре зернышка – за следующую, восемь – за следующую и так далее за все 64 клетки».

Император сразу же согласился, не осознавая экспоненциальную опасность просьбы. Повторные удвоения вскоре делают числа очень большими. Сумма зерен на доске окажется больше, чем 18 квинтиллионов. Если быть предельно точным, то на всей шахматной доске будет 18 446 744 073 709 551 616 рисинок. Такое количество риса покрыло бы всю Индию слоем глубиной практически в метр.

Примеры экспоненциального роста мы наблюдаем каждый день: от инфекционных заболеваний, таких как COVID–19, распространяющихся молниеносно по всей планете, до ядерных цепных реакций, высвобождающих огромную энергию. Как и императору, нам не всегда удается интуитивно понять, как скоро что-то удваивающееся сможет выйти из-под контроля. Такие экспоненты – проблемы, продолжающие преследовать искусственный интеллект и сегодня. К ним также относится и вопрос, почему такие чат-боты, как ChatGPT, могут сочинить сонет в стиле Шекспира, но испытывают трудности при логическом мышлении. Логические выводы резко умножаются. Два больше, чем один. Три больше, чем один. Четыре больше, чем один. Экспоненциальный рост настигнет искусственный интеллект раньше, чем он попытается подумать. ChatGPT может без особых трудностей написать текстовый абзац, но не способен на простые умозаключения. Ему даже сложно считать и складывать.

Давайте я вам покажу.

Я: Сколько букв в слове «идеально»?
ChatGPT: В слове «идеально» девять букв³⁴.
Я: Нет, в слове восемь букв.
ChatGPT: На самом деле, в слове «идеально» девять букв. Вы можете сами посчитать их: и, д, е, а, л, ь, н, о.

Идея № 2:
Сделать лучший ход

Сейчас мы подбираемся ко второй из шести ключевых идей в области искусственного интеллекта на сегодняшний день. Это способ решить, что делать, когда весь мир против тебя. В соревновательной среде тебе нужно выбрать наилучший возможный ход, предполагая, что твой противник выберет сделать свой наилучший возможный ход.

Опять-таки, это настолько просто, что звучит очевидно. Позвольте мне объяснить. Находясь в ситуации конкуренции, когда ваш противник выигрывает, вы проигрываете. Следовательно, наилучший возможный ход вашего соперника – наихудший возможный ход для вас. Эта идея также не новая. Мы все так действуем, когда играем. Если я пойду конем и атакую черного короля, тогда наилучший ход для черных – пожертвовать ладьей. И это даст мне ощутимое преимущество.

Давайте сыграем в «21», чтобы продемонстрировать эту идею. Вам не нужно пить во время игры, но будет намного веселее, если вы нальете себе стаканчик. Игра начинается с нуля. Каждый игрок по очереди добавляет один, два или три к предыдущему числу и озвучивает новое. Конечное число не должно быть больше 21. Тот игрок, который назовет 21, проигрывает и должен выпить.

Илл. 9–10. Чертеж Nimatron из Патентного бюро США и его фотография 1940 года

Хорошо, я буду первым.

Я: 1
ВЫ: 4
Я: 7
ВЫ: 8
Я: 9
ВЫ: 12
Я: 14
ВЫ: 16
Я: 17
ВЫ: 20

У меня нет другого выхода, как назвать 21. И это означает, что вы выиграли, загнав меня в угол!

Давайте применим концепцию выбора наилучшего возможного хода для игры в «21», учитывая, что ваш противник сделает то же самое. На самом деле, это позволит сыграть нам в эту игру идеально. Мы сталкиваемся с первой проблемой: ваш наилучший возможный ход зависит от всех последующих шагов обоих игроков. И как же нам разрубить этот гордиев узел?

