В июне 2009 года был совершён гигантский, но мало замеченный шаг в области создания Искусственного интеллекта. Важной вехой стал выход программы компьютерного видения Vision Toolkit от корпорации Numenta. Любой желающий может скачать бесплатный предварительный релиз программы с сайта корпорации.
Интерфейс тестового окна мало отличается от выпущенной ранее демоверсии. Однако теперь появилась возможность самостоятельно, не обладая навыками программирования, обучить цифровой аналог визуального отдела коры головного мозга млекопитающих распознаванию почти любых объектов на изображении. Количество объектов ограничено лишь размером доступной оперативной памяти.
Необходимо сразу оговориться, что технология HTM-сетей является новой парадигмой программирования, никем до этого не разрабатываемой. Таким образом, Vision Toolkit программа несовершенная, имеющая некоторые специфические ограничения, вполне устранимые, впрочем, в более поздних версиях. Это похоже на то, как воспринимает мир слабовидящий человек, вдобавок не понимающий контекста распознанных предметов. Например программа легко может попутать морду коровы без одного рога с мобильным телефоном. Хотя часто это вопрос корректности обучения. Тем ни менее потенциал развития новой технологии, лежащей в основе распознавания имеет просто фантастические перспективы.
В цель данной статьи не входит подробное описание программы. Все, кто заинтересовался, смогут найти инструкцию на сайте.
Последовательно и упорно корпорация Numenta открывает дверь в новую эру. То, чему было невозможно научить компьютеры скоро станет достижимо и вначале обретёт вид обыкновенных программ. Зоны сенсорного отдела коры головного мозга - зрение, слух, осязание и т.д. - все работает на одном принципе. Разница лишь в нюансах дизайна сети. Разница качества распознавания, но не принципиальной возможности её.
Итак, базовая визуальная сеть уже существует, что дальше? От распознавания произвольных объектов на статичных фотографиях до покадровых видео-изображений - один шаг, и... он уже пройден!
В 2007 году основателями Numenta была создана дочерняя фирма с креативным названием “Vitamin D”.
Обнародованная в том же году демо-версия программы по распознаванию видео-изображений людей Vitamin D Toolkit demo не особенно поражала воображение. Нечто похожее уже существует, и притом обеспеченное обычным программированием. Узко специализированные системы наблюдения и охраны работают давно и вполне надёжно. Вот только самостоятельно обучить их ничему нельзя. Впрочем, представленная летом 2009 года, сама программа Vitamin D Toolkit замечательна не этим. Впервые продемонстрирована возможность распознавания любых объектов в потоковом видео, а его частное применение в качестве интеллектуального охранника, лишь банальный вариант коммерческого использования.
Numenta также ведёт работу в области распознавания звуков. В частности, разрабатывается приложение, обученное определять пол говорящего. Пока сложно придумать практическое применение этому навыку, но человек-то умеет это, и делает не задумываясь, значит и машина должна научиться. Просто это начало начал по аналогии с восприятием младенца.
То, что сымитировать на компьютере работу всего сенсорного отдела коры мозга - реально, уже не вызывает сомнений, но ведь есть моторный и самое главное, ассоциативный отделы, как обстоят дела с ними? Есть ли хотя бы общее понимание, того, как они работают? Предоставим слово отцу концепции HTM, Джеффу Хокинсу и соавтору цитируемой статьи, создателю математического алгоритма сети Дайлипу Джорджу:
"С точки зрения HTM, система, к которой она подключена, всего лишь еще один объект мира. HTM формирует представление о поведении системы, к которой она подключена, и, что важно, она учится предсказывать ее поведение. Затем, с помощью механизма ассоциативной памяти представление встроенного поведения в HTM связывается с механизмом, создающим встроенное движение... После такого ассоциативного связывания, когда HTM задействует внутреннее представление движения, она может вызвать возникновение движения. Если HTM предсказывает, что движение возникнет, она может сделать так, что движение произойдет заранее. Теперь HTM находится в положении управления движением. Связывая вместе последовательности этих простых движений, она может создавать новое сложное целенаправленное поведение."
И также о мышлении:
"HTM автоматически предсказывает и предчувствует, что вероятнее всего произойдет далее. Вместо того, чтоб использовать эти предсказания для установки предпочтений, предсказания HTM могут быть направлены обратно в HTM, замещая сенсорные данные. Именно этот процесс происходит, когда люди думают. Размышление, воображение и планирование будущего, мысленный разговор в голове – все это одно и то же, и достигается путем серии предсказаний. HTM так же могут делать это." (цитаты из документа Hierarchical Temporal Memory: Concepts, Theory, and Terminology).
