STAIR мобилен и может самостоятельно передвигаться по офису или жилищу. У него есть 3D-камера, которая фокусируется на объекте и подает в компьютер его трехмерное изображение, при помощи которого механическая рука может правильно захватить объект. Вообще, роботы научились брать объекты еще в 1960-х гг., и вскоре такие роботы появились на автомобильных заводах Детройта.
Но внешность обманчива. STAIR способен на большее. В него, в отличие от детройтских роботов, не заложен жесткий сценарий. Он действует сам по себе. Если вы, к примеру, попросите робота взять апельсин, то он проанализирует лежащие на столе предметы, сравнит их с тысячами изображений, заранее заложенных в его память, узнает апельсин и поднимет его со стола своей механической рукой. Кроме того, он способен идентифицировать предмет более точно, если возьмет в руку и будет поворачивать и рассматривать со всех сторон.
Чтобы проверить возможности STAIR, я перемешал предметы на столе и посмотрел, как робот будет действовать. STAIR корректно проанализировал новое расположение предметов, протянул руку и взял то, что я попросил. Создатели этого робота ставят перед собой цель научить его свободно передвигаться в доме или офисе, брать различные предметы, взаимодействовать с различными объектами и инструментами и даже разговаривать с людьми на упрощенном языке. Если это удастся, робот будет способен выполнять практически все функции, которые выполняет в офисе мальчик на побегушках. STAIR — образец подхода «сверху вниз»: все его действия запрограммированы от начала и до конца. (Хотя STAIR может распознавать предметы под разными углами, но количество предметов, которые он вообще способен распознать, пока ограничено. Окажись такой робот на улице в окружении случайных объектов, он будет мгновенно парализован.)
Позже у меня появилась возможность посетить Нью-Йоркский университет, где Янн ЛеКун (Yann LeCun) экспериментирует с совершенно другим созданием. Его робот носит имя LAGR (Learning applied to ground robots — обучение в приложении к наземным роботам) и представляет собой образец подхода «снизу вверх»: ему приходится учиться всему с нуля, натыкаясь на самые разные предметы. LAGR — робот размером с маленький гольф-мобильчик, оборудованный двумя цветными стереокамерами; он постоянно сканирует ландшафт и распознает встречающиеся предметы. После этого он начинает двигаться среди этих предметов, старательно их объезжая и узнавая что-то новое с каждым проездом. Робот оборудован GPS- приемником и имеет два инфракрасных датчика, способные засекать предметы на его пути. Он содержит три мощных процессора Pentium и подсоединен к гигабитной сети Ethernet. Мы с роботом отправились гулять по близлежащему парку, где LAGR учился объезжать возникающие на его пути помехи. Каждый раз, проходя маршрут, он приобретал новую сноровку и учился лучше обходить препятствия.
Между LAGR и STAIR есть очень важное различие, состоящее в том, что LAGR специально разработан для самообучения. Каждый раз, наталкиваясь на какое-то препятствие, он объезжает вокруг этого объекта и учится узнавать и миновать его, чтобы в следующий раз не натолкнуться. Если в памяти STAIR хранятся изображения тысяч предметов, то в памяти LAGR нет практически никаких изображений; вместо этого робот создает как бы мысленную карту всех встреченных препятствий и на каждом проходе обновляет и уточняет ее. В отличие от автомобиля-робота, который жестко запрограммирован и движется по маршруту, заранее проложенному для него при помощи системы GPS, LAGR движется совершенно самостоятельно, без всяких указаний со стороны человека. Вы говорите ему, куда двигаться, и он пускается в путь. Со временем подобных роботов можно будет обнаружить на Марсе, на поле боя и в наших жилищах.
Энтузиазм и энергия этих исследователей произвели на меня сильное впечатление. Сами они глубоко убеждены, что закладывают основы искусственного интеллекта и что когда-нибудь результаты их работы вызовут в обществе глобальные изменения, которые человечество сегодня только начинает осознавать. Но взгляд со стороны позволил мне увидеть, как далеко им еще до успеха. Даже тараканы способны распознавать предметы и учиться обходить их. Мы же пока находимся на той стадии, когда даже самые примитивные из созданий матери-природы способны победить в состязании с нашими самыми умными роботами.
