О чём эта лекция?
Кажется, мы живём в исторический момент. За последние пару лет искусственный интеллект сделал такой скачок, что многие из нас впервые задумались: а может ли машина на самом деле мыслить?
Он сочиняет музыку, пишет рассказы, придумывает бизнес-планы и шутит в интернете. Он рисует фотореалистичные картины, имитирует голоса знаменитостей и ведёт беседу не хуже блогера. Он способен запросто пройти тесты для поступления в университет и — кажется — всё ближе подбирается к тому, чтобы притвориться человеком… или даже стать чем-то большим.
Но что на самом деле происходит? Насколько глубок и реален интеллект, который мы наблюдаем? Чем сегодняшние ИИ отличаются от человека — и в чём, наоборот, они уже нас превзошли? Почему мы часто очарованы ими, а иногда смеёмся над их нелепыми ошибками?
Лекция Самата Галимова — это разговор на стыке технологий, философии, нейронауки и здравого смысла. С живыми демонстрациями работы нейросетей. С интерактивами, где вы сами станете частью экспериментов. С вопросами, на которые не так просто найти ответ — но которые точно останутся с вами.
Для кого эта лекция?
Эта лекция — для тех, кто уже использует искусственный интеллект в жизни или работе и хочет лучше понять, как он устроен. Для тех, кто боится или восхищается ИИ — и хочет разобраться, насколько эти чувства обоснованы. Для тех, кому интересно будущее мышления, сознания и границ между человеком и машиной. И, наконец, для всех, кто просто любит размышлять о сложном — простым языком и с увлекательным сюжетом.
Вам не нужен технический бэкграунд: всё будет объяснено понятно, с примерами, метафорами и вовлечением. Это не урок, а интеллектуальное шоу, в котором вы не только слушаете, но и участвуете.
Искусственный интеллект
Сознание
Думают ли машины?
Как мы создаем ИИ
Лекция посвящена истории искусственного интеллекта — от первых механических автоматов до современных нейросетей. Мы проследим, как человечество пришло к сегодняшнему моменту, когда мы всерьез обсуждаем, может ли машина мыслить.
Когда мы говорим об искусственном интеллекте, кажется, что это феномен последних лет, но на самом деле стремление создать нечто живое, созданное руками человека, сопровождает нас веками. Еще задолго до появления компьютеров люди мечтали о механических существах, способных двигаться, издавать звуки, реагировать на мир. Это была не просто игра разума — в этих изобретениях отражалось желание понять самих себя.
От механических автоматов к первым вычислительным машинам
Одним из первых таких инженеров был Аль-Джазари — ученый XIII века, живший в районе современной Турции и Ирака. Он создал множество автоматов, среди которых была заводная лодка с музыкантами, которая плавала вокруг дворца правителя. Через пять веков француз Жак де Вокансон изготовил знаменитую механическую утку, которая не только ела зерно, но и «переваривала» его. Для XVIII века это было чудом инженерии, хотя в действительности утка просто скрывала в себе небольшой резервуар с заранее подготовленными веществами. Но публику восхищало само ощущение: перед ними — нечто живое, созданное человеком.
В XX веке идея оживших машин снова всплыла в новой форме. В 1930-е годы компания Westinghouse представила робота по имени Электра, который мог двигаться, пожимать руку и даже разговаривать. Он стал символом технологического прогресса Америки. Но рядом с изобретателями всегда были и мошенники. Самый известный пример — «механический турок» XVIII века, робот, который якобы умел играть в шахматы. Он ездил по Европе и Америке, играл с Наполеоном и Бенджамином Франклином, и почти всегда побеждал. Позже выяснилось, что внутри механизма сидел человек. Этот случай стал одним из первых примеров технологического обмана — и важным напоминанием о том, как легко нас заворожить образом мыслящей машины.
