[spoiler]Легендарный профессор Марвин Минский, автор множества AI-концепций, включая теорию фреймов и самообучающихся нейронных сетей, задался риторическим вопросом: "почему у нас нет роботов, которые могли бы помочь Японии?". Прогресс в сфере умных систем намечался в 60-е и 70-е гг., полагает он, но затем что-то пошло не так. "Сегодня мы видим, как студенты создают роботы, умеющие танцевать, играющие в футбол и баскетбол -- но люди не учатся делать роботы умнее".
Патрик Уинстон, экс-директор массачусетской лаборатории искусственного интеллекта (1972-1997), солидарен с коллегой - "многие не согласны с нами по поводу отсутствия заметного прогресса, но потом действительно что-то пошло не так, где-то в 1980-е годы". Причины, по его мнению -- это сокращение финансирования фундаментальной науки после холодной войны и множественные попытки коммерциализировать сферу AI. Ныне происходящее в этой сфере Уинстон назвал "механистической балканизацией", когда исследователи сосредотачиваются на узких, нередко конфликтующих друг с другом, направлениях (нейронные сети, генетичские алгоритмы), забывая про фундаментальные проблемы, а конференции посвящаются конкретным "механизмам" и прикладным подходам к их созданию и оптимизации, а не общесистемным вопросам.
Чтобы построить мощный AI, полагает Уинстон, надо найти соответствующий "магический" ингредиент, отличающий мыслящих людей от неандертальцев. Он считает, что этот ингредиент -- наша способность создавать и понимать "истории", различные креативные описания реальности. Кстати, схожим с ним образом думает и Минский -- по его мнению, человек содержит в памяти десятки миллионов подобных историй и воспоминаний, и в каждой ситуации рассуждает по аналогии, отыскивая десяток наиболее похожих и применяя соответствующий опыт к текущей обстановке. Интересно, что IBM WATSON построен по схожему принципу.
Сидней Бреннер, автор трехбуквенного кода ДНК, также поддержал коллег, призвав ученых в сферах нейро- и когнитивных наук объединяться, сосредотачиваться на достаточно абстрактных задачах и дискутировать в терминах высокоуровневых подсистем и софта, а не на уровне "отдельных транзисторов в мобильной трубке".
Более оптимистичен Эмилио Биззи, один из основателей McGovern Institute of Brain Research при MIT: сейчас ведутся активные исследования по моделированию генерализованного обучения, успешно работают алгоритмы планирования и движения сложных робототехнических систем в меняющейся обстановке, много лабораторий трудятся над различными аспектами AI, и в ближайшие годы вполне ожидаем интегрированный успех.
Панель особо украсилась дискуссией Барбары Патри и Ноама Хомского, автора теории порождающих грамматик, заложенной в основу работы любого компилятора. Они сошлись во мнении, что ключ к созданию мыслящих машин -- семантика и понимание человеческого языка, однако серьезных прорывов здесь пока не заметно. Хомский покритиковал популярные подходы к машинному обучению с помощью статистических методов -- в ряде случаев они дают результат, схожий с человеческим, однако не помогают разобраться, как же происходит сам процесс мышления. Это все равно, что статистически моделировать танцевальный полет пчелы за медом и ее возвращение в улей -- без попыток понять, какой же смысл несет ее танец.
В общем, это нетрудная работа и я бы сказал даже простая - в 1970 г. в Киевском институте кибернетики, если верить тогдашнему ректору, очень близко подошли к этому решению.
Проблема тогда была в том, что каждый создатель давал свои определения и такая машина могла работать лишь с этим человеком, а когда садился другой, который вкладывал в слова другой смысл - работать было невозможно. Эти люди не были спецами в логике и давали не объективные определения, а пичкали машину своими субъективными толкованиями.
Я бы, допустим, наверняка смог бы сработать такую машину, но для этого необходимо купить необходимые компоненты, набрать нормальных программистов и т.д. - однако кто меня пустит в эту сферу и даст деньги и будет доставать все необходимые мне компоненты???
Застой в этой сфере вызван тем, что в соответствующие отрасли науки набилось до фига серости, которая лишена понимания, что надо делать и как надо делать. Накопление балластного материала сказывается по всем отраслям науки и именно это вызывает технический и экономический застой.
Например, что мешает выполнить логическую машину или программу, которая начала бы править тексты (мысли), на предмет соответствия их логическим правилам и производить исправления при обнаружении ошибок при формулировании мыслей и совершении операций с ними - подобно тому, как существует программа, исправляющая грамматические ошибки в текстах. Похожие разработки, между прочим, были ещё в 1970-х годах.
Подобная программа или такого рода компьютер могли бы вызвать волну спроса по всему миру и принести большие доходы.
Однако есть и издержки при внедрении такой техники: стадо обучится логически правильно мыслить и накалывать большие массы людей будет весьма проблемно. Хотя культурное и техническое продвижение человечества было бы колоссальным.
Я думаю, до фига людей, которым такой прогресс не нужен.
Билл Гейтс появился в США и мог начать свой путь в простом сарае, в котором он начал писать свои программные продукты. Но мог ли появиться Билл Гейтс у нас - в забюрократизированной стране, где людей в ту или иную отрасль закидывают не соответственно своим способностям, а потому что эти люди чьи-то протеже.