разработчики обнаружили, что, используя вероятность и переход слов, они могут несколько улучшить качество распознавания. Например, чтобы решить, какой из омонимов нужно выбрать, они используют правила грамматики. Это очень простая форма прогнозирования, однако системы в данном случае остаются немыми. Современные программы по распознаванию речи работают успешно лишь в очень ограниченных ситуациях, когда количество слов, которые человек может произнести в каждое отдельное мгновение, строго ограничено. А вот людям распознание речи дается без труда, потому что неокортекс не только воспринимает отдельные слова, но и предугадывает содержание целых предложений, а также рамки общего контекста. В процессе распознания устной речи мы прогнозируем идеи, фразы, отдельные слова, мало того – кора головного мозга выполняет всю эту работу автоматически.
Мы имеем основания ожидать, что системы памяти, построенные на принципах работы коры головного мозга, позволят создать грамотные системы распознавания речи. Вместо программирования на основе вероятностей словесных переходов иерархическая память будет отслеживать акценты, слова, фразы, идеи и использовать их для интерпретации того, что было сказано. Как и человек, такая система сможет проследить различия между разнообразными ситуациями беседы (например, ваш разговор с другом в комнате, телефонный разговор, редактирование команд для книги). Конечно, создать такие машины будет непросто. Чтобы полностью понимать человеческую речь, машина должна многое «пережить» и «научиться» тому же, что и люди. Возможно, нам понадобятся долгие годы, чтобы создать разумную машину, которая понимает язык так же хорошо, как вы и я. А в ближайшем будущем мы можем рассчитывать лишь на улучшения существующих систем распознания человеческой речи путем использования системы памяти, построенной на принципах работы коры головного мозга.
Зрительное восприятие – еще одна задача, которую так и не смог решить существующий искусственный интеллект, но она под силу по-настоящему разумным системам. На сегодняшний день не существует машины, которая смогла бы наблюдать естественную сцену, как, например, мир перед вашими глазами или картинка видеокамеры, и описать то, что она видит. Есть несколько примеров успешного применения систем, распознающих изображения, но весьма ограниченные. Речь идет, например, о регистрации расположения чипа на интегральной схеме или сопоставлении черт лица с базой данных. На данной стадии компьютер не может распознавать различные объекты или анализировать наблюдаемую картину в более широком плане. У вас не возникает проблем, когда вы заходите в комнату и ищете место, где можно было бы сесть, но не просите компьютер сделать то же самое. Представьте себе, что вы смотрите на экран камеры безопасности. Сможете ли вы увидеть различия между человеком, держащим в руке подарок и стучащим в дверь, и человеком, у которого в руке перо ворона? Конечно сможете, однако эти различия превосходят возможности современного программного обеспечения. Поэтому мы нанимаем людей, которые следят за экранами камер безопасности круглые сутки и наблюдают, не происходит ли что-нибудь подозрительное. Человеку-наблюдателю непросто сохранять бдительность много часов подряд, а вот машина могла бы сделать это без труда.
Давайте также рассмотрим транспортные средства. Устройство автомобилей постоянно усложняется. Существуют глобальные системы позиционирования, способные просчитать кратчайший маршрут от точки А до точки Б, существуют сенсоры, автоматически включающие фары, когда на улице становится темно, сенсоры приближения, которые помогают определить безопасность обгона и так далее. Существуют даже автомобили, способные ехать без водителя на специальных трассах в идеальных условиях. Они, правда, не поступают в открытую продажу. Чтобы вести машину безопасно и эффективно на любых дорогах при любых условиях, вовсе не достаточно несколько датчиков или схем обратного контроля. Чтобы быть хорошим водителем, вам нужно понимать устройство автомобиля, характер дорожного движения, предугадывать маневры других водителей и учитывать массу других обстоятельств. Водителю следует внимательно отслеживать сигналы, предостерегающие об опасности. Например, включенный сигнал поворота у впереди идущего автомобиля предупреждает о том, что водитель собирается перестроиться в другой ряд. Если сигнал включен несколько минут подряд, то, скорее всего, водитель о нем просто забыл и перестраиваться не собирается. Когда водитель видит мяч, катящийся на проезжую часть со стороны тротуара, он автоматически предполагает, что, возможно, за мячом сейчас побежит ребенок, и интуитивно резко сбрасывает скорость.