Что ж, кажется, у программистов появилось много работы, ведь для исследовательских целей алгоритм открыт. Тактика, избранная Хокинсом & Co., заключается в скорейшем формировании сообщества вокруг идеи HTM, и, как следствие, конкурентной среды для бизнеса. Это, по задумке, должно привести к ускоренным темпам развития технологии. В ближайшие годы нас, вероятно, ожидает взрыв по настоящему интеллектуальных программ и робототехники.
Алгоритм легко может работать на современных компьютерах, но в силу существенных требований к памяти и задержек по времени должен быть переведён на физический уровень (каждый узел/нейрон существует не программно, а материально). Кстати, эти чипы будут стоить дешевле обычных, так как почти не критичны к браку. Мемристор, функционально искуственный нейрон, уже изобретён. Это ещё один ускоряющий фактор.
Теперь с открытием принципа устройства интеллекта создание компьютерного разума переходит из плоскости безнадёжных, бессистемных экспериментов в плоскость написания конечного количества километров строчек программного кода. отныне создание искусственного интеллекта на основе HTM - вопрос времени. Никаких фундаментальных затруднений нет. Необходимо только время на решение чисто инженерно-технической проблемы параллельной связи между множеством узлов, сложное программирование, многочисленные эксперименты и тщательное обучение. Похоже можно признать, что неприступный бастион Загадки создания Искусственного интеллекта дал глубокую трещину.
Даже если окажется, что биологический мозг работает на несколько иных принципах, то для создания искусственных разумных систем это не будет иметь никакого значения, ибо реально работающий алгоритм, разработанный в Numenta и понимание сути мышления, позволяет конструировать полноразмерные модификации машинного разума. Цифровая модель колонки неокортекса отлично поддаётся масштабированию.
Сейчас, вероятно, разворачивается гонка по созданию интеллектуальных систем, в частности, военного назначения (не сложно представить, к примеру, снайперский пулемёт, не дающий противнику ни одного шанса на выживание, или ещё чего похуже).
В частности, есть данные, что ещё в 2007 году агентство передовых оборонных исследовательских проектов DARPA выделило без малого 5 млн. долларов на разработку системы на базе HTM, анализирующей фотографии спутников на предмет поиска конкретных объектов. Ожидалось стократное увеличение эффективности по сравнению с работой аналитиков - людей.
Тем не менее создание относительно развитых систем займет минимум годы опытов.
В итоге машинный разум не будет похож на человеческий, поскольку неокортекс - не весь мозг и тем более организм. Наша склонность к эмоциональности, физиологические нюансы строения тела и бытовой, жизненный и культурный опыт делают нас людьми. Чистый интеллект не пройдёт тест Тьюринга. Впрочем, несмотря на заверения Джефа Хокинса данные, видимо, чтобы успокоить общественность, озабоченную скорым появлением недружественного ИИ, машины с реакциями подобными человеческим всё же будут созданы. Пытаться повторить сложнейшее взаимодействие новой коры и древнего мозга - дело действительно, почти, безнадёжное, но вот попробовать сымитировать можно. И, притом, разными способами, вплоть до того, что холодный цифровой интеллект будет обучен просто играть роль эмоционального существа, как это делают актёры. То есть моделировать поведение - притворяться. Думается это будет сделано, так, как фантастика десятилетиями взращивала представление о машинном интеллекте, как человекоподобном. Люди желают этого.
Тем не менее вычислительный разум имеет некоторые преимущества над человеческим интеллектом. Причём, как минимум, два из них не могло быть предусмотрено, так как они вытекают непосредственно из новооткрытого принципа работы интеллекта. Итак, что же это за преимущества?
В первую очередь это скорость работы. Компьютеры были бы бесполезны, если бы работали со скоростью биологического мозга. Тогда открывания программ можно было бы ждать годами. Быстрый электрический мозг - известное, очень сильное и ожидаемое преимущество, которое будет работать в HTM.
Далее, это копирование. Человеческий опыт нельзя скопировать и передать другому человеку, машинный можно. Это скорее всего придаст прогрессу робототехники невиданное ускорение. Новые умения и навыки будут продаваться или обмениваться, как обычные приложения. Предвидеть это преимущество было не трудно.
Сенсорное, удалённое восприятие.
