Книга: Зачем мы говорим. История речи от неандертальцев до искусственного интеллекта
Назад: 7 Берегитесь: у компьютеров есть уши
Дальше: Благодарности

8
Компьютеры пишут любовные послания

Компьютеры – безмолвные слуги, добросовестно выполняющие команды по указанию программиста. Писатели пользуются текстовыми процессорами, звукооператоры микшируют музыку, мультипликаторы используют программы анимации, но сама машина не артистична: творчество – это исключительно человеческая способность. И все же ученые оспаривают это утверждение, заставляя компьютеры писать стихи, сочинять музыку и составлять новые рецепты приготовления пищи. Так могут ли машины созидать? Мнения по этому поводу расходятся. Некоторые считают, что творческие способности возникают только на основе биологического сознания, и, следовательно, электронные устройства никогда не смогут добиться того, что может делать человек. Другие убеждают, что сознание и творчество – это математические процессы, которые теоретически могут запускаться машиной, даже если на практике эти процессы оказываются слишком сложными для кодирования. Какой бы ни была ваша точка зрения, уже существуют компьютеры, которые имитируют узкие аспекты творческой деятельности человека: пишут новостные сообщения, выдвигают и проверяют научные гипотезы и создают художественные произведения. В то же время, имитируя творческие процессы на компьютере, исследователи выясняют, что лежит в основе человеческой изобретательности.
Искусственный интеллект, несомненно, будет оказывать значительное влияние на речь. Мы уже узнали, как компьютеры учатся слушать и разговаривать. Но как насчет важнейшего ингредиента коммуникации – слова? Инструменты автоматического транскрибирования уже ломают языковые барьеры между людьми и позволяют вести беседы, которые ранее были бы невозможны. Полмиллиарда человек каждый месяц пользуются переводчиком Google, а самыми частыми запросами оказываются переводы фраз «Я тебя люблю» и «У тебя красивые глаза» [1]. Но компьютеры могут не только помогать в онлайн-чатах и переводить ласковые слова. Они способны на большее. Настоящий искусственный интеллект должен не повторять заученные фразы как попугай, а творчески развивать язык в новых направлениях.
Есть какое-то жутковатое очарование в том, что машины начнут использовать собственный творческий потенциал, в геометрической прогрессии наращивая свои способности, быстро превзойдут человека и завладеют миром. Это объясняет сенсационные заголовки 2017 года, когда лаборатория искусственного интеллекта Facebook закрыла два чат-бота, потому что они перешли от английского к собственному языку общения. И пока некоторые ужасались происходящему, ведь теперь машины могли «обходиться без своих хозяев», умные люди отметили, что компьютеры просто нашли более эффективный способ общения. Вот что происходит с языком: он развивается. Предполагалось, что чат-боты будут учиться лучше общаться с людьми, но ученые забыли ограничить их работу только английским языком.
Чтобы понять возможности компьютеров, давайте переделаем написанную в XIX веке пьесу Эдмона Ростана «Сирано де Бержерак». В оригинале у Сирано огромный нос, и эта уродливая особенность не позволяет ему признаться в любви прекрасной Роксане. Красивый, но туповатый Кристиан – тоже поклонник Роксаны. Эти двое заключают соглашение: Сирано пишет Роксане стихи, а Кристиан утверждает, что он их автор. Трагическая любовная история заканчивается, когда Роксана обнаруживает, что истинным поэтом является Сирано, но это происходит буквально за минуту до его смерти. В моей версии пьесы Кристиан обходится без Сирано и обращается к компьютеру, чтобы тот писал стихи. Код компьютерного «Сирано» будет руководствоваться не любовью, а алгоритмом, написанным с целью доставить Роксане как можно больше удовольствия от поэзии.
Вот пример любовного послания, написанного компьютером:
DARLING SWEETHEART
YOU ARE MY AVID FELLOW FEELING. MY
AFFECTION CURIOUSLY CLINGS TO YOUR
PASSIONATE WISH. MY LIKING YEARNS FOR YOUR
HEART. YOU ARE MY WISTFUL
SYMPATHY: MY TENDER LIKING.
YOURS BEAUTIFULLY
M. U. C.

ДРАЖАЙШАЯ ВОЗЛЮБЛЕННАЯ
ТЫ – МОЕ НЕУТОЛИМОЕ СОЧУВСТВИЕ. МОЯ ЛЮБОВЬ
УДИВИТЕЛЬНЫМ ОБРАЗОМ ПРИНИКАЕТ К ТВОЕМУ
СТРАСТНОМУ ЖЕЛАНИЮ. МОЯ СИМПАТИЯ ЖАЖДЕТ
ТВОЕГО СЕРДЦА. ТЫ – МОЯ ТОМЯЩАЯСЯ ЖЕЛАНИЕМ
СИМПАТИЯ: МОЯ НЕЖНАЯ ЛЮБОВЬ.
ПРЕКРАСНО ТВОЙ К.М.У.
Судя по этому письму, Сирано не стоило бы сильно беспокоиться, строки имеют историческое значение – это первый пример текста, созданного компьютером. Они были написаны Baby, первым современным компьютером, способным хранить программы в памяти. «К.М.У.» означает «компьютер Манчестерского университета» Распечатки странных любовных писем появились на доске объявлений университета в 1952 году и были детищем основоположника компьютерной науки профессора Кристофера Стречи. У него была репутация потрясающего программиста, которую он заслужил дерзкой демонстрацией большой компьютерной программы, игравшей в шашки (в тех программах еще использовались перфокарты!). Она поразила всех тем, что практически сразу же сыграла безукоризненно; а после окончания игры исполнила «Боже, храни короля» [2]. Стречи написал программу создания любовных писем, чтобы проверить способность Baby к произвольному отбору информации. Программа «бросает кости», чтобы выбрать романтические глаголы и существительные, и помещает их в шаблон, чтобы составить предложения. Сегодня она существует только как часть инсталляции LoveLetters 1.0, созданной художником и медиаархеологом Дэвидом Линком. В этой инсталляции используется код первоисточника [3].
Для своего времени программа была впечатляющим достижением, но творческим источником этих срок был Стречи, а не Baby. Более того, никто не принял бы этот текст за написанное человеком любовное письмо. Ниже я привожу современную попытку компьютера завершить один из сонетов Шекспира по его первой строке: «Сравню ли я тебя…»:
Shall I compare thee to skill,
The white heart of the release moon still come and say,
And all the one rain is the our heads, in the green day.
The precision of countrys of the corner so little garden, darkening blessed of
sea while one of the city for the voice in the window –
The rusty ban, who deadest an old and the starpy called people,
And the draw of the doors and the time for proval, so many instant
Than are a river on the warm of the blood of his willing and play
And gave me here some move; and what any.

