Если бы чудеса существовали, они перестали бы быть чудом.
?Анатоль Франс
Профессор Хаширо Сакурохава собрал всех ведущих инженеров проекта и специально приехавшего представителя United Microelectronics Вэй Чжуна на срочную оперативку:
- Полагаю, все уже знакомы с этим? - он выложил на стол последний номер Science и внимательно оглядел всех. На обложке был изображён увеличенный фрагмент кристалла чипа и в центре большими буквами надпись: "Адаптивные квантовые полупроводниковые ИВМ-матрицы. Н. Майерс".
- Профессор, не предлагаете ли вы принципиально изменить стратегию подхода? - с тревогой в голосе отозвался Барни Дженкинс, ведущий инженер по квантовой электронике и заместитель руководителя лаборатории.
- Именно это я и предлагаю. Мы не можем достигнуть большего на фон-Неймановской архитектуре, даже несмотря на заметные успехи в эмуляции нейросетей.
Присутствующие не скрывали уже в который раз своего неодобрения. Профессор Сакурохава, будучи руководителем проекта L.E.A.I., имел привычку периодически снимать какую-нибудь отработанную годами технологию или концепцию с дальнейших разработок, заставляя создавать принципиально новую альтернативу практически с нуля. Это изрядно всех напрягало: до бессонных ночей с отсутствием у кого личной жизни, а у кого семейной. Многие не выдерживали, и профессор находил более молодых, талантливых и энергичных взамен.
- Вы хотите использовать ИВМ-матрицу для создания нейроморфного процессора? - догадался Дженкинс.
- Именно об этом я и говорю, - с энтузиазмом ответил Хаширо Сакурохава.
- Но, профессор, - продолжил Дженкинс, - об этом уже исписано немало работ по моделированию искусственного интеллекта. Как известно, алгоритмически в нейропроцессорах нет принципиальных преимуществ. Кроме того, актуальная для нас гибридная структура ИИ, в частности нейронные сети, имеет хорошую перспективу для эффективной эмуляции на квантовых процессорах. Для начала, разумней разработать действующие алгоритмы для универсального искусственного интеллекта, а затем уже думать какое аппаратное обеспечение подойдёт для этого лучше.
- Я говорю не просто о нейроморфном процессоре, - добавил с выразительной интонацией профессор. - Мы имеем возможность создать просто гигантский нейроморфный процессор нативно реализующий импульсные нейронные сети с возможностью выполнять квантовые вычисления. Кроме того, этот процессор будет способен гибко перестраивать на лету свою архитектуру под любую специфическую область задач.
- Я не сомневаюсь, что это может стать революционным шагом в создании микропроцессоров, но какая от этого польза нашему проекту? Пока не существует внятной теории по построению импульсных искусственных нейронных сетей. Всё, что было уже создано до нас, не продемонстрировало практических преимуществ перед нейросетями второго поколения. У нас нет никаких систематизированных знаний для этого. У нас нет никаких теоретических перспектив и гарантий, что это способно хоть как-то помочь нашему проекту.
Профессор несогласно покачал головой:
- Если бы все исследования в науке проводились только после оглашения каких-то особых гарантий, мы сейчас недалеко ушли бы в своих знаниях и технологиях от наших древних предков. Нет теории, говорите? Вот мы и займёмся её построением. Если не добьёмся качественного результата и не преодолеем проблему семантического взрыва, то, по крайней мере, будем иметь микропроцессор, способный продвинуть нас в скорости вычислений и заменить нашу 12-ти киловаттную серверную стойку со своими пятидесяти шестью микропроцессорами. Это позволит нашему Малышу стать полностью мобильным, избавиться от постоянной беспроводной связи с сервером и расширить пространство поиска в своей семантической памяти.
- Это будет опять попытка решить качественную проблему с помощью простого наращивания вычислительной мощи. Вы сами всегда критиковали это.
- У вас есть другие предложения? Я никому не запрещаю показать путь качественного, а не количественного развития.
- Но вы ещё предлагаете только ради количественного шага бросить все многолетние наработки по прежней архитектуре ИИ. Количественно мы можем развивать и нашу отработанную архитектуру за счёт проектирования квантовых микропроцессоров с регистрами бо;льшей разрядности, а также за счёт совершенствования и наращивания производительности обычных тензорных микропроцессоров. Мобильность Малыша не является сейчас принципиально важной задачей.
- Это не столько ради количественного результата, как ради шанса исследовать принципиально иной подход.
- Этот сомнительный шанс перечёркивает многие годы нашей продуктивной работы, которая позволила нам создать Малыша.
- Наш Малыш уже второй год как остановился в развитии.
В диалог вмешался Фрейзер Мур, профессор и несменный математик проекта L.E.A.I.:
- И всё-таки, профессор, - обратился он к Хаширо, - почему вы не желаете рассматривать версию, что для преодоления проблемы семантического взрыва, возможно, требуется наличие сознания у искусственного интеллекта?
- Потому что я, как учёный, придерживаюсь научной методологии. Я не могу рассматривать то, что не имеет какой-то, хотя бы теоретической модели, которая продемонстрирует принцип действия сознания и обоснует его значение для нашей проблемы.
- Так-то оно так, но есть ещё и тот факт, что наши компьютеры уже достигли производительности нейронных сетей человеческого мозга, а наши алгоритмы успешно справляются со всеми его интеллектуально-ментальными функциями. Однако при всём при этом у нас остаётся принципиальная проблема свести всё это вместе в самостоятельный универсальный ИИ. В отличие от компьютеров человеческий мозг не зависает при аналогичном оперировании данными в своей семантической памяти. Математическое моделирование творческого процесса у человека, основанное на известных комплексных исследованиях, показывает, что оно не имеет алгоритмического решения. Здесь очевидно, что мозг использует ещё какой-то механизм, помимо одних только программных алгоритмов. Таким образом, мы вполне обосновано можем предполагать существование некой принципиально иной сущности, которая есть неотъемлемой частью разумного поведения. Если вам не нравится слово сознание, мы можем назвать этот гипотетический механизм, например: сущность икс. Так вот, если эта неалгоритмическая сущность икс, существует, то попытки перебирать на авось всё новые и новые подходы - это только бессмысленная трата ресурсов, сил и времени. Сначала мы должны построить теорию, а потом, используя уже какие-то обоснованные стратегии, её проверять.
