Читать «Седьмое чувство. Под знаком предсказуемости: как прогнозировать и управлять изменениями в цифровую эпоху» онлайн - страница 184

Глава одиннадцатая

Граждане!

В которой Седьмое чувство спасает нас от неожиданной опасности.

Я никогда не имел особого желания пойти посмотреть на Пэтти Маас. Бельгийка, одетая, как правило, во что-то черное и модное, она похожа на эспрессо в человеческом обличье. Каждый ваш разговор с ней заканчивается тем, что вы остаетесь, как будто только проснувшись, с широко открытыми глазами. Когда я впервые познакомился с ней в 1990-е годы, она отвечала за большую часть работы по искусственному интеллекту в Media Lab Массачусетского технологического института (МТИ), в старом доме Дэнни Хиллиса. Маас прибыла в МТИ в 1990 году и почти сразу же обратилась к проблеме создания машин, которые могли бы думать. Однажды, когда мы обсуждали то, насколько же странным может быть чудо компьютерного мышления, она поведала мне одну загадку из области своих интересов, которая осталась в моей памяти на все последующие годы. Это называлось исчезающей проблемой искусственного интеллекта.

Еще в 1990-е годы, когда Интернет только проникал в массовое сознание, Маас и ее команда работали над тем, что было известно как компьютерное прогнозирование. Это представляло собой некий следующий шаг от пинг-понговых бесед, которые вел Вейценбаум с ЭЛИЗой в 1960-е годы. Маас хотела разработать компьютер, который мог бы спросить, например, кто из звезд кинематографа вам нравится. «Роберт Редфорд», – ответили бы вы. И тогда машина представила бы вам ряд фильмов, которые могли бы вам понравиться. Классика Пола Ньюмана «Хладнокровный Люк», например. И, возможно, вам действительно понравился этот фильм. Это походило на магию. Просто вопрос, заданный на случаной встрече, который продемонстрировал, как машина может учиться и мыслить. Это определенно искусственный интеллект. Маас надеялась создать компьютер, который сможет предсказать, какие фильмы, музыка или книги могли мне или вам понравиться (и, конечно же, которые мы бы купили). Неисчерпаемый источник рекомендаций. Мы все знаем и помним, какими странными были наши собственные первые фразы, вопросы, предложения. Подумайте, насколько примитивна эта форма аналогового общения, подобная беседе на первом свидании: «О, а вам нравится группа Radiohead? А Sigur Ros вы знаете?» Пауза. «Нет, ненавижу их». Можете ли вы действительно предсказать, какими альбомами или романами будет пользоваться даже ваш самый близкий друг? Вы могли бы сделать прогноз результата в этой лотерее. И без колебаний перенести ваши знания о вкусах друзей на практически бесконечную библиотеку фильмов, песен и книг мира? Это за пределами человеческого потенциала. Но почему-то это казалось идеальной задачей для маслящей машины.

Традиционным подходом к подобной проблеме стало разработать формулу, которая могла бы имитировать вашего друга. Каковы его увлечения? Какие области его интересуют? Что веселит его? А затем вы начинаете программировать компьютер, который так же «глубоко» мог погрузиться в архивы кино, музыки и книг, чтобы классифицировать их по сюжету и типу характера, чтобы увидеть, что могло бы соответствовать интересам вашего друга. После мнолетних работ над созданием программ, которые пытались, но терпели неудачи, выработать подобные рекомендации, группа МТИ все же изменила тактику. Вместо того чтобы научить машину понимать вас (или Толстого), они приступили к сбору данных о том, какие фильмы, музыку и книги люди любили. Потом они рассмотрели все образцы. Выяснилось, что люди не уникальны. Большинство, кто любил Редфорда в «Бегущем по холмам», любили Ньюмена в «Мошеннике». Те, кому нравилась песня Kid A Radiohead, могли быть безошибочно отнесены к поклонникам Agætis byrjun группы Sigur Ros.