Сравню ли я тебя с искусством,
Белое сердце освобождающей луны все же придет и скажет,
И весь единый дождь – это наши головы зеленым днем.
Аккуратность странов этого угла, поэтому маленький садик, потемнев, благословил море, когда кто-то из города для голоса в окне –
Ржавый запрет, который умертвил старый и старпно названный народ,
А сквозняк дверей и время для доказа, так много мига,
Который есть река на тепле крови его желания и игры
И дал мне здесь немножко движения, и что нибудь [4].
Конечно, Роксана, скорее всего, была бы разочарована, если бы Кристиан продекламировал ей этот полуграмотный поток сознания. Тем не менее здесь программист меньше задействован в творческом процессе. В 2015 году Джеймс Ллойд и Алекс Дэвис, работавшие в то время в Кембриджском университете, обучали искусственную нейронную сеть на примере 10 000 стихотворений. Подобно алгоритмам, которые преобразуют речь в текст и с которыми мы уже встречались ранее, эти программы учатся выполнять задание посредством «знакомства» с многочисленными примерами. Нейронные сети организованы так, чтобы иметь возможность предсказывать, какие слова и словосочетания, скорее всего, должны появиться дальше по тексту. Поэтому когда компьютер получает строку «Сравню ли я тебя…», он делает предположение о том, каким может быть ее окончание, а затем продолжает прогнозировать, как будет развиваться сонет, разворачивая его буква за буквой.
Во время обучения то, что создает нейронная сеть, сравнивается с реальным стихотворением. Если сеть неправильно прогнозирует следующую букву, она корректирует свои внутренние связи для улучшения прогнозов в будущем. Такая система не имеет возможности механически запоминать каждое стихотворение с точностью до буквы, поэтому прогнозы никогда не совпадают с исходным стихотворением.
Побуквенная работа означает, что алгоритму необходимо выучить даже самые элементарные языковые структуры. Через несколько секунд после начала обучения программа создает тарабарщину, но все же видно, что она уже поняла, что в английском языке часто встречается буква «e»:/Wteh lea e a sti es s e inne re l se l lhre, so e sir a f e riay r mn rdh rewsr e iie r eto e ctsse e i o en e tnea e s.
Еще через несколько минут нейронная сеть догадалась, что буквы складываются в «слова»:
ursoe haoth sicge tim bonr ghoiconiiroch is a)o
PuTTY dhr doooc nins voaed ofitot tions anewt
А через пять минут некоторые слова уже вполне похожи на английские:
Stand the fanes and chen the posser.
Srone the she was insoneed the crour faning of mas
Еще через несколько часов неслов становится меньше и улучшается грамматика:
Are you not pleasant?
And as I am leaving you my life like the earthworms?
Получившийся сонет, конечно, не шедевр поэтического искусства, но просто поразительно, что простой цикл машинного самообучения может произвести нечто, в чем легко можно узнать стихотворение. Если дать компьютеру свободу, есть опасность, что его поэзия разочарует, но стоит ввести ограничения в программу, и можно ожидать, что получится стихотворение, которое понравится. Возьмем, к примеру, лимерик. У него строго определенная форма, поэтому значительно легче сделать так, чтобы компьютер выдал приемлемый результат. Можно даже создать такие стихотворения, что читатель не сразу догадается, что их автор – машина. Если хотите поэкспериментировать, можно пройти упрощенный тест Тьюринга. Суть заключается в следующем: даны стихотворения, которые написаны человеком и машиной, и надо догадаться, какое стихотворение кем написано. Вот несколько строк, одно стихотворение написано компьютером, а другое человеком. Вы сможете определить автора?

 

Стихотворение 1:
By action or by suffering, and whose hour
Was drained to its last sand in weal or woe,
So that the trunk survived both fruit & flower.

Деяньем иль страданьем, и чей час
Истек до последней песчинки в счастье иль в несчастье,
И потому стебель пережил и плод, и цвет.

Стихотворение 2:
nuclear Parisian age
as last as a proclamation
last like a proclamation!
as close as an interest!

ядерный Парижский век
последний как прокламация
длится как прокламация!
так близко как интерес!