Алгоритм на основе искусственного интеллекта минимакс позволяет разрешить эту проблему. Минимакс думает наперед о наилучшем возможном ходе, начиная с конца игры. Он берет начало в конце потому, что в конце игры становится понятно, кто выиграл, а кто проиграл. Каждый раз минимакс возвращается назад, к предыдущему ходу, и рассматривает, как вы, игрок МАКС, можете выиграть, пока я, игрок МИНИ, прилагаю все усилия к вашему проигрышу. В конце игры, если вы называете 21, вы проигрываете. Следовательно, для шанса на победу ваше последнее названное число должно быть меньше 21. Предположим, что это число 20. Тогда я буду вынужден назвать 21 и вы выиграете. Следовательно, ваша цель теперь не назвать 21, а назвать 20. Давайте думать в обратном направлении, начиная с вашей цели назвать 20. Если я назову 17, 18 или 19, тогда вы сможете назвать 20 и выиграть на следующем ходе. Получается, что ваша цель теперь не назвать 20, а сделать так, чтобы я назвал 17, 18 или 19.

Снова думаем в обратном от вашей цели направлении, чтобы я назвал 17, 18 или 19. Если вы назовете 16, тогда я могу назвать 17, 18 или 19 и у вас будет возможность оказаться победителем. Теперь ваша новая цель – это назвать 16. Вы знаете, что сможете одержать победу на следующем ходу, при условии, что хорошо играете. Сейчас вы снова можете применить обратное мышление, отталкиваясь от цели назвать 16. Если я назову 13, 14 или 15, тогда вы сможете назвать 16 и в итоге выиграть. Если вы назовете 12, тогда мне нужно будет назвать 13, 14 или 15 и вы сможете выиграть. Следовательно, теперь ваша цель – это назвать 12.

Вы можете продолжить повторять двигаться в обратном направлении, сменяя вашу цель с 12 до 8, а после до 4. Это в точности та же стратегия, что была в самом начале игры: вы назвали 4, 8, 12, 16 и 20. Называя числа кратные 4, вы гарантированно сможете выиграть в «21». Конечно же, ваш противник будет придерживаться той же стратегии. Чем больше игроков, тем сложнее становится стратегия. Тем не менее принцип минимакс найдет наилучший способ выиграть.

Мы можем применить концепцию обратного мышления и к более сложным играм, например к шахматам. Однако шахматы обладают более сложным древом возможных ходов. В среднем на каждый ход в шахматах приходится более 30 возможных ходов, в то время как на каждый ход в «21» всего три. Компьютеры хороши в выполнении таких задач. Такое обратное мышление сегодня заложено в сердце даже самого мощного компьютерного движка для игры в шахматы.

Принцип обратного мышления помогает в решении не только шахмат и «21», но и других проблем реальной жизни, которые могут быть представлены в качестве игры против оппонента. Где мне контролировать транспортную сеть, учитывая, что «зайцы» быстро поймут, какие территории меньше всего находятся под присмотром? Какие облигации мне купить, чтобы минимизировать риск инвестиций, учитывая, что рынок может выступить против меня? Какое профилактическое обслуживание мне необходимо выполнить для моего авиапарка, учитывая, что эрозии и изнашивание деталей могут быть причиной поломок? Жизнь сама по себе уже игра.

Вариаций шахматных партий больше, чем атомов во Вселенной. Шахматные движки используют множество трюков, чтобы избавиться от рассмотрения каждой возможной партии. Количество возможных шахматных партий обозначается числом Шеннона, значение которого составляет от 10¹¹¹ до 10¹²³. Его впервые вычислил Клод Шеннон в своей работе 1950 года «Программирование компьютера для игры в шахматы». Эта работа поспособствовала развитию области компьютерных шахмат. Шеннон принимал участие в Дартмутском семинаре 1956 года и более известен как «отец теории информатики». В 1937 году в своей магистерской диссертации он доказал, что логика Буля может быть применена к электрическим реле, тем самым подготовив почву для проектирования цифровых схем компьютера. Профессор когнитивистики и педагогики в Гарвардском университете Говард Гарднер оценил его диссертацию как «возможно, самую важную, а также самую известную магистерскую работу столетия».