Большинство в аудитории загудели и стали одобрительно поддерживать Фрейзера Мура. Хаширо Сакурохава показал жестом, чтобы все успокоились, и произнёс:
- Фактически, профессор, вы апеллируете к неизвестному, что не может соответствовать научному подходу. То, что вы называете неалгоритмической сущностью икс, мы уже проходили на похожем примере, где в прошлом веке, апеллируя к теореме Гёделя, пытались доказать подобную идею. Поиски какой-то призрачной неалгоритмизации - это бесплодное теоретизирование. Пока алгоритмы способны самостоятельно обучаться и развиваться, взаимодействуя с окружающей средой, нам нет необходимости придумывать себе какие-то ограничения.
Его перебил Фрейзер Мур:
- У Гёделевского аргумента заблуждением было рассматривать интеллектуальные функции только как закрытую формальную систему. Проблема всё равно остаётся: принципиальная неалгоритмизация разумного поведения, обоснованная статистическими методами.
- Если мы понимаем, что некоторая формальная система - это всего лишь инструмент, которым мы приблизительно описываем природу, нет какой-то целесообразности выискивать математические ограничения, придумывая некую сущность икс, - повторил Хаширо Сакурохава. - Окружающую природу и интеллект необходимо рассматривать как целостный взаимодействующий механизм, который имеет отношение к формальным системам только тем, что демонстрирует фундаментальное свойство быть принципиально формализованным. Природа и формальная система - это не одно и то же. Если мы исходим из того, что природа познаваема, тогда у нас есть возможность описать природные явления алгоритмически, в том числе и интеллект. Что касается того, что прежде необходима теория, то мы просто находимся сейчас не на той стадии научного исследования. Вы уже требуете построения гипотез и разработок методов проверки, хотя на самом деле мы застряли на самой первой стадии, а именно: наблюдение и теоретический анализ. И сейчас для эффективного наблюдения нам необходимо активное взаимодействие с изучаемым объектом. Мы не можем непосредственно залезть в мозг человека и разложить пошагово, как там это работает, но мы можем проектировать различные модели нейронных сетей и в активном эксперименте наблюдать за результатами их работы. Именно это я и предлагаю. Это и можете считать моим обоснованием перехода на новую стратегию исследований. Если кто-то считает, что это сделать нам мешает наличие сознания у человека, то, или научно обоснуйте тезис, или в дальнейшем я вас больше не держу в этом проекте.
Атмосфера достигла максимальной концентрации недовольства в аудитории, но никто больше не стал возражать. Тогда снова заговорил Барни Дженкинс:
- Это потребует от нас создания принципиально нового чипа с интеграцией в него адаптивной ИВМ-матрицы. Ничего подобного ещё не делали наши микроэлектронщики. Адаптивная ИВМ-матрица Майерса - это пока весьма сырая модель с демонстрационным образцом разрешением всего 128х128 кубитов и разрядностью вычислений в один килокубит. А нам... м-м-м... понадобится матрица порядка нескольких сотен мегакубитов, чтобы приблизиться к необходимому разрешению связей нейронных сетей.
- Не будем кривить душой, мы все понимаем, - Хаширо Сакурохава демонстративно поднял перед всеми экземпляр журнала, - что этот образец 128 на 128, не что иное, как гениальное изобретение в области квантовой полупроводниковой электроники. Будем делать матрицу в двенадцать гигакубитов на двухнанометровом FinFET-true техпроцессе.
Кто-то взялся за голову, и тут не удержался Вэй Чжун:
- Но, сэр, двухнанометровый техпроцесс ещё не готов.
- Я договорился с ASML, они обещали предоставить оборудование для фотолитографии уже через месяц. Сколько вам нужно времени на разработку микропроцессора и запуск производственного процесса?
- Полгода, не меньше...
- Нужно уложиться за три месяца.
- Откуда такое финансирование? - удивился Ларри Беннетт, биотехнолог проекта, - я не слышал, чтобы и так в крайне ограниченном для научных целей бюджете завелись лишние доллары.
- Да всё оттуда же, - вздохнул обречённо Сакурохава, - DARPA, работаем по старой схеме: нам наука и искусственный интеллект, а им новые военные технологии. Поэтому параллельно будем дорабатывать источник питания: мне нужен КПД в 80%...
- Это невозможно, - запротестовал Стэнли Коулман, ядерный физик, - по теории невозможно. Максимум 65% вместо имеющихся 58%. Это и так огромный прорыв для радиоизотопных источников, благодаря нашей новой технологии РМТ-преобразования.
- 65% - это общее КПД термо-ЭДС и энергии торможения альфа и бета частиц в магнитном поле, а я говорю про ещё 15%, которые мы можем получить в зарядовых ловушках, используя заторможённые частицы как чистый электрический заряд.
- Это пока ещё чистая теория...
- Теория, которая уже досконально нами просчитана. Пора воплощать её в жизнь.
- И что, тоже за пару месяцев? - в ужасе спросил Коулман.
- На это у вас год. На период разработки и отладки программного обеспечения для макета достаточно аккумуляторов, а для тестирования каркаса с эндоскелетом старых источников питания. - Сакурохава снова перевёл взгляд на присутствующих и продолжил, - далее, эквивалентную мощность основных групп искусственных мышц нужно довести до пяти киловатт. Нашим спонсорам нужен андроид посильней и побыстрей тех, что мы имеем сейчас.