Первое стихотворение написано английским романтиком Перси Шелли. Второе было создано компьютерной программой, к которой мы вернемся позднее. Упрощенный тест Тьюринга очень увлекателен, но это плохой тест на креативность. Я мог бы легко повлиять на его результаты: выбрать отвратительные примеры созданной человеком поэзии, и тогда отличить созданные компьютером стихотворения стало бы значительно сложнее.
Алан Тьюринг был отцом современной вычислительной техники, и его гениальность помогала декодировать сообщения германских машин «Энигма» во время Второй мировой войны. Он работал и на Baby, манчестерском компьютере, который писал любовные письма. Тест, который он изобрел и который был назван в его честь, часто превозносится в средствах массовой информации как важный рубеж для искусственного интеллекта, и это страшно раздражает ученых, занимающихся компьютерными науками. Тьюринг хотел выяснить, может ли компьютер думать как человек. В своем основополагающем труде он писал об «игре в имитацию», в которой, помимо создания поэтических произведений, компьютеру нужно было и критиковать стихи. В качестве примера Тьюринг приводил следующую гипотетическую беседу [5].
Исследователь. В первой строке твоего сонета «Сравню ли я тебя с летним днем» не лучше ли было бы написать «с весенним днем»?
Компьютер. Тогда не будет выдерживаться размер.
Исследователь. А «зимний день»? Размер вполне подходит.
Компьютер. Да, но никто не хотел бы, чтобы его сравнивали с зимним днем.
Исследователь. Ты сказал бы, что мистер Пиквик напоминает тебе о Рождестве?
Компьютер. Да, пожалуй.
Исследователь. Но Рождество – это зимний день, и я не думаю, что мистер Пиквик возражал бы против такого сравнения.
Компьютер. Не думаю, что вы это серьезно. Под зимним днем обычно понимается типичный зимний день, а не такой особенный, как Рождество.
Современные компьютерные программы создания поэтических текстов не смогли бы справиться с таким «допросом», потому что для ответа нужно владеть особым навыком, не таким, который требуется для написания стихов. Сегодня творческие способности, которые демонстрируют компьютеры, всегда реализуются в очень узкой области: работа в более широкой сфере определенно выходит за рамки возможностей искусственного интеллекта. Хотя, возможно, не стоит относиться к этому столь критически, ведь многим людям-творцам бывает трудно объяснить свои творческие замыслы и процессы.
В работе Тьюринга обсуждаются также и «противоположные точки зрения» и приводится мнение сэра Джеффри Джефферсона, в то время руководившего кафедрой нейрохирургии Манчестерского университета. В ответ на успехи Baby Джефферсон в 1949 году написал об опасности «очеловечивания» машины:
Не раньше, чем машина сможет сочинить сонет или написать концерт на основе собственных мыслей и эмоций, а не случайного совпадения символов, мы сможем согласиться с тем, что машина находится на одном уровне с мозгом – когда она сможет не только писать произведения, но и сознавать, что она их написала. Ни один механизм не умеет чувствовать (а не просто искусственно сигнализировать, что является нехитрой уловкой) удовольствие от своих успехов, печаль от того, что у него сгорел предохранитель, ее не согревает лесть, она не может расстраиваться от своих ошибок, ее не привлекает секс, она не умеет сердиться и не впадает в депрессию, когда не может получить то, чего хочет [6].
Джефферсон утверждал, что поскольку искусство – это выражение и передача опыта человека, оно не может быть создано компьютером, хотя, как мы уже видели в контексте театра, машины могут пролить свет на человеческую сущность.
Многие исследователи сосредоточивают внимание на процессе создания произведения искусства, стремясь проникнуть в тайны творчества, при этом они оставляют в стороне необходимость считаться с субъективным мнением переменчивой людской критики. Система создания стихотворных текстов, разработанная Джоанной Мишталь-Радецкой и Бипин Индурхья из Ягеллонского университета в Кракове, – один из примеров таких систем [7]. Их стихотворения создаются компьютером, имитирующим некоторые сложные процессы мозга.
Представьте, что вы с коллегами попали на однодневный выездной семинар и получили задание совместно написать на флипчарте стихотворение. Стихотворение должно быть основано на сообщении, размещенном в блоге. Каждый из коллег специализируется на конкретном задании. Один может определять в тексте блога нужные для вдохновения ключевые слова, отыскивать слова, имеющие множество ассоциаций и, следовательно, подходящие для создания поэтического текста. Другой будет оценивать настроение блога, определяя, что преобладает: гнев, страх или радость. Кто-то работает с тезаурусом, выписывает на самоклеящиеся листочки возможные синонимы и антонимы к ключевым словам и прикрепляет их на флипчарт. Еще один коллега получает задание найти слова, вызывающие эмоции, отражающие настроение исходного текста. Далее весь этот общий котел идей передается другим участникам, которые создают фрагменты стихотворения. Они могут придумывать метафоры, оксюмороны или риторические вопросы, затем записывать их на других листочках. Кого-то из коллег просят их критически оценить и выбрать лучшие: например, проверить, попадают ли строки в нужный стихотворный размер. Так постепенно возникает стихотворение.
Алгоритмы Джоанны копируют этот процесс, но все задания выполняются программным обеспечением. Вот пример того, что получается. Это стихотворение возникло из следующего блога:
Помню, что меня бесконечно занимали похождения моих игрушек! Иногда они снова и снова умирали ужасной насильственной смертью, в другие дни они путешествовали в космос или обсуждали мои уроки плавания и то, что мне совершенно необходимо разрешить плавать в тот конец бассейна, где глубоко, особенно учитывая мое превосходное умение плавать по-собачьи [8].
Выбранная компьютером тема была «тот конец бассейна, где глубоко» (deep end), а эмоция – «гнев» (anger). Вот такое получилось стихотворение:
I knew the undisrupted end
I was like the various end
As deep as a transformation
O end the left extremity
Objective undisrupted end
I hated the choleric end
O end the dead extremity

Я знал непрекращающийся конец
Я был как разноцветный конец
Глубокий как преобразованье
О, кончи же оставшуюся опасность
Объективный непрекращающийся конец
Я ненавидел этот раздражительный конец
О, прекрати мертвую опасность