Допустим, мы хотим создать по-настоящему «умный» автомобиль. Сначала нам нужно определить набор сенсоров, которые позволят нашему автомобилю воспринимать текущую дорожную ситуацию. Мы, вероятно, начнем с камеры видения, даже нескольких камер в передней и задней частях автомобиля, затем придумаем микрофоны для воссоздания звукового восприятия, затем, возможно, добавим радар или ультразвуковые сенсоры, точно определяющие диапазон и скорость других объектов на трассе как при хорошем освещении, так и в темное время суток. Не надо создавать рамки, ограничиваясь ощущениями, свойственными исключительно человеку. Алгоритм коры головного мозга очень гибок, и если мы спроектируем нашу рукотворную иерархическую систему памяти должным образом, она будет работать независимо от типов установленных сенсоров. Теоретически наш воображаемый «мыслящий» автомобиль может воспринимать ежесекундно меняющуюся дорожную ситуацию лучше, чем водитель-человек, потому что может выбирать разные наборы сенсоров в зависимости от поставленной задачи. Сенсоры будут связаны с достаточно большой иерархической системой памяти. Разработчики автомобилей будут тренировать его память путем помещения в условия реального мира, чтобы она училась создавать модель мира точно так же, как это делают люди, только в условиях более ограниченной области. (Ведь автомобилю нужны знания об автодорогах, а не об элеваторах и аэропланах.) Память автомобиля «выучит» иерархическую структуру транспорта и дорог так, что сможет понимать, что происходит в ее мире движущихся автомобилей, дорожных знаков, препятствий и перекрестков в текущий момент времени, и прогнозировать ход развития дальнейших событий. Инженеры-разработчики такого автомобиля могут настроить систему его памяти так, чтобы она полностью управляла автомобилем или только отслеживала,
У меня нет абсолютной уверенности в том, что нам удастся создать подобные умные автомобили или машины, обладающие зрительным и слуховым восприятием. Я лишь привел примеры того, какие типы устройств мы, возможно, разработаем и какие типы разумных машин кажутся реалистичными на сегодняшний день.
К очевидному применению разумных машин у меня гораздо меньше интереса. Я способен оценить пользу и искренне восхититься новой технологией лишь тогда, когда она получает неизвестное доселе применение. Чем удивят нас разумные машины и какие неожиданные их свойства и способности проявятся со временем? Я убежден, что иерархические системы памяти, подобно транзисторам и микропроцессорам, улучшат нашу жизнь совершенно неожиданным образом, но как именно? Один из способов заглянуть в будущее разумных машин – рассмотреть их составляющие, легко поддающиеся измерению. Например, какие атрибуты разумных машин будут становиться все более дешевыми, более быстродействующими и менее громоздкими? То, чему присущ экспоненциальный рост, может быстро превзойти наши ожидания и, скорее всего, сыграет ключевую роль в наиболее радикальных разработках будущих технологий.
Примерами технологий, которые развивались экспоненциально на протяжении многих лет, являются кремниевый чип памяти, винчестер, техники последовательности ДНК и фиброоптика. Указанные быстро- развивающиеся технологии положили начало многим новым товарам и сферам бизнеса.
В отличие от приведенных примеров развитие некоторых технологий, таких как аккумуляторы, двигатели и традиционная робототехника, довольно инертно. Несмотря на многочисленные усилия и постоянные усовершенствования, рука современного робота не очень отличается от руки его предшественника, разработанного несколько лет тому назад. Развитие традиционной робототехники можно считать медленным, а успехи скромными, несравнимыми с экспоненциальным развитием дизайна чипов или темпами распространения программного обеспечения. Рука робота, созданная в 1985 году и повлекшая
