Как мы меняем мир - Стефан Кляйн

некоего Эдмона де Белами, но человека с таким именем никогда не существовало. Вместо подписи в правом нижнем углу холста стояла математическая формула, по которой было создано произведение. Неизвестный участник торгов получил более 430 000 долларов, что в сорок пять раз выше оценочной стоимости. Предсказание Ады сбылось: машины, следуя математическим правилам, производят творения, которым люди придают статус произведений искусства. Деньги поступили на счет коллектива художников под названием «Очевидное» (Obvious), который, как оказалось, состоял из парижского студента-информатика и двух его друзей.

Рис. 14. Портрет вымышленного Эдмона де Белами, нарисованный искусственным интеллектом. Вместо подписи – формула, по которой был создан портрет

Как и ожидалось, на творение парижан сразу же обрушилась критика. Художники, давно использующие компьютеры в живописи, заявили, что французский коллектив слишком буквально интерпретировал свое название «Очевидное»: по их мнению, портрет Эдмона де Белами не представлял никакого интереса. С помощью программного обеспечения, кстати, довольно старого, программисты создали всего лишь банальный плакат.

С другой стороны, журналисты воспользовались случаем, чтобы в принципе выступить против компьютерного искусства. Тон задал Джонатан Джонс, критик лондонской Guardian. «Какая ужасная, безвкусная, бессердечная и бездушная пародия на все творческое в человеческой природе», – с отвращением писал Джонс о картинах, сделанных машинами, которые он считал «умными лабораторными моделями». «Искусство всегда существует благодаря человеку – или не существует вообще»[162].

Неужели Джонс забыл, что наше видение того, что мы считаем результатом деятельности человека, меняется? Мастерство в шахматах или го признавалось одним из величайших триумфов человеческого разума еще несколько десятилетий назад, а сегодня мы испытываем пределы наших возможностей в этих самых играх. При оценке гроссмейстеров теперь учитывается, насколько часто им удается принимать в определенных ситуациях такие же решения, какие принимает искусственный интеллект. И нет никакой надежды на то, что Homo sapiens когда-нибудь сможет догнать машины.

Возможно, критик Джонс переживал за доходы и репутацию людей-художников. После крайне успешной продажи компьютерного портрета опасения, что машины в будущем займут часть арт-рынка, кажутся совсем не беспочвенными. Но пыл Джонса скрывает более глубокий страх: что человеческое творчество в целом станет играть менее важную роль.

Но какие основания для такого прогноза кроются в портрете Эдмона де Белами? Компьютер придумал и создал картину; в пресс-релизе аукционного дома интригующе утверждалось, что портрет «не является продуктом человеческого разума».

Соответствует ли пресс-релиз фактам? Прежде чем компьютер произвел необходимые вычисления для картины, трое молодых людей из «Очевидного» загрузили в машину почти всю историю западной портретной живописи – набор данных, состоящий из 15 000 картин всех эпох между XIV и XX веками. Программу, изобразившую Эдмона де Белами, конечно, тоже написали люди. Алгоритм придумал американский ученый-программист Ян Гудфеллоу, который сейчас работает в Apple. Его фамилия переведена на французский язык как «Белами». Утверждение, что картина, выставленная на аукционе по рекордной цене, не была «продуктом человеческого разума», совершенно абсурдно.

Фактически прибыльный эксперимент трех парижских студентов опровергает предположение об угрозе человеческому творчеству: он показывает, как мало так называемый искусственный интеллект может сделать сам по себе. Портрет Эдмона де Белами – это произведение исследовательского творчества, которое проходит в два этапа. На первом этапе в заданном диапазоне идет поиск еще не использованных возможностей – в этом случае связанных с правилами портретной живописи. Здесь искусственный интеллект показывает свои сильные стороны. Второй этап – оценка нового решения. В конце концов, творчество – это способность создавать нечто не только новое и удивительное, но и ценное. И здесь искусственный интеллект быстро достигает своих пределов.

Ведь что именно мы считаем ценным? Иногда ответ очевиден: в шахматах или го надо побеждать. Также несомненна цель разработки новых лекарств: действующие вещества, которые убивают болезнетворные микроорганизмы, облегчают симптомы или предотвращают страдания, являются полезными и нужными. Искусственный интеллект может проявить себя в таких сферах. К другим задачам предъявляются менее четкие требования. Как сформулировать задачу для программы, которая должна нарисовать художественную картину? Как компьютер будет придумывать рецепты, когда никто не может определить, что представляет собой приятный вкус? И как может ученый, который хочет использовать искусственный интеллект для разработки теории, объяснить машине, что именно ему нужно, если он сам этого не знает?

Компьютеры плохо умеют оценивать видимое или слышимое. Эта трудность возникает даже при попытке научить машину видеть. Людям легко распознавать предметы. Если вам покажут фотографию диджериду, вы отныне сможете точно идентифицировать этот австралийский духовой инструмент на других фотографиях, даже если вы никогда его не видели. Вы не можете сказать, почему вы так уверены в том, что изображены предметы одного и того же вида – точно так же, как музыкальный критик не может определить однозначных стандартов того, что делает одну композицию шедевром, а другую – какофонией. Вы принимаете решение на основании незнакомых вам критериев.

Задача распознавания образов, с которой мы справляемся с легкостью, создает огромные проблемы для компьютеров. (Вот почему так называемые капчи, которые мучают нас в Интернете дурацкими фотографиями пешеходных переходов и желтых школьных автобусов на американских дорогах, являются одними из самых безопасных методов различения человека и машины.)

В течение долгого времени технические препятствия казались непреодолимыми. Искусственные нейронные сети совершили прорыв только после 2010 года. Это программы, моделирующие ассоциативное мышление мозга и его структуру как сеть нейронов. Искусственная нейронная сеть сначала обучается желаемому ответу с помощью шаблонов: ей показывают фотографии и при этом сообщают, что именно программа должна распознать на них. Как только нейронная сеть получит достаточно изображений диджериду, она автоматически распознает этот инструмент. Однако программа не понимает, что такое диджериду, для чего он используется и какими свойствами обладает. Она просто находит искомый объект на основе его сходства с фотографиями, которые она анализировала во время тренировки.

Загвоздка в том, с какой медлительностью учатся искусственные сети. Даже ребенок сразу поймет, чем диджериду отличается от швейцарского альпхорна или обычной палки. Компьютерам требуется гораздо больше времени, чтобы научиться их распознавать. В качестве обучающего шаблона им нужны от десятков тысяч до нескольких миллионов различных изображений предмета. Поэтому машинное распознавание изображений стало возможным только тогда, когда на серверах Google, Facebook & Co. скопились миллиарды фотографий. Мы не знаем, почему мозг способен учиться намного эффективнее. Одна из причин может заключаться в том, что люди постоянно ищут значения, в то время как искусственные нейронные сети более поверхностны – они просто определяют сходство.

Сравнительно легко распознать, какой предмет изображен на фотографии; определить художественную ценность рисунка, оценить вкус нового блюда или соответствие научной теории является гораздо более