- При этом требуется сохранить гидравлическую подкачку в прежнем виде? - спросил Рей Сандерс, инженер по электромеханике.
- Конечно.
- Боюсь, объёмы таких мышц выйдут за рамки допустимых.
- Скооперируйтесь с КалТехом, они недавно разработали и испытали свои новые композитные полимерные материалы. Пришло время заменить старый композит, служивший нам в течение пяти лет верой и правдой, на что-то более эффективное.
- Попробуем...
- Как наши успехи с органической оболочкой? - Сакурохава обратился к Ларри Беннетту.
- Очень много работы. Основная проблема заключается в отсутствии ещё значительного количества необходимых белков. Например, у нас не получаются клапаны в микротрубочках программируемого сеточного основания. Также не можем смоделировать несколько видов транспортных белков для органического раствора.
- Что вам нужно для ускорения работы?
- Нам нужен мощный компьютер с программным обеспечением для моделирования белков. Методом экспериментального тыка получается слишком медленно. А нам ещё нужно разработать не менее трёх сотен специализированных полипептидов, чтобы вся эта конструкция исправно работала и регенерировала.
Здесь выражение лица профессора впервые на оперативке приняло по-настоящему озадаченный вид. Молекулярное моделирование действительно было проблемой. Над ней наука уже бьётся много десятков лет. Расчёт многоатомных квантовых систем, таких как, например, высокомолекулярные органические вещества, требует выполнения невообразимо огромного количества вычислений. Например, для решения задачи, в которой участвует 1000 электронов, необходимо взятие 3000-мерных интегралов. С появлением квантовых компьютеров, конечно, стало намного легче, но не настолько, чтобы совершенно свободно и быстро выполнять подобные расчёты. Для расчёта уже средних по размеру белков не хватало мощности существующих микропроцессоров из-за недостаточной разрядности квантовых регистров. Кроме того, были проблемы с разработкой всех необходимых квантовых алгоритмов для таких расчётов.
Взгляд профессора остановился на неприметном, тихо сидящем позади всех в углу аудитории, молодом парне:
- Эдриан, ты можешь чем-то помочь? - спросил у него профессор.
- Конечно, - отозвался Эдриан, - есть много возможностей ускорить подобные вычисления, объединяя Deep Learning с квантовым моделированием.
Эдриана Камински профессор заметил ещё на первом курсе информационных технологий. Одним из преимуществ его преподавательской практики в университете была возможность находить молодые таланты и забирать их к себе в лабораторию на службу во благо науки. Два года назад, сразу после окончания университета, профессор предложил ему работу в L.E.A.I. Для Эдриана участие в самом передовом проекте по искусственному интеллекту было осуществлением его жизненных планов: о большем он и мечтать не мог ещё и сразу после университета. И конечно он с радостью принял предложение профессора. Для Хаширо Сакурохава он, наверное, был единственным специалистом в лаборатории, у которого никогда не возникало проблем. В программировании он всегда с энтузиазмом брался за любую работу и всегда добивался немного большего, чем это можно было ожидать в самых оптимистических прогнозах.
спустя полтора года.
Последний день недели. В этот выходной лаборатория казалась пустынней, чем обычно в такие же дни. С утра в полном одиночестве профессор Сакурохава пребывал в подавленном настроении. На программно-тестовом стенде перед ним стоял очередной тестируемый образец ИИ, установленный на несущий каркас с эндоскелетом без органической оболочки.
- Объект ноль-три-десять, возвращайтесь на личную парковочную станцию, - с удручённым выражением лица профессор отдал ему команду.
- Команда принята, - бесполым голосом ответил ноль-три-десять. Робот сам отсоединил дата-кабель от внешнего гнезда интерфейса обмена данными у себя на затылке и не спеша сошёл со стенда, направляясь затем к выходу тех-секции ?5.
Это был уже десятый образец на новом микропроцессоре QPAM-1 с квантовой адаптивной ИВМ-матрицей. Предыдущие девять аналогично не показали никакого прогресса в тесте на доказательство теорем. Физически же существовало всего три одинаковых прототипа, а номера объектам давались согласно модификации программного обеспечения.
Тест на доказательство теорем представлял собой разновидность творческих задач для искусственного интеллекта. В него входило три математических задачи, для решения которых искусственному интеллекту требовалось сначала выполнить ассоциативный поиск в своей семантической памяти необходимых понятий и абстракций, а затем, моделируя многошаговые отношения между ними, найти модель, удовлетворяющую условиям задачи. Особенность задач была в том, что сами они не имели решения, и это необходимо было обнаружить и строго обосновать. В сущности, это был математический аналог головоломки Макса Блэка с домино и обрезанной шахматной доской.
Между собой задачи отличались степенью сложности. В первой задаче требовалось найти нечётное число, являющееся суммой двух чётных чисел. Во второй: найти последовательную сумму центрированных шестиугольных чисел, начиная с единицы, не являющуюся кубом. И в третьей: найти число, не являющееся суммой квадратов четырёх чисел. Все три задачи невозможно решить простым перебором вариантов. Из-за того, что искомых чисел, определённых в условиях задач, не существует, перебор длился бы вечно. Однако во всех трёх задачах возможно строгое доказательство отсутствия таких чисел в принципе, на основе поиска и моделирования соответствующей цепочки математических рассуждений. Кроме этих задач для теста, время от времени использовали ещё сотню альтернативных, построенных по такому же принципу. Они были необходимы для исключения случайной приспособленности алгоритма к специфике доказательства конкретных задач.
Из всех трёх задач, ИИ решал только первую. Здесь необходимо заметить, что первая задача была уже по зубам всем архитектурам ИИ, начиная со времён появления первых квантовых микропроцессоров. А если говорить вообще, то задача была решаема ещё ИИ на скалярных микропроцессорах, но на строго формализованных закрытых алгоритмах, основанных на символьных системах представления знаний. Например, ещё в 60-х годах для доказательства теорем искусственным интеллектом успешно использовался метод резолюций из области исчисления предикатов. Такие алгоритмы намного упрощали возможность доказательств теорем автоматизированным способом, благодаря тому что математика - это тоже формальная система.