ПЕРВЫЙ ИГРОВОЙ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

Самая первая игра, созданная на базе искусственного интеллекта, была одной из вариаций игры на выпивание, которую мы недавно рассмотрели. Корпорация Westinghouse Electric в 1940 году разработала Nimatron³⁵ (Ниматрон) и продемонстрировала его на ежегодной Всемирной выставке в Нью-Йорке [1]. Более 44 миллионов человек посетили выставку, темой которой стал «Мир завтрашнего дня». Посетителям обещали показать мир будущего, в который входил и Nimatron, электрорелейная машина для древней китайской игры в ним. По правилам этой игры участники по очереди берут камни, разложенные на несколько кучек, но за один ход могут взять камни только из одной кучки. Игрок, поднявший последний камень, проигрывает. Nimatron – двумерная версия игры в «21».

Nimatron не был полноценным компьютером, а только лишь машиной для игры в ним. Следовательно, он и не являлся тем, что впоследствии мы назовем машиной Тьюринга. Тем не менее это было впечатляющее творение, весом более тонны и с четырьмя линиями по семь лампочек со стороны человека-игрока и с каждой из четырех сторон верхнего дисплея для зрителей. Игроки по очереди играли с автоматом, гася одну или более лампочек до тех пор, пока не погаснут все.

Nimatron требовалось всего несколько миллисекунд, чтобы сделать свой ход. В целях избежания деморализации человеческого противника, запрограммировали задержку, с учетом которой у машины на обдумывание уходила пара секунд. Даже с учетом этой искусственной задержки Nimatron был в некоторой степени подавляющим. За время всемирной выставки было сыграно более 100 000 партий. В девяти из десяти игр победителем становился Nimatron. При этом большинство поражений ему нанесли операторы машины: они запоминали выигрышные стратегии, чтобы показать толпе, что Nimatron и правда можно обыграть.

Nimatron вдохновил инженерную компанию Ferranti на создание другой машины для игры в ним, Nimrod, который представили на фестивале Британии в 1951 году.

Nimrod тесно связан с Австралией, поскольку был разработан австралийцем Джоном Мейкписом Беннеттом, работающим в то время в компании Ferranti. После он вернулся на родину, стал первым профессором информатики и основателем Австралийского компьютерного сообщества.

ИИ ШАХМАТЫ

Среди всех различных игр, в которые мы играем сегодня, шахматы занимают особое место в развитии искусственного интеллекта. В 1941 году, через год после изобретения Nimatron, в Блетчли-парке Алан Тьюринг начал обсуждать со своими коллегами по взламыванию кодов возможность создания машины, способной играть в шахматы и выполнять другие «умные» задачи. К моменту окончания Второй мировой войны Тьюринг был убежден, что теоретически компьютер способен воспроизвести все, на что способен человеческий мозг, в том числе и игру в шахматы.

1.Дуглас Адамс (1952–2001) – британский писатель и сценарист, чья сатирическая сага «Автостопом по Галактике» стала культовым феноменом, объединившим научную фантастику с тонким английским юмором. – Здесь и далее, если не указано иное, прим. науч. ред.

2.Автостопом по Галактике / перевод В. Баканова. Дословный перевод названия романа – «Путеводитель для путешествующих по Галактике автостопом». – Прим. ред.

3.Артур Чарльз Кларк (1917–2008) – английский футуролог и научный фантаст, чьи идеи, включая концепцию спутниковой связи, часто опережали технический прогресс. Входит в так называемую Большую тройку (вместе с Азимовым и Хайнлайном) англоязычных фантастов XX века.

4.Айзек Азимов (1920–1992) – американский биохимик и писатель, сформулировавший знаменитые Три закона робототехники. Его творчество сыграло ключевую роль в популяризации науки и формировании современного образа роботов в культуре.

5.Джон Маккарти (1927–2011) – выдающийся американский информатик, лауреат премии Тьюринга (1971). Он ввел термин «искусственный интеллект» и разработал язык программирования Lisp, ставший стандартом в этой области на десятилетия.

6.Если вам интересно узнать о том, как я чуть не оставил свой отпечаток в истории искусственного интеллекта, едва не утопив Джона Маккарти, то почитайте об этом в моей первой книге “It’s Alive! Artificial Intelligence from the Logic Piano to Killer Robots”. – Прим. автора.