Ближайшее будущее
(с настоящего момента до 2030 г.)
Экспертные системы
Сегодня во многих домах уже появились простые роботы, предназначенные для чистки ковров. Существуют также роботы-охранники, патрулирующие здания по ночам, роботы-экскурсоводы и роботы- рабочие. В 2006 г. было примерно подсчитано, что в мире существует 950 000 промышленных роботов, а в домах и офисах работает 3 540 000 обслуживающих роботов. В ближайшие десятилетия робототехника будет развиваться в нескольких направлениях, возможно неожиданных, но новые роботы не будут похожи на тех, что знакомы нам по научной фантастике.
Самые большие успехи, скорее всего, будут достигнуты в области так называемых экспертных систем — компьютерных программ, заключающих в себе мудрость и опыт человечества. Как уже говорилось в предыдущей главе, однажды мы, вероятно, получим возможность поговорить с Интернетом на настенном экране и увидеть доброжелательное лицо и получить совет от рободоктора или робоюриста.
Эта область называется эвристикой и сводится к следованию некоей системе формальных правил. К примеру, планируя туристическую поездку, вы обратитесь к лицу на настенном интернет-экране и сообщите всю необходимую информацию: длительность поездки, пункт назначения, отели, ценовой диапазон. При этом экспертная система по опыту прошлых поездок будет заранее знать ваши основные предпочтения; она свяжется с отелями, авиакомпаниями и т. п. и предложит вам наилучшие условия. Но при разговоре с ней вам придется пользоваться не свободной разговорной речью, а довольно формальным стилизованным языком, понятным компьютеру. Такая система сможет быстро выполнять множество полезных задач. Вы будете просто отдавать приказы; она сама зарезервирует для вас столик в ресторане, найдет ближайшие магазины, закажет продукты, забронирует авиабилет и т. п.
Именно благодаря успехам эвристики в последние десятилетия у нас сегодня есть простые поисковые системы, которыми так удобно пользоваться. Но это довольно грубые системы. Каждому пользователю очевидно, что он имеет дело не с человеком, а с машиной. В будущем, однако, роботы станут настолько изощренными, что будут вести себя почти по-человечески и свободно работать с нюансами и сложными запросами.
Может быть, самые практичные приложения будут созданы в области здравоохранения. К примеру, если сегодня вы почувствуете себя плохо, вам придется не один час просидеть в приемной службы экстренной помощи, прежде чем удастся попасть к врачу. В недалеком будущем в подобной ситуации вы, вероятно, сможете просто подойти к настенному интернет-экрану и поговорить с рободоктором, одним нажатием кнопки поменять лицо — и даже личность — собеседника на экране. Это симпатичное лицо, которое по запросу будет всякий раз появляться на вашем экране, задаст вам ряд несложных вопросов («Как вы себя чувствуете?», «Где болит?», «Когда начались боли?», «Как часто они возникают?»).
Каждый раз, отвечая на вопрос, вы будете выбирать один из представленных на экране вариантов. Вам не придется печатать ответ на клавиатуре, достаточно будет произнести его вслух.
Каждый из ваших ответов, в свою очередь, будет вызывать очередную группу вопросов. После вопросов и ответов рободоктор, опираясь на опыт лучших врачей мира, сможет поставить вам диагноз. Помимо ваших ответов, рободоктор будет анализировать данные из вашей ванной, с вашей одежды и мебели, которые непрерывно контролируют ваше здоровье через чипы — ДНК-анализаторы. И не исключено, что он попросит вас проверить себя при помощи портативного магнитно-резонансного томографа, данные с которого будут затем обработаны суперкомпьютером. (Примитивные версии подобных эвристических программ уже существуют — к примеру, WebMD, — но им не хватает нюансов и полной мощи эвристических алгоритмов.)
Таким образом, можно будет исключить большую часть визитов к врачу и значительно ослабить