Однако окружающий мир - это не формальная система, и для создания универсального ИИ такой подход оказывался очень ограниченным. Поэтому современное моделирование ИИ уже отошло от такой архитектуры, заменив в своей основе формально-логические связи между понятиями и абстракциями на ассоциативно-смысловые, тесно формируемые эвристиками при взаимодействии с окружающей средой. Соответственно методы исчисления предикатов заменились на иерархические семантические сети. Формализм тут появлялся вторично, в процессе анализа и классификации исследуемых явлений и объектов. При такой архитектуре построения искусственный интеллект решал творческие задачи в математике по таким же алгоритмам на искусственных нейросетях, по каким исследовал и окружающий мир. Это значительно усложняло вычислительный процесс и становилось не под силу единичным скалярным микропроцессорам.
Несмотря на такую несложность первой задачи, в тесте она продолжала присутствовать в качестве способа оценки времени, которое требуется тестируемому ИИ на её решение. Это позволяло сравнивать между собой разные архитектуры ИИ. Для некоторого усложнения задача теперь предлагается ИИ без знаний им законов дистрибутивности, коммутативности и ассоциативности. В этом случае, чтобы доказать, что любые два чётных числа дадут в сумме тоже чётное число, ИИ вынужден в процессе доказательства выводить ещё и эти законы, основываясь только на аксиоматике Пеано.
Годы неудач в поиске универсального алгоритма для ИИ заставили Хаширо Сакурохава искать новые подходы. Хотя в данном случае попытка построить ИИ на импульсных искусственных нейронных сетях с нативной архитектурой аппаратного обеспечения была скорей актом отчаяния чем новым подходом. Обычно, искусственные нейронные сети прекрасно эмулировались программным путём на традиционных тензорных микропроцессорах с распараллеливанием многопотоковых вычислений. Попытка использовать для этого адаптивную ИВМ-матрицу, на которой можно было построить импульсную нейросеть аппаратно, а не программно, не давала каких-либо очевидных принципиальных преимуществ в поиске универсального алгоритма. И там, и там необходимо было решать одну и ту же проблемную задачу. Преимущество было только в скорости благодаря широкому параллелизму и естественности архитектуры, но пользы от скорости, когда не знаешь, что именно и как вычислять - мало.
Попытки аппаратно создавать искусственную нейронную сеть предпринимались инженерами много раз в истории конструирования электронной элементной базы. Однако такие нейроморфные процессоры имели существенные ограничения из-за сложности интегральной разводки большого количества связей между искусственными нейронами и дальнейшего мультиплексирования весовых коэффициентов между ними. Например, человеческий мозг состоит приблизительно из 86 миллиардов нейронов, и каждый нейрон может иметь от 1000 до 10 000 синапсов. Каждый синапс позволяет нейрону создать связь со своим соседом. Таким образом, один нейрон может непосредственно обмениваться сигналами с десятью тысячами соседних нейронов. А каждый его сосед ещё с десятью тысячами других нейронов и так далее. Получалась невообразимо сложная разветвлённая нейронная сеть. Создать аппаратно на кремниевом кристалле даже небольшую нейросеть в несколько десятков тысяч нейронов с управляемыми связями было тогда весьма и весьма непростой задачей.
Тем не менее у Хаширо Сакурохава теплилась какая-то интуитивная надежда, что, имея под рукой сверхбыструю спайковую нейронную сеть, можно получить качественный переход. Здесь он рассчитывал на два фактора. Первый - это переход на принципиально иной тип искусственных нейронных сетей, максимально приближённых к физиологии человеческого мозга. Такие нейросети в теории, в отличие от предыдущего второго поколения, должны обладать многозадачностью и способностью осуществлять распознавание с предвидением. Второй фактор: значительно возросшее быстродействие, что давало большую свободу в проектировании более сложной иерархии нейросетей и ускоряло этап их машинного обучения. Это могло бы сделать ИИ более гибким в процессе самостоятельного обучения, а также сэкономить время и ускорить сами исследования.
Уже пятый месяц он и Эдриан экспериментировали с микроархитектурой и алгоритмами адаптивной ИВМ-матрицы, но никакого прогресса так и не добились. Они снова и снова повторяли цикл: модификация подпрограмм и конфигурации нейросетей, анализ программного кода и тестовая эмуляция, перезаливка основного ПО и ПО для адаптивной ИВМ-матрицы, обучение нейросетей и снова тесты на творческие способности. И так много раз.
Профессор чувствовал себя глупо, понимая, что ещё полтора года назад необоснованно надеялся на чудесное решение этой проблемы с помощью одного только нового чудо-микропроцессора. Однако без ясного понимания, в каком направлении необходимо проводить дальнейшие исследования, чтобы добраться, наконец, до тайны универсального алгоритма, сдвинуться с мёртвой точки было невозможно.
Нужны были идеи. В научной методологии ошибки и неудачи тоже должны давать полезный аналитический результат. Тогда попробуем проанализировать накопившиеся результаты этой затянувшейся чёрной полосы в исследованиях.
Из многократных экспериментов по сравнению скорости ассоциативного поиска человеческого мозга с суперкомпьютером у них в лаборатории, не вызывало сомнений, что мозг не может достигать своих творческих способностей только за счёт значительно бо;льшей скорости перебора образов и моделей в своей семантической памяти. Существовали гипотезы, что подсознательно мозг может выполнять огромный объём скрытой подготовительной работы, результаты которой затем передаются на сознательный уровень для окончательного построения творческой модели. В целом, конечно, это так и работает, но как показали исследования, подсознание не выполняет больше работы, чем это позволяют физические возможности естественной нейросети человека. Искусственные нейросети, разработанные для нового микропроцессора, не только не уступают по быстродействию естественным, но даже и превышают его по некоторым оценкам на порядок.