Когда Джоанна и Бипин попросили своих сотрудников и знакомых высказаться по поводу подобных стихотворений, большинство информантов оценили эти произведения не очень высоко. Это едва ли удивляет, поскольку компьютер не умеет правильно определять значимость имеющихся строк. На самом деле, если подобные стихотворения и получатся содержательными, это будет просто счастливой случайностью. Но поэзия – это такая форма искусства, смысл которой находится в голове читателя. Насколько оценка вами этого стихотворения зависела от вашего знания о том, что оно написано компьютером? Некоторую ясность в этом вопросе мы можем получить, обратившись к исследованиям, проведенным на материале музыкальных произведений.
В научной статье, опубликованной в 2008 году, Николаус Стейнбейс и Стефан Келш из Института по когнитивным наукам и исследованиям мозга Общества Макса Планка в Лейпциге описали исследование, в котором изучались реакции мозга человека на музыку с использованием фМРТ-сканера [9]. Участники слушали музыку композиторов ХХ века – Арнольда Шенберга и Антона Веберна. Иногда исследователи делали вид, что автором произведения является компьютер, а в другое время слушателям сообщали, что музыку сочинил человек. Использовалась атональная музыка, потому что слушатели могли по наивности принять кажущиеся бессвязными ноты за произведение компьютера. Когда слушатели были убеждены, что музыка написана человеком, повышенная активность наблюдалась в тех отделах мозга, которые участвуют в прогнозировании того, что, возможно, думают другие. Эти результаты вместе с данными опроса, проведенного после окончания сканирования, показали, что в тех случаях, когда слушатели полагали, что автором музыки был человек, они пытались угадать намерения композитора. Но атональная музыка – это особая сфера, и было бы интересно расширить исследование и провести эксперимент на материале массовой музыки, особенно электронной, в которой множество синтетических звуков и электронных эффектов.
Предположительно то же самое происходит во время поэтических поединков, когда стихи сочиняют роботы, использующие программы машинного стихосложения. Не пытайтесь понять замысел автора в произведениях, созданных компьютером. Литература часто автобиографична и основывается на личном опыте писателя. Разве может машина понять, что́ значит быть живым? Результат деятельности компьютера не может быть приписан мятущемуся художнику, пишущему о своей непростой жизни. Конечно, такое представление о художнике очень романтично, но на данный момент его невозможно преобразовать в компьютерную программу. Мы убеждены, что ни в одном из созданных компьютером стихотворений мы не найдем «души», поэтому маловероятно, что компьютер сможет задействовать такие нейронные сети, формирующие модели психического состояния, какие имеются в нашем мозге.
Один из способов сократить подобный разрыв – поручить компьютерам перекраивать или достраивать тексты, в которых проявляются человеческие качества, потому что они написаны людьми. Именно этим занимаются участники Национального месяца генерирования романа (National Novel Generation Month). Этот проект создал Дарий Каземи, программист и художник, по аналогии с Национальным месяцем написания романа (National Novel Writing Month), события, в рамках которого сотни тысяч авторов пытаются создать черновой вариант романа из 50 000 слов всего за один месяц. Этот проект стартовал в США, но в настоящее время он привлекает участников со всего мира. В результате такого ускоренного процесса были написаны бестселлеры, например «Воды слонам!» Сары Груэн. Компьютерный проект призывает программистов попробовать себя в написании кода, который автоматически генерировал бы роман по меньшей мере такой же длины. В 2015 году в проекте зарегистрировалась пара сотен участников.
Когда на следующий год я встретился с Дарием, он сказал мне, что лучшие отрывки из сгенерированных компьютером произведений получаются в тех случаях, когда код «спотыкается», пытаясь быть похожим на человека. Компьютерный текст напоминает речь туриста, который путается в иностранном языке, и может быть забавно наблюдать, как в безуспешных попытках вдруг возникают случайные «прозрения». Любимый текст Дария был создан в 2014 году, он называется «Искатель» (The Seeker) и выложен от имени thricedotted [10]. Фактически это один из немногих вариантов, которые можно дочитать до конца. В нем используется изощренная метафора: это история об искусственном интеллекте, который учится быть человеком, читая статьи в проекте Wikihow. Поскольку главный герой – машина, читатель не ожидает, что английский, на котором написан роман, будет идеальным, и готов к тому, что значительная часть текста будет взята из корпуса текстов, написанных человеком. Основная часть книги состоит из высказываний, которые больше похожи на компьютерный код, чем на обычные предложения. Роман начинается со статьи из Wikihow «Как заставить девушку пригласить тебя на свидание», там приведены советы с сайта, например «01 … ВСЕГДА (ПОДДЕРЖИВАЙ_ГИГИЕНУ) => хорошо». На каждой четвертой странице приводится короткий отрывок сгенерированного прозаического текста, похожего на сюрреалистическую поэзию. Такая книга может понравиться любителям экспериментальной литературы, но, чтобы прочитать весь текст, нужно быть настоящим фанатом. Даже Дарий признался, что смог осилить не все страницы.
Возможно, компьютеры и не могут писать целые книги, но они уже создали тысячи коротких сообщений для Associated Press. Вот фрагмент сообщения АР об игре Малой бейсбольной лиги.
СТЕЙТ КОЛЛЕДЖ, ПЕНСИЛЬВАНИЯ (АР) – в среду Дилан Тайс занял первую базу, все базы заняты в 11-м иннинге, один игрок выведен из игры, что обеспечило State College Spikes победу над Brooklyn Cyclones со счетом 9–8 [11].
Хотя этот текст впечатляет, ведь он похож на текст на естественном языке, такое прямое перечисление фактов вряд ли заменит хорошие тексты на спортивные темы. Сейчас много говорят о том, что искусственный интеллект лишит многих работы, но в ближайшем будущем журналистам нечего бояться.
В настоящее время компьютеры пытаются овладеть и тонкостями создания сюжетов, и хитросплетениями повествования, которые необходимы для создания длинных текстов. «Не думаю, что мне удалось успешно сгенерировать от начала до конца захватывающий текст из 5000 слов без значительного вмешательства», – признается Дарий. Возьмем классическую детективную историю. Писатель-человек посеет сомнения и по всему тексту разбросает намеки, касающиеся убийства, а еще расставит ловушки в виде ложных ключей и отвлекающих маневров. Хорошая книга создается не объемным рассказом. Основной сюжет «Убийства в Восточном экспрессе» Агаты Кристи можно пересказать несколькими сотнями слов, но именно сложность повествования (изображение характеров, повороты сюжета, тупиковые ситуации и постепенные разоблачения), для которого понадобились десятки тысяч слов, сделала книгу бестселлером. Дарий объяснил, что компьютеры, конечно, никогда не заменят Агату Кристи, но могут посостязаться с Уильямом Берроузом.
Когда я знакомился с театром роботов и видел интервью с андроидом Bina48, эта беседа выглядела как отрывок из экспериментального текста. Как сделать так, чтобы Bina48 разговаривала более естественно? Некоторые ученые полагают, что для этого компьютерам понадобится умение понимать рассказы. Марк Ридл и его коллеги из Технологического института Джорджии коллективно разрабатывают идеи возможных способов развития сюжета, а затем используют эту информацию для создания блок-схем отдельных эпизодов. Ридл считает, что, для того чтобы установить контакт и создать реальные отношения с человеком, компьютеру требуется повествовательный интеллект, способность рассказывать и понимать истории [12]. Мы хоть раз в отчаянии да кричали на свой компьютер, ведь нам казалось, что он недоброжелательно настроен. Такое происходит, потому что машина не понимает, чего от нее хочет добиться пользователь. Если мы хотим свободно беседовать с машиной, то ей действительно потребуется повествовательный интеллект. Тогда компьютер смог бы научиться себя вести, прочитав книги об этикете, социальных нормах и ценностях. В конце концов, и мы имплицитно учимся правильному поведению через чтение историй или поучительных сказок, которые детям рассказывают на ночь, через романтические романы, рассказывающие о сложностях взаимоотношений.
Но даже если бы компьютер прочитал все книги в мире, его знания остались бы неполными. Одна из проблем заключается в том, что «смысл» истории часто скрыт, не выражен явно. Возьмем классическую притчу. Она будет сильнее воздействовать на читателя, если он сделает собственный вывод, лучше усвоит урок благодаря умственному усилию, необходимому для понимания скрытого значения. Или рассмотрим другой пример. В каком-то смысле мы получаем удовольствие от фильмов вроде «Донни Дарко», когда обсуждаем происходившее в фильме в беседе с друзьями на выходе из кинотеатра. Некоторые истории намеренно закручиваются и преподносятся неоднозначно, чтобы создать интригу. Кроме того, есть еще детали, которые рассказчики опускают и оставляют на волю воображения читателя или зрителя. Когда романист описывает грабителей, обчистивших банк и убегающих с места преступления, он опускает большинство деталей. Конечно, в описании может присутствовать шаблонная возня с ключом в замке зажигания машины, на которой должны скрыться преступники (такая сцена обычно добавляет напряжения), но другие детали, например как грабитель открывает дверь, садится на водительское место, закрывает дверь и т. п., просто опускаются, потому что они не нужны и будут наводить скуку.
