Domāšanas mašīnas

1982. gadā, kad viņš vēl bija MIT students, Denijs Hiliss līdzdibināja uzņēmumu Thinking Machines, kas ir viena no slavenākajām neveiksmēm skaitļošanas vēsturē. Neprātīgu un izcilu pētnieku strops Thinking Machines mēģināja izveidot pasaulē pirmo mākslīgo intelektu. Bet, ja uzņēmumam neizdevās uzbūvēt iekārtu, kas ar mums lepotos (korporatīvā devīze), tā Connection Machine demonstrēja paralēlās apstrādes praktiskumu, kas ir mūsdienu superskaitļošanas pamats. Mūsdienās Denijs Hiliss ir dizaina un izgudrojumu uzņēmuma Applied Minds līdzpriekšsēdētājs, un viņš būvē Clock of the Long Now — mehānisku pulksteni, kas kalpos 10 000 gadu.

Denijs Hiliss birojā ar raķetes Saturn 1B H-1 dzinēju, kas ir pirmais Apollo 7 dzinēja posms. (Kredīts: Daniels Hennessijs)

TR: Kāpēc mākslīgā intelekta radīšana ir tik sarežģīta?

Šis stāsts bija daļa no mūsu 2006. gada novembra numura

• Skatiet pārējo izdevuma daļu
• Abonēt

Hillis: Mēs skatāmies uz savu prātu un vērojam mūsu apzinātās domāšanas, spriešanas, plānošanas un analoģiju veidošanas modeļus un domājam: tā ir domāšana. Patiesībā tā ir tikai ļoti dziļa aisberga redzamā daļa. Kad agrīnie AI pētnieki sāka darbu, viņi uzskatīja, ka smagas problēmas ir tādas lietas kā šaha spēlēšana un skaitļošanas eksāmenu nokārtošana. Šīs lietas izrādījās vienkāršas. Taču tādi domāšanas veidi, kas šķita bez piepūles, piemēram, sejas atpazīšana vai stāstā svarīgā pamanīšana, izrādījās ļoti, ļoti grūti.

TR: Kāpēc domāšanas mašīnām neizdevās radīt domāšanas mašīnu?

Hillis: Skaidra atbilde ir tāda, ka mums vienkārši nebija pietiekami daudz laika. Bet laikam būtu bijis pietiekami daudz gadu desmitu, varbūt mūžu. Tā ir smaga problēma, iespējams, daudzas smagas problēmas, un mēs īsti nezinām, kā tās atrisināt. Mums joprojām nav īstas zinātniskas atbildes uz jautājumu Kas ir prāts?

TR: Connection Machine bija efektīva platforma superskaitļošanai. Kāpēc Thinking Machines neattīstījās kā superskaitļošanas uzņēmums?

Hillis: Superskaitļošana izrādījās tehnoloģija, nevis bizness. Mans draugs Neitans Mairvolds, kurš tajā laikā vadīja Microsoft Research, reiz man teica: Superdatoram ir vismaz tikpat grūti izveidot programmatūru kā personālajam datoram, taču jums ir tikai daži tūkstoši klientu, un mums ir miljardi. Ne tikai tas, bet katrs no šiem klientiem patiesībā sagaida, ka jūs viņiem dosiet tieši to, kas viņiem nepieciešams.

TR: Kādi bija Thinking Machines pētījuma veiksmīgie komerciālie pielietojumi?

Hillis: Komerciālās lietojumprogrammas galvenokārt bija mikroshēmu dizains, datu ieguve, teksta meklēšana, kriptoloģija, skaitļošanas ķīmija, datorgrafika, finanšu optimizācija, seismiskā apstrāde un šķidruma plūsmas modelēšana. Zinātniskie pielietojumi, piemēram, astronomija, klimata modelēšana vai kvantu hromodinamika, bija aizraujoši, kad palīdzēja iegūt rezultātu Daba , taču mēs ar tiem nekad nepelnījām naudu.

TR: Kas notika ar Thinking Machines patentiem? Vairāk nekā jebkurš cits jūs esat atbildīgs par masveida paralēlo apstrādi. Jūs saņemat kredītu, bet bez maksājuma. Kas to saņem un kāpēc?

Hillis: Pirmkārt, man vajadzētu būt skaidram, ka esmu tikai viens no daudziem cilvēkiem, kuri ir devuši ieguldījumu masveida paralēlās skaitļošanas attīstībā. Kas attiecas uz patentiem, viena no Thinking Machines neveiksmes sekām ir tā, ka es zaudēju jebkādas tiesības uz tehnoloģijām. Retrospektīvi, tas izrādījās svētīgs, jo tas mani paglāba no nākamās dzīves desmitgades pavadīšanas tiesā.

TR: Kā jūsu mākslīgā intelekta filozofija atšķiras no Mārvina Minska slavenās prāta sabiedrības?

Hillis: Mārvins ir mans mentors, tāpēc jebkura mana AI filozofija sākas ar viņu. Es dzīvoju viņa pagrabā, kamēr viņš rakstīja grāmatu Prāta sabiedrība, un katru dienu viņš uzrakstīja jaunu lappusi vai divas un ļāva man to izlasīt. Tad mēs varētu par to runāt, un es varētu dzirdēt visas domas, ko viņš bija aiz tā licis. Es joprojām nevaru iedomāties, kā būtu lasīt šo grāmatu, no vāka līdz vākam, bez ilgas sarunas katrā lappusē. Bet tā ir grāmatas būtība: kā Mārvins teiktu, smadzenes ir klude. Notiek daudz dažādu lietu, un tās mijiedarbojas sarežģītos veidos. Mārvins, protams, kļūdās lielākajā daļā detaļu, taču es domāju, ka lielais priekšstats par daudziem dažādiem, brīvi savienotiem pusautonomiem procesiem būtībā ir pareizs.

TR: Jūs apsteidzāt savu laiku, pielietojot aprēķinus imunoloģijā, ģenētikā un neirobioloģijā. Mūsdienās aprēķini bioloģijā ir visuresoši. Ko tas nozīmēs?

Hillis: Esmu sajūsmā, ka skaitļošanas bioloģija sāk darboties. Tāda sajūta kā skaitļošanas jomā 1970. gadā. Šķiet, ka viss ir iespējams, un vienīgais ierobežojums ir mūsu iztēle. Joprojām ir tik daudz pamata, vienkāršu jautājumu, uz kuriem nav atbildes: kā tiek kodētas atmiņas? Kā imūnsistēmai ir “es” sajūta?

Mani īpaši interesē, kas būs no evolūcijas skaitļošanas modeļiem, lai gan man jāatzīst, ka šobrīd šī joma šķiet nedaudz iestrēgusi. Lielākā daļa pašreizējo evolūcijas modeļu to samazina līdz ļoti vājam meklēšanas algoritmam, taču man vienmēr ir šķitis, ka tajā ir kaut kas vairāk. Nav tā, ka biologi kļūdās attiecībā uz mehānismiem, bet gan tas, ka modeļi ir daudz vienkāršāki nekā bioloģija. Var gadīties, ka atslēga ir evolūcijas un attīstības mijiedarbība vai uzvedība un vide, vai kaut kas tamlīdzīgs.

paslēpties