Фізика майбутнього

Якби йому довелося вийти на вулицю й розпізнавати випадкові об’єкти, він би вмить “розгубився”.)

Пізніше мені випала нагода побувати в Нью-Йоркському університеті, де Ян ЛеКун експериментує з зовсім іншою моделлю, що має назву LAGR (learning applied to ground robots). LAGR - це приклад підходу “знизу догори”: цей робот мусить учитися всього з нуля, методом проб і помилок. Він завбільшки з невеличкий гольф-кар і має дві стереоскопічні кольорові камери, що сканують середовище й визначають об’єкти на його шляху. Робот пересувається поміж цими об’єктами, старанно їх оминаючи, і вчиться з кожним новим проїздом. Він оснащений системою GPS і двома сенсорами інфрачервоного діапазону, що можуть виявляти об’єкти, які з’являються перед ним. Він містить три високопотужні процесори Pentium і під’єднаний до мережі Ethernet в один гігабіт. Ми пішли в парк неподалік, де робот LAGR міг кружляти довкола різних перешкод, що траплялися йому на шляху. З кожною новою спробою він оминав ці перешкоди краще й краще.

Важлива відмінність між роботами LAGR і STAIR полягає в тому, що LAGR спеціально спроектований так, щоб учитися. Щоразу, як LAGR на щось натикається, він об’їжджає цей об’єкт і вчиться оминати його в майбутньому. Тимчасом як STAIR має в пам’яті тисячі зображень, LAGR навряд чи взагалі має в пам’яті якісь зображення, але натомість він створює своєрідну ментальну карту всіх перешкод, які йому трапляються, і постійно, з кожним проїздом, удосконалює цю карту. На відміну від безпілотного автомобіля, що запрограмований і дотримується маршруту, попередньо визначеного системою GPS, LAGR рухається повністю самостійно, без жодних вказівок від людини. Ви кажете йому, куди їхати, і він рушає. Колись такі роботи можуть опинитись на Марсі, у зонах конфліктів і в наших оселях.

З одного боку, мене вразило завзяття й енергія цих дослідників. Глибоко в душі вони переконані, що закладають основи штучного інтелекту і що колись їхня праця змінить суспільство таким способом, який сьогодні ми можемо тільки починати розуміти. Проте, перебуваючи на певній дистанції від них, я також усвідомлював, який довгий шлях лежить перед ними. Навіть таргани вміють упізнавати об’єкти й оминати їх. Ми досі перебуваємо на тому етапі, коли най- примітивніші творіння Матінки Природи перевершують за інтелектом наших найрозумніших роботів.

БЛИЗЬКЕ МАЙБУТНЄ (ВІД СЬОГОДНІ ДО 2030 РОКУ)

ЕКСПЕРТНІ СИСТЕМИ

Сьогодні багато людей мають удома простих роботів, які можуть чистити їм килими. Крім того, є роботи-охоронці, що охороняють уночі будинки, роботи-екскурсоводи й роботи - робітники на заводах. Підраховано, що 2006 року в приватних будинках і на підприємствах всього було 950 000 промислових роботів і 3 540 000 обслуговуючих роботів.⁹ У наступні кілька десятків років сфера робототехніки може розвинутись у кількох напрямах. Проте ці роботи виглядатимуть не так, як у науково-фантастичних фільмах.

Найвідчутніше можуть змінитись так звані експертні системи - комп’ютерні програми, в яких закодовано мудрість і досвід людини. Як ми побачили в попередньому розділі, колись, імовірно, ми звертатимемось до інтернету на наших настінних екранах і розмовлятимемо з привітним обличчям робота-лікаря чи робота-юриста.

Цю сферу називають евристикою, і суть її полягає в дотриманні формальної системи правил. Коли нам треба буде спланувати відпустку, ми звернемось до обличчя на настінному екрані й назвемо йому бажані параметри: на скільки часу, куди, які готелі, діапазон цін. Експертна система вже знатиме наші вподобання з минулого досвіду; вона сконтактується з готелями, авіакомпаніями тощо й запропонує нам найкращі варіанти. Однак ми розмовлятимемо з нею не в розмовному, невимушеному стилі, а доволі формальною, правильною мовою, яку вона розумітиме. Така система може швидко виконати скільки завгодно корисних завдань. Ви тільки даєте їй вказівки — і вона бронює вам ресторан, з’ясовує розташування