И последнее, не менее важное: великие истории обычно рассказывают о необычном. Не имея собственного жизненного опыта, компьютеры, которые познакомятся с человеческим обществом по литературным произведениям, будут иметь искаженное представление о реальной жизни. Можно предположить, что беседа с будущим компьютером будет похожа на разговор в баре с занудой из зануд, который будет подробно излагать свой маршрут на работу, и эта история не будет ничем примечательна. Но вероятнее всего, случится как раз наоборот: компьютер будет рассказывать чересчур фантастические истории.
Нахождение баланса между обычным и необычайным лежит в основе творчества, будь вы отец, придумывающий историю на ночь, спортивный комментатор, описывающий игру, или комик, исполняющий импровизацию. Исследования, направленные на выяснение того, смогут ли компьютеры достигнуть этого, больше всего продвинулись в области музыки. Поскольку это абстрактная форма искусства, здесь гораздо легче запрограммировать компьютер так, чтобы он написал стилизацию какого-либо музыкального направления, чем сделать так, чтобы он писал прозу. Еще подростком я написал компьютерную программу, которая сочиняла регтаймы, используя простейшие вероятностные таблицы. Например, если текущая нота – это А, то какова вероятность, что следующей будет B, C, D и так далее? Ноты выбирались простым киданием костей. Затем я наложил на эти мелодии структуру и ритм регтайма. В результате получилась музыка в динамичном ритме регтайма, но без какого-либо направления или привязки. Конечно, ее качество даже нельзя сравнивать с композициями Скотта Джоплина – но, честно говоря, точно тем же закончились и мои попытки сочинять музыку с пером и бумагой. Современные алгоритмы музыкальной композиции используют более сложные методы, чем те, которые я наспех сочинял у себя в спальне. Лучшие из этих алгоритмов даже писали музыку, исполнявшуюся профессиональными оркестрами в концертных залах. Компьютерная программа «Эмили Хауэлл» сочиняет в стиле Моцарта или Бетховена, и можно купить CD с записями, хотя мне кажется маловероятным, что эти произведения будут исполняться через сто лет.
Легко загрузить в компьютер фрагмент мелодии и поручить ему написать несколько вариаций, скажем, в барочном стиле. Студенты-композиторы выполняют подобные упражнения для развития навыка, но никому не придет в голову сказать, что это такое уж творчество. И даже если бы существовали программы, создающие музыку, которую трудно отличить от настоящих произведений Иоганна Себастьяна Баха, зачем это делать машинам, если это уже сделал Бах? Впечатляет, конечно, но это всего лишь мимикрия. Компьютерная программа никогда не изменит существующие музыкальные направления и не создаст ничего абсолютно нового и захватывающего: восстания панк-рока не будет.
Один из подходов к машинному сочинительству – эволюционная обработка данных, при которой программа производит музыку, имитируя процесс естественного отбора. В природе хромосомы несут генетические коды, формирующие жизнь, а гены с течением времени развиваются как реакция на давление эволюции. В эволюционной композиции музыкальная партитура может быть представлена в качестве музыкальных хромосом, а каждая отдельная нота – в качестве гена. В природе эволюции требуется большой набор разнообразных индивидуумов, чтобы в процессе смены поколений постепенно отбирать гены, которые будут обеспечивать выживание. Аналогичным образом для создания музыкальных генов необходима популяция из множества различных мелодий. В процессе работы компьютерной программы рождаются новые поколения музыкальных партитур и умирают старые. Лучшие музыкальные образцы с большей вероятностью передадут свои гены следующему поколению. В природе это происходит так: в генах потомка объединены гены его отца и матери, поэтому новая музыкальная партитура представляет собой слияние родительских мелодий. Например, начало фразы может происходить от одного родителя, а конец – от другого. Слияние мелодий означает, однако, что популяция теряет разнообразие. В противовес этому частью процесса размножения являются мутации. Каждый раз, когда рождается новая мелодия, существует небольшой шанс, что какая-то мутация произвольно изменит ноту в партитуре для повышения генетического разнообразия.
В реальном процессе естественного отбора с наибольшей вероятностью будут размножаться те особи, которые лучше всего адаптировались к окружающей среде. В эволюционной композиции для отбора лучших родителей для размножения должна присутствовать оценка музыкальной ценности мелодий. В GenJam, программе, исполняющей джаз, качество каждой компьютерной импровизации определяется системным программистом Алем Билсом, опирающимся на свои знания: сам он играет на трубе. Когда Анна Иорданос из Кентского университета оценивала три разные системы музыкальной композиции в своей докторской диссертации, самые высокие оценки получила именно GenJam. Она больше всего походила на живого исполнителя и была в меньшей степени стереотипной. Как заметила Анна, это «придавало ей легкий оттенок человечности». В Сети можно найти выступление, в котором Билс играет на трубе, а компьютер – на синтезаторе-саксофоне [13]. Это выступление включает вопросно-ответные (call-and-response) импровизации на тему джазового стандарта Lady Bird, и на видео есть замечательный момент, где Билс улыбается компьютеру, когда тот выдает импровизированный ответ на его игру. Компьютер справляется с задачей на уровне обычного импровизатора. Анна надеется, что компьютеры смогут способствовать развитию творческих способностей человека. Она хочет, чтобы «компьютерные программы рассматривали как нечто, у чего музыканты могли бы поучиться или черпать вдохновение. На худой конец, можно использовать их для критики и таким образом учиться определять, что именно у компьютера получается плохо».
Когда наблюдаешь за дуэтом Билса и компьютера, возникает вопрос: насколько творческой является машина? Этот же вопрос возникнет и тогда, когда компьютеры научатся лучше писать прозу. Но ответ на него найти очень трудно. Философы не могут найти ответ на вопрос, что такое искусство, и ничуть не легче ответить на вопрос, что такое творчество. Критерии будут разными для ребенка, пишущего сочинение «Как я провел летние каникулы», и для автора, пишущего художественное произведение, например роман. Но и ребенок, и романист мыслят творчески. Анна полагает, что мы «судим компьютеры гораздо строже, поскольку нам становится некомфортно при мысли, что машина будет проявлять творческие способности». Когда мы критикуем компьютерное искусство, мы забываем о плохих произведениях, которые иногда создаются даже самыми выдающимися людьми (мой любимый пример – невероятно убогая Delilah группы Queen).
По словам Мэгги Боден, профессора-когнитивиста из Сассекского университета, «Творчество – это способность выдвигать идеи или создавать артефакты, которые отличаются новизной, оригинальностью и ценностью» [14]. Обезьяна, стучащая на пишущей машинке, выдаст произвольную цепочку букв, и в этом тоже будет новизна. Но маловероятно, что так возникнут хоть какие-то слова, не говоря уже о произведениях Шекспира, даже если посадить за машинки много обезьян и проявить недюжинное терпение [15]. Легко запрограммировать компьютер так, чтобы воспроизвести этот эксперимент с мартышками, но никто не будет читать поток случайно выбранных букв, который возникнет в надежде на волшебное появление чего-то стоящего. Творческие идеи нуждаются в оценке, и в качестве возможного решения можно предложить людям тщательно оценивать достоинство каждого созданного компьютером произведения, скажем, по десятибалльной шкале.
Боден предлагает три способа создания удивительных идей, соответствующих трем типам творческой деятельности. Первый – это необычное или маловероятное сопоставление. Возьмите, например, созданный Сальвадором Дали в 1930 году «Телефон-омар». В этом знаменитом сюрреалистическом объекте художник накрыл трубку телефона омаром. Многим зрителям нравится сходство формы этих двух объектов в сочетании с полной абсурдностью их совмещения [16]. Однако в этом объекте есть и более глубокий смысл, так как для Дали и омары, и телефоны имели сексуальные коннотации, и гениталии ракообразного здесь расположены рядом с микрофоном трубки. Второй тип творческой деятельности – исследование, эксперимент. Именно это делают джазовые музыканты, когда импровизируют: они исследуют воображаемое пространство. Конечно, они ограничены жанром, но тем не менее могут создавать новые музыкальные мотивы, звуки и ритмы. Это же делает и GenJam. Третий вид творческой деятельности, самый глубокий, раздвигает концептуальные пространства для создания поразительных идей, казавшихся ранее невозможными. Джеймс Джойс написал «Поминки по Финнегану» из фрагментов разных языков. Это произведение, опубликованное в 1939 году, до сих пор вызывает споры: шедевр это или нечитабельный вздор? Независимо от того, как его оценивать, этот роман был новаторским и освободил будущих писателей от жесткой необходимости следовать строгим правилам повествования, словаря и структуры.