7.Алан Тьюринг (1912–1954) – английский математик и криптограф, заложивший теоретические основы информатики. Его концепция универсальной вычислительной машины и предложенный тест на интеллектуальность машин остаются фундаментальными для всей сферы ИИ.

8.Артур Сэмюэл (1901–1990) – американский пионер компьютерных наук. Считается автором термина «машинное обучение».

9.Фриц Ланг (1890–1976) – классик немецкого экспрессионизма. Его «Метрополис» стал одной из первых киноантиутопий, заложившей визуальный канон изображения будущего и отношений человека с машиной.

10.К сожалению, Алан Тьюринг умер до моего рождения, так что мне не удалось встретить его. Однако ИИ – узкая область, поэтому у меня (как и у многих других) есть определенные академические связи. Тьюринг учился в Кембриджском университете под руководством Людвига Витгенштейна. Другим аспирантом Витгенштейна был математик Рубен Гудстейн, известный своей теоремой Гудстейна. А одним из аспирантов Гудстейна был Алан Банди, который стал профессором кафедры искусственного интеллекта в Эдинбургском университете, где в свое время был моим научным руководителем. – Прим. автора.

11.Bombe («Бомба») – Тьюринг не создавал эту машину с нуля, а радикально усовершенствовал разработку польских криптографов (так называемую криптологическую бомбу). Главным вкладом Тьюринга стал метод, позволявший значительно сократить перебор вариантов настроек роторов «Энигмы».

12.Речь идет о статье «Вычислительные машины и разум», опубликованной в философском журнале Mind (с англ. «Разум»). Именно в ней Тьюринг сместил фокус с философского вопроса «Может ли машина мыслить?» на прагматичный – «Может ли машина действовать неотличимо от человека?».

13.Ада Лавлейс (1815–1852) – графиня, которую называют первым программистом в истории не за написание кода для существующего компьютера, а за понимание того, что компьютер способен не только вычислять, но и манипулировать любыми символами (нотами, буквами), если их перевести в цифры.

14.Чарльз Бэббидж (1791–1871) – английский математик, прозванный «отцом компьютера». Его трагедия заключалась в том, что он придумал машину (аналитический двигатель) за сто лет до того, как технологии позволили бы ее построить.

15.Числа Бернулли – последовательность рациональных чисел, играющая важную роль в теории чисел и анализе. Лавлейс выбрала их для демонстрации мощи машины Бэббиджа, так как их вычисление вручную было чрезвычайно трудоемким и подверженным ошибкам процессом.

16.Далее автор цитирует отрывок из работы Ады Лавлейс, но не упоминает важную деталь – это комментарии к переводу статьи итальянского инженера Л. Менабреа об аналитической машине Бэббиджа. Однако ее «Примечания» (особенно «Примечание G» с алгоритмом) по объему и значимости в три раза превзошли сам исходный текст.

17.Джордж Буль (1815–1864) – английский математик и логик. В своем фундаментальном труде «Исследование законов мышления» (1854) он впервые применил алгебраическую символику для описания логических процессов. Эта система (булева алгебра) спустя столетие легла в основу схемотехники всех цифровых компьютеров

18.В 1908 году Королевский колледж переименуют в Университетский колледж Корка. Когда я работал в Университетском колледже Корка, я вспоминал Джорджа Буля каждый раз, как проезжал на велосипеде мимо дома на Гренвилл Плейс, 5, и видел бронзовую табличку с надписью, что здесь жил и создал свой шедевр «Исследования законов мышления» Джордж Буль. – Прим. автора.

19.Готфрид Вильгельм Лейбниц (1646–1716) – немецкий философ, математик и дипломат. Он не только предвосхитил идеи математической логики, но и спроектировал механический арифмометр, способный выполнять умножение и деление, а также описал двоичную систему счисления, ставшую «родным языком» современной вычислительной техники.