Однако очевидным было и то, что само творческое моделирование происходит именно таким известным образом: по методу ассоциативного подбора уже имеющихся в памяти понятий, абстракций, образов. Сначала возникает грубая модель на общих часто интуитивных образах, которые имеют какую-то приближённую связь с той моделью, которую необходимо построить. Затем выполняется постепенная детализация, более подробное моделирование, с более конкретными образами и абстракциями, вплоть до создания конечной формализованной модели. Если удовлетворительная модель не получается, мозг начинает сначала, подыскивая другие образы и абстракции среди своих знаний, удовлетворяющие условиям поставленной задачи. Из этого следовало, что в этом процессе однозначно существует какой-то, вполне определённый алгоритм, эффективная стратегия, по которым мозг значительно сокращает своё пространство поиска.
До создания микропроцессора QPAM-1 уже были перепробованы самые разнообразные решения со всевозможными комбинациями стохастических поисков с учётом различных свойств иерархии семантической сети. Если в память ИИ закладывался полный объём знаний по математике кроме, конечно, готовых решений для задач в тестах, то ИИ зависал на неопределённое время в поиске. Если алгоритм творческого моделирования эмпирически подгоняли под решение конкретной задачи, то тогда алгоритм был неспособен справляться с альтернативными задачами в тестах. Универсальной работы алгоритма добиться никак не удавалось.
Этап экспериментов с самообучением нейронных сетей на QPAM-1 сталкивался в некотором роде с похожей проблемой. Нейросеть прекрасно обучалась методам математических доказательств, но она от этого не превращалась в универсальную интеллектуальную систему для доказательств теорем. Те сценарии доказательств, которым она научилась, она эффективно применяла. Если она сталкивалась с задачами иного рода, она зависала в поиске на неопределённое время таким же образом, как и поколение алгоритмов до создания QPAM-1.
Пришло время осознать собственное заблуждение и выкинуть всю эту амбициозную и надуманную стратегию на мусор. Применить к себе метод, которым он сам беспощадно подвергал своих подчинённых. Итак, поражение принято, и голова повинно опущена в покорном ожидании справедливого наказания, но только, что теперь взамен? Может действительно стоит попридержать свою временами заносчивую самоуверенность и предаться поискам ответов на вопрос: какова всё-таки природа феномена сознания? И тогда это может приведёт его к почти божественной способности создавать разумную жизнь по своему представлению и желанию? Наделит его способностью вдыхать душу в мёртвые компьютеры, после чего они приобретут склонность размышлять о смысле своего бытия в минуты досуга. Тут, правда, возникает вопрос, захотят ли вообще они тогда заниматься для нас поисками чисел, которые не являются суммой четырёх квадратов? Может у них появятся цели поважней?
Ну, а если серьёзно: откуда у человека сознание? А точнее, откуда у него взялась способность проявлять то, что мы называем универсальным алгоритмом и метаобучением? Около четырёх миллиардов лет биологической эволюции. Около шести миллионов лет эволюции гоминид, и ещё двести тысяч лет эволюции гомо сапиенс. Таким интеллект человека сформировался в борьбе за своё существование на этой планете. Каким-то же образом биологическая эволюция нашла пути и способы создать интеллект с такими способностями? Если бы была возможность как-то подсмотреть и сплагиатить у самой эволюции этот способ.
Профессор попытался пройтись в памяти по всему, что было уже известно науке об эволюционных процессах и закономерностях, в надежде, что это даст подпитку, толчок новой идее. Может, построить математическую модель эволюции на репликаторных уравнениях и алгоритме Монте-Карло, а затем применить эту модель к расчёту архитектуры нейросетей? В зависимости от начальных параметров, таких моделей тоже может оказаться достаточно много. По какому критерию выбрать наиболее подходящую? Пробовать разные пока не получим реалистичный результат для эволюции нейросетей? А как оценивать успешность той или иной модели? В зависимости от глубины эволюционных вычислений и количества итераций для расчёта могут понадобиться огромные вычислительные ресурсы и время...
И в этот самый момент мысли Хаширо Сакурохава неожиданно накрыло вполне очевидным решением. Ведь у него под боком есть три действующих квантовых компьютера с адаптивными ИВМ-матрицами, которые как нельзя лучше, благодаря своей скорости и адаптивной архитектуре, подходят для программирования и запуска генетических алгоритмов. Зачем нам заморачиваться поиском математических моделей эволюции, если можно попробовать дать непосредственно самой эволюции решить эту задачу!
Кажется, у него появилась, наконец, принципиально новая и одновременно забытая стратегия! Сакурохава воодушевлённо оживился, да так, что аж подпрыгнул на рабочем кресле. Он набрал код на локальной системе связи:
- Объект ноль-три-восемь, объект ноль-три-девять и объект ноль-три-десять явитесь в тех-секцию номер пять.
Профессор с былым энтузиазмом принялся модифицировать программное обеспечение для объектов:
Первым делом необходимо составить генетический аппарат и написать подпрограмму трансляции генетической информации в свойства адаптивной ИВМ-матрицы. Каждому гену в искусственном генотипе ИИ должен соответствовать свой какой-то условный параметр, задающий свойства для каждой из нейросетей и внешних алгоритмов управления. После многократных попыток составить такой гармонично связанный генетический аппарат, профессор пришёл к решению, в котором ему удалось определить все необходимые свойства через наборы математических функций. Одна функция стала выполнять роль одного гена, кодирующего один белок. Аналогично последовательностям нуклеотидов в гене, которые соответствовали аминокислотам в белке, стала соответствовать последовательность математических операций, числовых параметров и переменных в аналитических выражениях, задающих непосредственно необходимую функцию.