Третья форма творческой деятельности труднодостижима, и попытки создать ее подобие у компьютера обычно ограничиваются разработками в области первых двух типов. Это подтвердил и смелый эксперимент, когда с помощью компьютера была сделана попытка создать целую пьесу для музыкального театра [17]. Это шоу было заказано Sky Arts и снято в 2016 году для двухсерийного документального фильма, Computer Says Show – это название вполне могло быть результатом работы программы, обученной писать каламбурные заголовки телепрограмм. Сам мюзикл назывался Beyond the Fence. Место действия – антиядерные протесты 1980-х годов в женском лагере мира в Гринэм-Коммон, медленно развивающийся сюжет – роман между матерью-одиночкой Мэри и американским летчиком Джимом. Газета Guardian поставила этой постановке на Вест-Энде две звезды: «Созданный компьютерной программой вест-эндский мюзикл смехотворно стереотипен, но приятен, как молочный коктейль».
Возможно, этот спектакль не достиг головокружительных высот описанного Боден глубочайшего типа творческой деятельности, но Герайнт Уиггинс, профессор вычислительной креативности в Лондонском университете королевы Марии, в беседе со мной заметил, что «это был вполне приличный мюзикл». Он признался, что в один из моментов даже «прослезился», хотя подозревал, что такая реакция возникла благодаря вмешательству людей – сценариста, композитора и исполнителей, – а не в результате работы компьютера. Тем не менее Уиггинс полагает, что программное обеспечение, сгенерировавшее основу для этого шоу, – это весьма значительный прыжок вперед.
Базовый сюжет мюзикла был написан What-if Machine (Машины «что-если»), созданной Марией Терезой Ллано и ее коллегами из Университета Голдсмитс. Эта машина пытается смоделировать создание сюжетов для произведений беллетристики [18]. Она выбирает темы, главных героев и сюжеты и комбинирует их в содержательные фразы, которые представляют собой сценарий. Например, темой могут быть амбиции, героем – солдат, а сюжетом – поиск. Один из предложенных сценариев мог бы быть таким: «Что, если солдату нужно избежать боя, чтобы одержать победу?» Вполне приемлемая идея, пусть и несколько избитая.
Один из подходов к конструированию подобных сценариев состоит в нарушении привычных ассоциаций. Марк Ридл на страницах журнала New Scientist отметил: «Нарративные психологи часто говорят, что историю стоит рассказывать только тогда, когда в ней есть нарушение условностей» [19]. Рассмотрим, например, факт: собаки любят кости. Машина «что-если» изменяет эту фразу, чтобы получить сценарий: «Что, если существовала бы маленькая собачка, которая боится костей?» Это как раз пример теории Боден о том, что творческая активность может возникать из неожиданных сопоставлений. Еще один способ – использование синонимов с целью преувеличения. Предложение «люди любят прыгать» становится гораздо более увлекательным в виде вопроса: «Что, если бы люди постоянно прыгали?» Но хотя отдельные творческие возможности Машины «что-если» впечатляют, ведь некоторыми пользуемся и мы при сочинении историй, многие аспекты у нее все же отсутствуют. Например, машина не может работать с разными модальностями. Вдохновением для увертюры Мендельсона «Гебриды» послужило неспокойное море и туманы, которые он видел во время переправы на пароме в Западной Шотландии [20]. Как может компьютер скопировать эту способность работать в разных областях? Людям позволяет это делать язык, благодаря которому мы можем перемещаться между разными ощущениями, воспоминаниями или эмоциями. Компьютерному алгоритму для раскрытия своего творческого потенциала также потребуется подобный язык.
Еще одна трудность для Машины «что-если» состоит в том, что она не обладает чувствами и не стремится создать что-то ценное. Фраза «Что, если бы жил-был маленький котенок, который не мог бы найти свой туалет?», возможно, помогла бы создать банальную историю для детей, но из такого сценария вряд ли получилось бы много продуктивных нарративов. У подобных идей, которые достаточно оригинальны, чтобы быть интригующими, но не столь произвольны, чтобы быть необъяснимыми, есть зона наилучшего восприятия. Для мюзикла Beyond the Fence понадобилось вмешательство человека, причем композитору и сценаристу пришлось перебрать 600 сценариев, чтобы выбрать лучший. И они выбрали такой: «Что, если бы раненому солдату пришлось узнать, как понять ребенка, чтобы найти настоящую любовь?»
Этот мюзикл – история любви из 1980-х со счастливым концом, в которой главной героиней была женщина. Сюжет был создан другой программой, написанной группой специалистов по машинному самообучению из Кембриджского университета. Они провели статистический анализ 17 000 мюзиклов, определяя, какие составляющие мюзикл элементы встречались в самых успешных из них. В результате была получена структура мюзикла и еще одна программа. Было обнаружено, что в произведениях такого типа необходимы вступительный номер, который зацепил бы слушателей (как «Willkommen» из «Кабаре»), и броский комедийный номер (как «Officer Krupke» из «Вестсайдской истории») [21]. Статистический анализ такого типа проводят и люди. «Я думаю, что именно так работает мозг», – говорит Герайнт. Если вы регулярно ходите в театр, то знаете, как будет структурирован мюзикл, хотя это знание будет в значительной степени неосознанным. Оно создает ожидания относительно сюжетных поворотов, например, необходимость песни «I am what I am», которую герой поет с вызовом и триумфом.
Особенно новаторским мюзикл Beyond the Fence сделало то, каким образом в нем сочетались различные аспекты творчества. Слова песен были написаны той же программой, которая пыталась дописать сонет Шекспира «Сравню ли я тебя…». Джеймс Ллойд и Алекс Дэвис, ученые, работавшие над кодом, загрузили в программу слова из мюзиклов, на основе которых можно было обучаться, но получившиеся в результате строки напоминали поток сознания человека, который постоянно отклоняется от темы [22]. Здесь опять вмешались люди-сценаристы и отобрали лучший материал. То же самое произошло и с музыкой: музыкант выбрал мелодии, созданные компьютером, и организовал их так, чтобы они соответствовали словам и стали похожи на полноценные песни [23].
Чтобы создавать песни для мюзиклов, например, в оптимистичном ключе, компьютеру нужно не просто отобрать радостные слова и веселую мелодию в мажорной тональности. При таком подходе в лучшем случае будет создана простенькая детская песенка. Обычно в музыке огромное количество оттенков. Хороший пример – хиты британской певицы и автора песен Лили Аллен. Одна из фишек Лили – записи, в которых чувства, передаваемые текстами, контрастируют с настроением музыки. В песне Not Fair Аллен с горечью поет о неспособности своего парня заниматься любовью, но аккомпанемент больше подошел бы веселенькой песенке с «Евровидения». Чтобы улучшить свои способности в области создания песен, компьютер должен стать внимательным слушателем: он должен научиться понимать, как мелодическая дуга музыки меняет просодию речи, как будет восприниматься текст и как все это способствует реализации повествовательного намерения. Человеку еще далеко до создания компьютера, который будет обнаруживать тончайшие голосовые маркеры сарказма и иронии, не говоря уже о том, чтобы создавать песни, обладающие всеми этими качествами.
Возможно, для решения этих проблем потребуются десятилетия работы, но исследователи уже придумали инструменты, которыми пользуются современные музыканты. FlowComposer компании Sony – это интерактивный сочинительский инструмент, задействующий искусственный интеллект. Сначала компьютер пишет партитуру, затем музыкант отлаживает и настраивает ее, создавая окончательный вариант композиции [24]. Маловероятно, что такое сотрудничество полностью заменит великих поэтов-песенников и композиторов, но ведь существует большое количество рутинных задач, где компьютер может оказаться полезным. Например, так можно быстро создать дорожку аккомпанемента к дешевому корпоративному видеоролику. Кроме того, искусственный интеллект может принести пользу в образовании. Можно научить алгоритмы обеспечивать обратную связь в процессе овладения новыми навыками – например, для обучающихся музыке студентов, начинающих осваивать импровизацию, или начинающих ораторов, работающих над постановкой харизматичного голоса.