20.Имеется в виду знаменитый спор о приоритете – один из самых громких конфликтов в истории науки. Ньютон разработал основы метода флюксий (так он называл дифференциальное исчисление) еще в середине 1660-х, но не публиковал их. Лейбниц пришел к открытию математического анализа независимо десятью годами позже, но первым опубликовал свои результаты в 1684 году. Лондонское королевское общество, президентом которого был Ньютон, официально обвинило Лейбница в плагиате, однако сегодня историки науки признают их независимыми создателями исчисления.

21.Томас Гоббс (1588–1679) – английский философ, автор знаменитого трактата «Левиафан».

22.Раймунд Луллий (ок. 1232–1315) – каталонский философ, поэт и богослов. Его метод Ars Magna («Великое искусство») предполагал использование механических приспособлений (вращающихся кругов) для комбинаторного поиска истины, что историки информатики считают отдаленным прообразом логических машин. Вопреки легенде, он, вероятно, умер своей смертью, а не был забит камнями.

23.Talos – здесь автор иронично обыгрывает название современной американской компании Talos Trading, предоставляющей институциональные технологии для торговли криптовалютами. Бронзовый страж превратился в стража цифровых активов.

24.Легенда приписывает создание этого голема знаменитому раввину Йехуде Лива бен Бецалелю (Махаралю) в конце XVI века. Согласно преданию, чтобы оживить глиняного гиганта, нужно было вложить ему в рот шем (капсулу с магическим именем Бога), а чтобы отключить – вынуть ее.

25.Мэри Шелли (1797–1851) – английская писательница, начала писать «Франкенштейна» в 18 лет на спор. Летом 1816 года (известном как «Год без лета») компания друзей, включая лорда Байрона, запертая непогодой на вилле у Женевского озера, решила сочинять страшные истории. Так из литературной игры родился жанр научной фантастики.

26.Халицин – первый антибиотик, открытый с помощью глубокого машинного обучения (2020). ИИ проанализировал базу из 6000 молекул и нашел соединение, которое структурно отличается от всех известных антибиотиков, но эффективно убивает устойчивые супербактерии. Это доказало способность ИИ находить решения за пределами человеческой логики поиска.

27.HAL 9000 – компьютер из культового фильма Стэнли Кубрика и книги Артура Кларка. Существует популярная теория, что аббревиатура HAL – это сдвинутые на одну букву назад буквы IBM, хотя сам Кларк утверждал, что это означает Heuristically programmed ALgorithmic computer (эвристически запрограммированный алгоритмический компьютер).

28.Имеются в виду последователи Школы имен (мин цзя) – одного из шести основных философских течений Древнего Китая, занимавшихся проблемами соотношения имен и реальности.

29.Principia Mathematica («Математические начала») – трехтомный труд, написанный Бертраном Расселом и Альфредом Уайтхедом, целью которого было свести всю математику к набору логических аксиом.

30.Теофраст (ок. 371 – ок. 287 до н. э.) – древнегреческий философ и естествоиспытатель, ученик Аристотеля, «отец ботаники».

31.Перипатетики – ученики и последователи философии Аристотеля (от греч. περι-πατέω – «хожу кругом», так как обучение происходило во время прогулок).

32.Если точнее, то им понадобилось бы 2⁶⁴ – 1 секунда, что равняется 8 446 744 073 709 551 615 секундам. Это в два раза больше, чем текущий предполагаемый возраст Вселенной. – Прим. автора.

33.Франсуа Эдуард Анатоль Люка (1842–1891) – французский математик, известный работами в области теории чисел и занимательной математики.

34.На момент редактирования книги ситуация сильно поменялась. Актуальная версия нейросети GPT–5.2 (январь 2026 года) правильно указывает, что в слове «идеально» – восемь букв. С этим справляется даже самая «маленькая» из этого поколения моделей – GPT–5–nano.

35.Nimatron – аппарат, созданный для Всемирной выставки 1940 года, интересен тем, что Эдвард Кондон запатентовал его именно как «игровое устройство». Фактически это делает его прародителем всей индустрии видеоигр.

Bepul matn qismi tugad.