Для построения ИИ в начальном состоянии имелись две основные нейросети: аналитическая сеть, выполняющая функции распознавания, анализа, классификации, моделирования и сеть памяти, задающая семантическую структуру представления знаний. Каждая сеть в свою очередь состояла из различных специализированных подсетей. Чтобы наиболее полно связать свойства всех нейросетей с искусственным генетическим аппаратом, по предварительным оценкам было необходимо около пяти тысяч таких математических генов. Было очевидным, что для настройки функциональной согласованности такого количества генов вручную профессору понадобилось бы немалое количество времени. Интуитивно он подозревал, что должен существовать универсальный математический аппарат, с помощью которого можно было бы осуществлять перевод программных алгоритмов, задающих нейросети, в наборы функций искусственного генетического аппарата. После часа упражнений по высшей математике, профессор нашёл необходимый метод, используя для этого теорию графов и теорию групп. Дальнейшую за него работу выполнил их лабораторный компьютер.
В итоге он получил искусственный генетический аппарат, где все его гены в совокупности стали способны задавать естественным образом все свойства нейросетей. К примеру, так можно было задать количество и пропорции подсетей, количество слоёв и ядер в них, специализацию слоёв, конфигурацию прямых связей, наличие, величину и направление обратных связей, динамические свойства весовых коэффициентов, квантовое состояние групп нейронов и многое другое. Для задания некоторых свойств потребовалось до нескольких десятков взаимодействующих генов-функций, которые могли представлять собой механизм аналогичный эпистазу биологических генов. Ещё около трёх сотен математических генов понадобилось, чтобы задать функции внешних алгоритмов. Теперь случайные мутации таких генов смогут достаточно естественно и в довольно широких пределах изменять свойства и алгоритмы нейросетей в адаптивной ИВМ-матрице.
Кроме структурных генов, кодирующих непосредственно свойства нейросетей, профессор добавил функциональные гены, выполняющие регуляторные функции. В частности, он определил гены, задающие лабильность и чувствительность мутагенеза, которые влияли на частоту мутаций кодирующих генов. Аналогично строению наборов хромосом большинства живых организмов, генетический аппарат для нейросетей тоже был представлен диплоидным набором генов.
Следующим шагом необходимо было создать виртуальную вселенную, в которой нейросети будут существовать и бороться за своё выживание, конкурируя друг с другом. Учитывая, что у нейросетей нас интересуют именно интеллектуальные качества, соответственно и конкурировать они должны между собой в интеллектуальной борьбе. Какую тогда интеллектуальную конкуренцию им стоит предложить? Это должны быть неповторяющиеся автономные задачи, содержащие в себе глубокий стратегический смысл, с возможностью неограниченного усложнения и благоприятной структурой для самообучения. Лучшим решением здесь может быть какая-нибудь интеллектуальная игра. Может шахматы? Или го? Пожалуй, лучше всего подойдёт какая-нибудь компьютерная стратегия, например, та же StarCraft VI с контролем времени игры и без привязки виртуального мира к реальному времени.
За основу стартового программного обеспечения для нейросетей, профессор использовал декомпилированное для адаптивной ИВМ-матрицы программное обеспечение Малыша. Он очистил его базы данных от прежних знаний, заложив туда только правила игры в StarCraft VI. И ещё добавил программную директиву, которая предписывает достижение одной единственной цели - выжить в виртуальном компьютерном мире.
Теперь на управляющем сервере необходимо установить законы виртуального мира и законы эволюции для нейросетей. Все три нейросети будут жить и конкурировать между собой одновременно в одной виртуальной игровой вселенной. Если кто-нибудь начнёт отставать с отрывом в десять проигранных игр, управляющая операционная система сервера временно приостановит игровую эволюцию. У нейросети-неудачницы будет полностью перезаписано всё её программное обеспечение на ПО следующего поколения. Это ПО формируется путём объединения рекомбинантных геномов двух выживших или наиболее умных нейросетей с внесением туда случайных мутаций. Затем ОС инициализирует программное обеспечение у всех трёх нейросетей в начальное состояние, соответственно стерев у них память, чтобы не было преимущества в накопленном опыте, и запустит игру снова. Таким образом, с каждой генерацией нового поколения нейросетям необходимо будет самообучаться искусству игры, и набираться опыта с нуля. Если отрыва не происходит в течение двухсот игр, игровая эволюция также приостанавливается и выполняется поиск неудачника по очкам.
Закончив уже за полночь создание программного обеспечения, профессор окинул взором программные стенды. Там уже стояли готовые к перезаливке своего ПО все три прототипа. Ещё немного и прошивка первого прототипа условной версией ноль-три-одиннадцать была выполнена. Второй и третий прототипы были прошиты той же версией, но модифицированной случайными мутациями. Таким образом, все три прототипа не были абсолютно идентичны и теперь были готовы к началу эволюционного эксперимента.
Конечно, у профессора не было миллиардов лет времени, чтобы воссоздать все условия эволюции, но он рассчитывал, что у него есть некоторые преимущества: нейросетям не нужно было начинать эволюционировать с самого начала, как бы с абиогенеза. Старт начинался с уже вполне состоявшейся модели искусственного интеллекта, признанной на данный момент самой прогрессивной на планете. Ещё, скорость прохождения цикла эволюции мутация-отбор здесь была значительно выше, благодаря тому что виртуальная вселенная и генетический аппарат были адаптированы только под эволюцию интеллектуальных свойств нейросетей, без расхода времени на физиологию и онтогенез. А также благодаря более быстрому для этих целей аппаратному обеспечению на основе квантовых микропроцессоров и импульсных нейронных сетей на адаптивной ИВМ-матрице.