А вот это предусмотреть было сложно. Системе Иерархической Временной Памяти всё равно, какой тип сенсора к ней подключён. Если данные не хаотические она автоматически найдет закономерности, обучится их распознавать и предсказывать, что будет дальше. Это значит, что машина может "видеть" в ультрафиолетовом, инфракрасном и поляризованном свете, а так же рентгеновском, микроволновом и любом другом мыслимом излучении и свете. Она быстро представит себе пространственную структуру ультразвукового языка дельфинов и поймёт о чём на низких частотах говорят слоны. Сможет осязать, как слепые пальцем, отдельные атомы и молекулы, понимая "интуитивно" законы квантового мира. Чувствовать любой разлад в сложнейших системах через множество датчиков, распределённых по, например, телу человека. Притом удалённость цифрового "мозга" от сенсоров, и расстояние между ними не имеют значения. Перспективы представляющихся возможностей потрясают.
И, наконец, ёмкость и глубина. Здесь нас ждёт главный сюрприз. Исследователям возможностей будущего ИИ давно было понятно, что компьютерный мозг в отличие от биологического может быть неограничен в ресурсах памяти. И теперь мы знаем, что этого можно добиться увеличив размер конкретных областей, что называется "вширь". Но возможен и другой путь увеличения ёмкости системы - "вглубь".
По Хоккинсу человек получил эволюционное преимущество над прочими видами млекопитающих, когда под влиянием мутации у него закрепилась 6-ти ярусная структура нейронов в новой коре мозга, вместе с увеличившейся её площадью. У млекопитающих животных разное количество ярусов нейронов в колонке. У многих видов 5-6, но при этом не большая площадь коры В частности очень крупный дельфиний мозг имеет лишь 3 яруса. (Конечно в реальности детальная анатомия некортекса намного сложнее). В теории добавление каждого последующего уровня приводит к более глубокому пониманию причин сложных процессов. Чем больше слоёв, тем выше и абстрактней представления о понятиях на верхушке иерархии.
Повышение глубины HTM в совокупности с достаточной ёмкостью памяти, есть прямой путь к созданию свехинтеллекта. Таким образом создание сверхразума теперь находится исключительно в рамках экспериментального программирования, а практическое увеличение этажности системы возможно даже сегодня.
Однако, этот маршрут ещё не разведан и здесь могут быть свои "волчьи ямы". Например может оказаться, что глубина и емкость человеческого неокортекса является предельно эффективной и её увеличение приводит к хаотичности системы. Ответ на этот вопрос пока неизвестен, но такое ограничение представляется маловероятным.
Итак теперь со всей ясностью проступили черты реального машинного сверхразума. Как долго осталось ждать его? Это сложный вопрос. Сам Джефф Хокинс осторожно отводил 10 лет, от момента написания своей книги "Об интеллекте" (2004 год), до времени активного освоения систем искусственного интеллекта и значительного прогресса в понимании ограничений ёмкости и глубины HTM. Учитывая репутацию Хокинса, как человека дела, стоит внимательно относиться к его словам. Тем более, что после реально сделанного, глава книги, посвящённая прогнозам на будущее, совсем не воспринимается, как необоснованные мечтания. Сегодня приходит понимание того, что концепция тщательно продумана и теперь методично и последовательно претворяется в жизнь. Тихо, без громких обещаний и газетной шумихи Numenta делает своё дело.
Концепция HTM это даже нечто большее, чем просто реальная возможность создания машинного интеллекта. Это, как минимум, частичная, замена существующей вычислительной парадигмы "да/нет/или" на мозгоподобные системы. Именно поэтому свою базовую программную сеть Numenta назвала NuPIC (платформа интеллектуальных вычислений).
Признав теорию Иерархической Временной Памяти можно задаться вопросом - а возможен ли принципиально более совершенный интеллект? Или возможен ли интеллект работающий на другом алгоритме?
Подсказку здесь могут дать лишённые неокортекса, но при том весьма неглупые птицы или некоторые виды невероятно сообразительных пауков. Впрочем такие алгоритмы действительно могут существовать, но это неважно, потому что выполняют они одну и ту же функцию - предсказание будущего, опирающееся на память о сенсорном опыте. Принцип должен оставаться неизменным, иначе это уже не интеллект. Цель, преследуемая естественно возникшим биологическим мозгом - наиболее эффективное приспособление к относительно стабильным условиям для продолжения существования. Интересно, какова будет цель сверхразума, который сам в состоянии создать условия своего существования?
Возможно когда-нибудь в далёком, далёком космосе или на бесконечно чуждой планете мы столкнемся с совершенно другой формой разума, только... как мы поймём, что он разум?
Автор: Илья Казаченко