 

Совместная работа искусственного интеллекта и человека над творческими проектами будет становиться все более привычной и за пределами сферы искусства. Например, в области разработки программного обеспечения. Написание компьютерной программы – это упражнение в решении задач: какие инструкции потребуются машине, чтобы она выполнила конкретное задание? Но сложные программы очень трудоемкие в плане кодирования, и там существует большая вероятность человеческих ошибок. В настоящее время исследователи разрабатывают инструменты, которые будут помогать специалистам по разработке программного обеспечения, как это делает FlowComposer, который помогает музыкантам. На самом простом уровне программисты могут с успехом использовать процесс, напоминающий интеллектуальный ввод текста, когда новые строки компьютерного кода создаются автоматически и человеку не приходится набирать их вручную. Анализируя обширную базу данных других компьютерных программ, алгоритм «догадывается», какие элементы кода должны последовать далее [25].
Другие ученые занимаются исследованием того, как научить компьютер писать коды самостоятельно. Google снабдил свои алгоритмы машинного обучения рабочей памятью, чтобы приблизиться к тому, что имеется в человеческом мозге. Нейронная машина Тьюринга от Google уже освоила создание процедур, которые выполняют простые вычислительные задачи, но пока эти машины научились только самым базовым процедурам, таким как неоднократное копирование и сортировка данных. Но даже на этапе своего младенчества искусственный интеллект уже позволяет компьютерам решать некоторые четко определенные задачи лучше, чем это делает человек. Например, поисковик Google теперь использует машинное самообучение, чтобы улучшить производительность, тогда как в прошлом люди должны были вручную создавать все основанные на правилах алгоритмы для ранжирования веб-страниц [26]. Компьютерное самокодирование – совсем молодое направление, но оно перевернет мир. Особенно учитывая последние радикальные и подрывные технологии, подобные iPhone, в основе которых находится программное обеспечение.
В других отраслях инженерного искусства становится все более обычным тот факт, что окончательные проекты на самом деле определяются компьютером, а не человеком. Я сам использовал такое программное обеспечение с целью разработки способов подбора материалов для улучшения звука в театрах. Как мы видели в главе 5, хорошо продуманная акустика помогает голосу актера достигнуть самой дальней части зала. Если правильно подобрать материал, форму и конфигурацию стен и других поверхностей, то характер отражения звука будет усиливать речь, а не мешать ей. Я специализируюсь на создании бугорчатых поверхностей, которые называются диффузорами и рассеивают звук. Когда диффузор размещается на большой плоской стене, это похоже на матирование зеркала. В матовом зеркале изображение смазано, подобным же образом акустический образ становится менее четким, когда звук отражается от диффузора. Это может помочь устранить акустические аберрации, такие как эхо, от задних стен театрального зала [27].
Когда я начинал работу над диффузорами, в лучших моделях использовались умные математические принципы. Моим нововведением стало использование компьютера для поиска топографий поверхностей, которые производят нужные акустические отражения и обладают внешними характеристиками, совместимыми с современной архитектурой. И делается это методом проб и ошибок, реализуемым на компьютере. Мы уже видели, как копирование правил эволюции позволяет сгенерировать новую музыку. Тот же процесс можно применить и в инженерной акустике.
Была ли деятельность моего компьютера творческой? Существует тест на искусственный интеллект, названный в честь математика XIX века Ады Лавлейс. Она считается первым программистом, потому что детально описала аналитическую машину Чарлза Бэббиджа – первый в мире проект компьютера. Следуя заданной программе, машина могла рассчитывать математические функции. Но сама Лавлейс признавала: «В ней не было даже малейших притязаний на то, чтобы что-то создавать. Она может делать все, что ей прикажут. Она может последовательно осуществлять анализ, но не обладает способностью предугадывать какие-либо аналитические связи или устанавливать истину» [28]. Тест Лавлейс проверяет возможности искусственного интеллекта создавать то, что не поддается описанию программиста. Чтобы добиться этого, моему компьютеру пришлось бы выдвинуть гипотезу о том, что подражание законам эволюции может привести к более удачным акустическим моделям, а затем разработать научные эксперименты, необходимые для доказательства истинности этой гипотезы. Мой компьютер не прошел бы тест Лавлейс.

