Является ли мозг пригодной моделью для искусственного интеллекта?
Они уже потратили годы на картирование клеток в неокортексе, предполагаемом месте мысли и восприятия. «Это немного похоже на каталогизацию части тропического леса», - объяснил Маркрам. «Сколько у него деревьев? Какой формы деревья?». Теперь его команда будет создавать виртуальный тропический лес из кремния, из которого, как надеются исследователи, будет естественным образом возникать искусственный интеллект. «Если все пойдет хорошо, - сказал он, - возможно, смоделированный мозг выступил бы с последующим докладом TED, посредством голограммы».
Идея Маркрама - что мы можем постичь природу биологического интеллекта, подражая его формам, была основана на давней традиции, восходящей к работе испанского анатома и нобелевского лауреата Сантьяго Рамона-и-Кахаля (Santiago Ramón y Cajal). В конце 19-го века Кахаль провел исследование мозга с помощью микроскопа, которое он сравнил с лесом, настолько густым, что «стволы, ветви и листья соприкасаются повсюду». Срисовывая схемы тысяч нейронов в изящных деталях, Кахаль смог узнать поразительно много о том, как они работают. Он увидел, что они являются односторонними устройствами ввода-вывода: они получали электрохимические сообщения в древовидных структурах, называемых дендритами, и передавали их через тонкие трубки, называемые аксонами, во многом как «соединения электрических проводников».
Взгляд Кахаля на нейроны стал линзой, через которую ученые изучали функции мозга. Это также вдохновило основные технологические достижения. В 1943 году психолог Уоррен МакКаллох (Warren McCulloch) и его протеже Уолтер Питтс (Walter Pitts), бездомный подросток-математик, предложили элегантную основу для того, как клетки мозга кодируют сложные мысли. Теоретически, каждый нейрон выполняет базовую логическую операцию, объединяя несколько входов в один двоичный выход: истина или ложь. Эти операции, такие же простые, как буквы в алфавите, можно объединить в слова, предложения, параграфы познания. Модель МакКаллоха и Питтса оказалась не очень хорошо описывающей мозг, но она стала ключевой частью архитектуры первого современного компьютера. В конечном счете, это развилось в искусственные нейронные сети, теперь обычно используемые в глубоком обучении.
Эти сети лучше назвать нейронными. Подобно нейрону МакКаллоха-Питтса, они являются импрессионистическими портретами того, что происходит в мозге. Предположим, к вам приближается желтый лабрадор. Чтобы распознать собаку, ваш мозг должен направлять необработанные данные из сетчатки глаза через слои специализированных нейронов в коре головного мозга, которые выбирают визуальные особенности собаки и формируют финальную сцену. Глубокая нейронная сеть учится разбирать мир по полочкам подобным же образом. Необработанные данные поступают из большого массива нейронов через несколько меньших наборов нейронов, каждый из которых объединяет входные данные от предыдущего слоя таким образом, что добавляет сложность общей картине: первый слой находит края и яркие пятна, которые следующий объединяет в текстуры, который следующий собирается в морду собаки, и так далее, пока не появится лабрадор.
Несмотря на это сходство, большинство искусственных нейронных сетей явно не похожи на мозг, отчасти потому, что они учатся, используя математические приемы, которые было бы трудно, если не невозможно, выполнить биологическим системам. Тем не менее, модели мозга и искусственного интеллекта имеют нечто общее: исследователи до сих пор не понимают, почему искусственные нейросети работают так же хорошо, как и естественные у самих ученых.
Что преследуют компьютерные ученые и нейробиологи, так это универсальная теория интеллекта - набор принципов, которые справедливы как для биологических тканей, так и для кремния. Но пока вместо этого у них есть куча разрозненных деталей. Потраченные одиннадцать лет и 1,3 миллиарда долларов с того момента, как Маркрам предложил свою модель мозга, не было внесено никакой фундаментальной идеи в изучение интеллекта.
Отчасти проблема заключается в том, на что автор Льюис Кэрролл (Lewis Carroll) положил руку более ста лет назад. Кэрролл вообразил нацию, настолько одержимую картографическими деталями, что она продолжала увеличиать масштаб своих карт - 6 ярдов на милю, 100 ярдов на милю и, наконец, милю в милю. Карта размером с целую страну впечатляет, конечно, но чему она вас научит? Даже если нейробиологи смогут воссоздать интеллект, точно симулируя каждую молекулу в мозге, они не найдут основополагающих принципов познания. Как однозначно утверждал физик Ричард Фейнман (Richard Feynman): «То, что я не могу создать, я не понимаю». К чему Маркрам и его коллеги-картографы могут добавить: «И то, что я могу создать, я не обязательно понимаю».
Возможно, что модели ИИ вообще не должны имитировать мозг. Самолеты летают, несмотря на то, что они мало похожи на птиц. Но все же кажется более вероятным, что самый быстрый способ понять интеллект - это изучить принципы из биологии. Это касается не только мозга: слепой подход эволюции нашел блестящие решения во всей природе. Наши величайшие умы в настоящее время усердно работают против слабого интеллекта вируса, его гениальность заимствована из репродуктивных механизмов наших клеток, подобно тому, как Луна заимствует свет у Солнца. Тем не менее, очень важно помнить, что, когда мы каталогизируем детали того, как интеллект реализуется в мозге, мы описываем одежду короля в отсутствие самого короля (отсылка к «Новому платью короля»). Однако мы уговариваем себя, что узнаем его, когда увидим, независимо от того, что на нем будет надето.