Профессор ударил по клавише ENTER и процесс обрёл жизнь. Он сразу взглянул на счётчики относительных поражений: только на одном из них, который принадлежал оригинальной нейросети, застыл ноль, на остальных очень быстро сменяли друг друга числа. В виртуальном мире StarCraft VI отсутствовала какая-либо конкуренция. Профессор остановил процесс и открыл логи. Модифицированное случайными мутациями ПО оказалось вообще неспособно к игре. Этого следовало ожидать. Пришлось научить управляющую ОС распознавать такие неработоспособные нейросети по очкам в игре, чтобы не терять впустую эволюционное время. В этом случае управляющая ОС должна будет досрочно остановить игру и поменять плохих игроков на других с новыми мутациями. Ещё, профессор вдвое снизил параметры генов регулирующих частоту мутаций. Возможно, мутации затрагивали слишком большое количество генов, делая изменения слишком агрессивными.
Профессор снова запустил процесс. Управляющая операционная система сразу обнаружила неработоспособные нейросети и приступила к перезаливке их ПО, которое предварительно было подвергнуто новым мутациям. Следующие мутации снова не дали результатов. И снова очередная перезаливка модифицированного ПО. И так ещё шесть раз.
Каждая перезаливка в режиме прямого доступа к памяти и к микропроцессору отнимала около 15 секунд. Такая скорость достигалась благодаря тому, что соединённые вместе интерфейсы трёх прототипов через высокоскоростной свич программно-тестовых станций имели возможность напрямую обмениваться данными. Кроме того, для перезаливки не было необходимости обмениваться полным объёмом данных ПО, достаточно было только загрузить геномы. Алгоритм рекомбинации, мутации и трансляции генов выполнялся в оперативной памяти прототипа нейросети нового поколения и затем оттуда изменения напрямую загружались в адаптивную ИВМ-матрицу. В обычном режиме с управляющего сервера на загрузку программного обеспечения в адаптивную ИВМ-матрицу уходило до 10 минут, а с полной установкой операционной системы и квантового программного обеспечения требовалось до 25 минут. В данном же случае операционная система сервера только управляла процессом прямого обмена данными и операционными системами прототипов-объектов.
Чтобы снизить разрушительное воздействие мутаций, пришлось ещё больше уменьшить значения параметров, задающих мутагенез. Необходимо было не только снижать значения, но и важно было классифицировать гены по степени чувствительности к мутациям, чтобы гибко распределить параметры мутагенеза по всему геному. Профессор в очередной раз интуитивно заподозрил, что должны существовать закономерности, связывающие структурные и регулирующие гены, которые смогут обеспечить естественную регуляцию оптимального распределения мутаций. Однако никаких продуктивных идей у него больше не возникало, наверное, не только из-за сложности задачи, но и из-за физического и интеллектуального истощения. Этой ночью ему ничего не оставалось, как попытаться подобрать параметры мутагенеза экспериментально. Эту настройку профессор повторял много раз пока после очередных длительных серий мутаций, наконец, не появилась работающая нейросеть. К сожалению, сила её игры выяснилась очень быстро: все десять игр она стремительно проиграла.
Снова и снова перезаливка. Ушло ещё три часа пока не появилась нейросеть способная играть не хуже оригинального ПО. Через некоторое время оригинальная нейросеть и эта дали полноценное потомство и процесс виртуальной эволюции вошёл в рабочий режим. Счётчик игр продолжил быстрый отсчёт количества сыгранных игр, а показания всех счётчиков относительного количества поражений стабилизировались между нулём и двойкой, что означало примерно равную силу всех трёх нейросетей.
По истечении каждой серии из двухсот игр, управляющая ОС, как и полагалось, останавливала эволюцию, определяла по очкам наиболее слабую нейросеть, генерировала новое поколение и снова стартовала процесс. Поколения нейросетей продолжало сменять друг друга. Временами кто-то вырывался вперёд с отрывом, доходящим до семи побед, но спустя некоторое время его догоняли, и силы снова выравнивались. Заметного лидера в этой виртуальной эволюции почему-то не возникало. Очевидно, нужно было просто набраться терпения.
Приближалось утро, и Сакурохава задремал в рабочем кресле. Ещё один выходной и ещё один день пустынных стен лаборатории. Так он проспал пару часов. Проснувшись с затёкшей ногой, он взглянул одним глазом на монитор и, убедившись, что виртуальная эволюция на месте, перебрался на диван и снова заснул.
После обеда он на скорую руку перекусил и вернулся к совершенствованию искусственного генетического аппарата. Он продолжил поиск закономерностей, которые естественным образом могли связать структурные и регуляторные гены. И опять неожиданная неудача - изначально эта задача казалась значительно проще. В итоге ему удалось подобрать эмпирически более-менее подходящую функцию с условными параметрами, которая могла как-то регулировать интенсивность и распределение мутаций. По крайней мере это в дальнейшем должно было облегчить его постоянный контроль и вмешательство в процесс мутагенеза. Для этого пришлось пересложить заново всё программное обеспечение виртуальной эволюции. Закончил новую версию ПО он снова далеко за полночь. Затем обновил программу и снова отключился в рабочем кресле.
Разбудила его утренняя суета научно-технических сотрудников и обслуживающего персонала лаборатории - начинался рабочий день. Первым встретился с профессором Эдриан Камински, заступая с утра новой рабочей недели на работу:
- Профессор, последний месяц вы здесь практически живёте.
Сакурохава открыл глаза и принялся протирать очки. Эдриан заметил сразу три объекта на программных стендах:
- Что это вы задумали?
- Всего лишь обычную эволюцию, - Сакурохава одел очки и взглянул на монитор.
- Не хотите ли вы сказать... - у Эдриана Камински появилась догадка, но он её так и не успел сформулировать.
- Я хочу сказать, что поместил нейронные сети адаптивной ИВМ-матрицы в смоделированные мной условия виртуальной эволюции, - с этими словами профессор закончил просмотр логов, отображающих течение процесса за тот период, пока он спал.