Параллельно с попытками создать искусственную жизнь философы и математики размышляли, что такое мышление и можно ли его описать формально. Аристотель одним из первых предложил рассматривать рассуждение как систему логических связей, которую можно выразить словами и правилами. Позже Декарт сформулировал известное «Я думаю, следовательно, существую», утверждая, что факт мышления — доказательство существования субъекта. Лейбниц мечтал пойти дальше: он представлял себе язык, в котором любые споры можно было бы решать вычислением. Если бы мысли можно было записать в формулах, рассуждения становились бы такими же строгими, как арифметика.
Эта идея — предтеча современной компьютерной логики. Она вдохновила тех, кто позже создавал первые вычислительные машины. В конце XIX века в России проводилась всеобщая перепись населения. Для ее обработки использовались перфокарты и машины американского инженера Германа Холлерита. Эти устройства автоматически подсчитывали данные и стали прототипом будущих компьютеров. Компания Холлерита позже превратилась в IBM — ту самую, что до сих пор определяет развитие вычислительной техники.
Следующий шаг сделал Чарльз Бэббидж в XIX веке. Он задумал аналитическую машину, которая могла выполнять математические операции по заданной программе. Его современница Ада Лавлейс, дочь лорда Байрона, стала первой, кто написал для нее алгоритмы. Ее считают первым программистом в истории. Машина Бэббиджа так и не была построена при его жизни, но она заложила архитектуру современного компьютера.
Рождение электронных компьютеров
Настоящий взлет вычислительной техники произошел во время Второй мировой войны. Манхэттенский проект, создание атомной бомбы, требовал колоссальных расчетов. Женщины-«калькуляторы» выполняли эти вычисления вручную, пока им не на помощь не пришли счетные машины IBM. Тогда же появился первый полноценный электронный компьютер — ЭНИАК, созданный в Пенсильванском университете в 1945 году. Он весил двадцать семь тонн, но впервые позволил машине выполнять инструкции без участия человека.
В это же время английский математик Алан Тьюринг взламывал шифры немецкой «Энигмы». Он не только создал вычислительные машины, но и задумался о том, может ли машина мыслить. Его знаменитый мысленный эксперимент, известный как тест Тьюринга, предполагал, что если человек не способен отличить собеседника-человека от машины, значит, машина действительно умеет думать.
В 1956 году на Дартмутской конференции группа ученых — Джон Маккарти, Марвин Мински, Клод Шеннон и Натан Рочестер — ввела сам термин «искусственный интеллект». Они предположили, что можно описать процесс мышления настолько точно, что машина сможет его воспроизвести. Эта идея вдохновила целое поколение исследователей.
Первые успехи и «зимы»
1960-е годы стали временем оптимизма. Ученые создавали программы, которые, казалось, могли рассуждать и вести диалог. Появились первые чат-боты, например Элиза, а также логические системы, имитировавшие человеческое мышление. Казалось, что до мыслящих машин остались считанные годы. Но очень скоро стало ясно, что все сложнее. Машинный перевод, на который возлагали огромные надежды, оказался медленным и неточным. Государственные отчеты в США и Великобритании — отчет ALPAC и доклад Лайтхилла — объявили исследования неэффективными. Финансирование свернули, и началась первая «зима искусственного интеллекта».
После разочарования 1970-х внимание ученых сместилось в другую сторону. Если невозможно полностью описать мышление логическими правилами, может быть, стоит попробовать воссоздать саму структуру мозга.
Так появилась идея нейронных сетей. В 1960 году Фрэнк Розенблатт создал перцептрон — машину, которая могла обучаться на опыте. Она распознавала буквы, корректируя собственные параметры при каждой ошибке. Это был прообраз современного машинного обучения. Но идею не приняли: Минский и Пейперт доказали, что у перцептрона слишком узкие возможности. И развитие этой линии снова остановилось почти на двадцать лет.
Эволюция вычислительной мощности
Тем временем компьютеры становились все мощнее и дешевле. ЭНИАК весил двадцать семь тонн, а уже через десять лет IBM выпускала модульные компьютеры весом менее тонны. Еще через десятилетие появились мини-компьютеры PDP-8, которые помещались в легковой автомобиль, а затем — персональные компьютеры IBM PC. Производительность машин росла по экспоненте, как в известной легенде о шахматной доске и рисинках, где каждое следующее число удваивается. Так и вычислительная мощность увеличивалась в геометрической прогрессии.
Важную роль в этом росте сыграли видеоигры. Они требовали все большей графической мощности, и для этого появились специальные процессоры — видеокарты. Видеокарта обрабатывает миллионы операций параллельно, что идеально подошло для обучения нейросетей. Именно благодаря видеоиграм появились те вычислительные ресурсы, на которых позже вырос искусственный интеллект.
В 1980–1990-е годы нейронные сети возродились. Ученые создавали системы распознавания рукописного текста, которые обучались на огромных массивах данных. В Америке институт NIST собрал тысячи примеров рукописных цифр, чтобы на них тренировать модели. В это же время Алан Лекан разработал нейросеть LeNet, способную распознавать рукописные числа.
Настоящий прорыв произошел в начале 2010-х. Исследовательница Фэй-Фэй Ли собрала огромную базу изображений — ImageNet. Сотни тысяч людей по всему миру вручную размечали миллионы фотографий. Это дало нейросетям возможность «увидеть» мир во множестве вариантов. В 2012 году трое исследователей — Алекс Крижевский, Илья Суцкевер и Джеффри Хинтон — представили нейросеть AlexNet, обученную на этой базе. Она превзошла все предыдущие алгоритмы в распознавании изображений. Главным отличием было то, что сеть обучалась на видеокартах, способных выполнять вычисления параллельно. Этот момент стал началом современной эпохи искусственного интеллекта.
Эпоха трансформеров и современный ИИ
В 2017 году группа инженеров из Google опубликовала статью «Attention Is All You Need» и представила архитектуру трансформеров. Принцип трансформера позволял обрабатывать текст и данные не последовательно, а параллельно, как в видеокартах. Это сделало возможным обучение огромных языковых моделей — тех, что сегодня лежат в основе ChatGPT и других систем. Именно с трансформеров начался взрывной рост искусственного интеллекта.
Сегодня мы живем в эпоху, когда нейросети умеют говорить естественным голосом, создавать реалистичные изображения, видео и даже менять человеческие лица в реальном времени. Машины управляют автомобилями, пишут музыку, ведут диалоги. Все это стало возможным благодаря тем же принципам, что заложены в перцептроне Розенблатта и трансформерах Google.
Но вместе с восторгом приходит и тревога. Большая часть исследований в области ИИ финансируется военными корпорациями. Уже существуют дроны, которые способны принимать решение об атаке без участия человека. В этот момент вопрос «думают ли машины» перестает быть философским и становится политическим и этическим.
Философский итог
Интересно, что по мере роста нейросетей у них появляются новые способности, которых не было в исходном коде. Когда количество параметров модели достигает определенного порога, она внезапно начинает делать то, чему ее не учили: рассуждать, считать, строить цепочки умозаключений. Это явление называют «эмерджентными свойствами». При десяти миллиардах параметров сеть учится на единичных примерах, при пятидесяти — разбивает задачу на шаги, при ста — начинает считать, а при ста семидесяти пяти — решает логические задачи. Именно из этого рождается надежда на создание «сильного искусственного интеллекта» — AGI, системы, способной мыслить на уровне человека.
Однако есть и практические ограничения. Чтобы обучить современные модели, требуется огромное количество электричества и видеокарт. В США уже перезапускают старые атомные станции, чтобы обеспечить энергетические нужды центров обработки данных. В какой-то момент вера в «чудо масштабирования» становится почти религиозной: если вложить еще больше вычислительных мощностей, вдруг произойдет прорыв. В этом смысле искусственный интеллект стал новой формой веры — только вместо бога у нас машина, способная мыслить.
История искусственного интеллекта — это не просто история технологий. Это история человеческого стремления понять самого себя. Мы создаем машины не потому, что хотим заменить человека, а потому что хотим увидеть отражение собственного разума в другом существе. Возможно, ответ на вопрос «думают ли машины» не столь важен. Гораздо важнее, что, создавая искусственный интеллект, мы заново учимся понимать, что значит быть человеком.