Логи говорили, что за двадцать восемь часов виртуальной эволюции образовалось 2989 поколений и количество игр достигло чуть больше миллиона четырёхсот тысяч. За это время ни одной нейросети из новых поколений так и не удалось обойти оригинальное ПО Малыша. Однако и оригинальное ПО не было в явных лидерах: в этом виртуальном мире оно продолжало выживать только за счёт небольшого перевеса по очкам.
- Можно взглянуть? - Эдриан с горящими глазами принялся вникать в суть программной реализации этой идеи.
Через минут двадцать он высказался:
- Генетический алгоритм? Очень оригинально и изобретательно отправить нейронные сети самостоятельно искать решение, но сколько же времени может понадобиться на ожидание этого чуда?
- Не знаю, Эдриан. Возможно много. Других идей всё равно пока что нет...
- Ну, тогда отправляйтесь домой и хотя бы отоспитесь, пока эволюция ищет за вас решение. А я присмотрю за ней, чтобы не прозевать очередной кембрийский взрыв.
Самое время профессору было воспользоваться советом Эдриана Камински, и он бы так и поступил, но на мониторе появилась информация, что в игровом мире появился новый лидер, который хоть и по очкам, но всё-таки обошёл нейросеть с оригинальным ПО. Операционная система управляющего сервера сделала очередную остановку и запустила процедуру перезаливки ПО наиболее слабому участнику и стирания памяти остальным нейросетям.
- Ну вот, наконец, одна из нейросетей нового поколения приобрела какое-то качественное преимущество в алгоритме над другими, - прокомментировал профессор. - Любопытно дать ему на зуб наши тесты.
Сакурохава поставил на паузу виртуальную эволюцию. Затем программно активировал у нового лидера индивидуальную операционную систему для управления андроидом и семантическую память со знаниями по математике. Ещё через несколько минут модернизированный объект ноль-три-одиннадцать-точка-один ожил для интерактивного общения.
- Объект ноль-три-одиннадцать-точка-один, реши тесты, отправленные в твой оперативный буфер памяти, - обратился к нему профессор.
На экране монитора перед профессором появилось диалоговое окно с результатом первого теста. Рядом с доказательством невозможности существования нечётного числа, являющегося суммой двух чётных, отобразилось время, затраченное на решение: двенадцать миллисекунд, и количество шагов поиска математической модели рассуждений: 1357.
Профессор сдвинул брови:
- Это хуже самого плохого результата. И тем более, хуже того, что делал Малыш.
- Ну, зато ноль-три-одиннадцать-точка-один лучше за Малыша играет в StarCraft, - шуткой успокоил профессора Эдриан, а затем уже серьёзно добавил, - это можно объяснить отсутствием идеальной согласованности нейросети с внешней семантической памятью.
- Может быть, может быть, - с несколько растерянным видом пробормотал профессор, ожидая результатов по второй и третьей задаче.
На экране монитора появилось сообщение: "Оставшееся время необходимое для поиска решения второй задачи: 482 742 года, 7 месяцев, 11 дней, 3 часа, 10 минут и 22 секунды". И сразу начался обратный отсчёт времени.
- Это что-то новенькое, - Эдриан искренне удивился. - С чего это он вдруг занялся расчётом времени? Этому мы их не учили. И главное, по каким это таким исходным данным? Не найдя решения, нельзя знать заранее, что доказательство отсутствия искомого числа вообще существует. Это он, наверное, решил нас успокоить, - серьёзный вид Эдриана сменился снова на иронию. - Чтобы мы не волновались, что он завис на миллиарды лет, а всего лишь на какие-то полсотни тысяч.
- М-да, расчёт действительно любопытный.
- Жаль, что нейросети, как правило, представляют собой чёрный ящик, что сильно затрудняет непосредственный анализ того, как они думают.
- Слишком оптимистично было полагать, что чудо уже свершилось, но попробовать стоило, - как бы оправдываясь, произнёс профессор. - Внесём в операционную систему сервера это задание. Пускай проводит тестирование автоматически после каждого качественного скачка в новом поколении, обусловленного отрывом в десять игр от нейросетей-родителей.
- Сколько времени отведём на тест? - поинтересовался Эдриан.
- Как обычно - полчаса на вторую задачу. Если с ней справится, то о третьей задаче потом отдельно поговорим. Однако если нейросеть начнёт писать подобную ерунду, тест можно сразу заканчивать.
- Кто бы мог предположить, что мы так жестоко споткнёмся на попытке научить искусственный интеллект думать подобно человеку, - хмыкнул риторически Эдриан. - Да что там человек, некоторые животные способны на большее. Я, конечно, не имею в виду решение именно математических задач. Достаточно того, что при свободном метаобучении в реальных природных условиях ИИ не в состоянии пройти тесты на сообразительность, которую демонстрируют, например, шимпанзе.
Немного подумав, Эдриан добавил:
- Хотя если говорить о тех, кто мог предположить такой исход, то такие всё-таки есть и были. Теперь, даже невольно всплывают в мыслях их утверждения про исключительность божественного творения души.
Сакурохава странно посмотрел на Эдриана Камински:
- Научим, обязательно научим, когда-нибудь, решать эту и другие задачи. И создавать душу для этого нет необходимости, оставим эту прерогативу Богу.
- Вы и на создание сознания смотрите так же оптимистично?
- Пока у нас не появился тест способный обнаружить сознание, ставить перед собой такие цели не имеет смысла. Эдриан, помоги лучше с настройкой автоматизации тестов в операционной системе.
Эдриан присел за дублирующий терминал.
Через десять минут с очередными программными настройками в операционной системе управляющего сервера было покончено, и борьба за выживание между тремя нейросетями возобновилась в виртуальном игровом мире.
- Профессор, дальше я сам, - на лице Эдриана появилась доброжелательная улыбка, - я вас отпускаю домой. Идите и порадуйте дома семью своим присутствием.