 

В верхнем ряду показаны диффузоры 1970-х годов. Ниже – спроектированный мной волнистый потолок Синерамы, изгибы которого соответствуют современным тенденциям дизайна интерьера

 

Чтобы развиваться, науке, технике и математике нужны инновационные идеи и артефакты. Художник основывается на канонах предшествующих произведений искусства. Так и ученый «стоит на плечах гигантов», основываясь на современных знаниях и понимании. В конце концов, и художники, и ученые должны производить новое, удивительное и ценное. Научный поиск – одна из вершин человеческих достижений, но даже эта область не застрахована от вмешательства креативных компьютеров. Этот новый подход к науке лучше всего применяется в биологии. В Манчестерском университете профессор Росс Кинг и его коллеги создали ученого-робота по имени Ева, который, как они надеются, поможет открыть новые лекарственные препараты. Кинг устроил мне экскурсию по своим белоснежным лабораториям, включая маленькую комнатку, где работает Ева. Она выглядит как небольшой промышленный робот с двумя руками, которыми она берет образцы и умело ими манипулирует. Робота окружают стеллажи с химикатами, инкубаторы и камеры. Все это помогает Еве организовывать эксперименты, выращивать клеточные культуры, фотографировать результаты и использовать анализ изображений, чтобы выяснить, насколько хорошо растут клетки.
Ева автоматизирует утомительные экспериментальные процедуры, необходимые при разработке новых лекарств, и может исследовать 10 000 соединений в день. Ученые надеются найти лекарства против таких болезней, как малярия и африканский трипаносомоз. Лабораторный автомат – дело обычное, потому что роботы лучше управляются с пипеткой при отборе образцов и могут работать круглые сутки. Но Ева значительно умнее, чем использующая грубую силу машина, работающая методом проб и ошибок. Она не просто проверяет все возможные комбинации химикатов в надежде на то, что случайно наткнется на полезное лекарство, но выдвигает научные гипотезы, а затем проектирует и выполняет эксперименты для проверки этих идей. Кроме того, она совершенствует собственные знания, основываясь на том, что уже обнаружила.
Чтобы Ева могла работать, ей нужны знания в определенной области. Первым ученым-роботом, над которым работал Кинг, был Адам, в которого были загружены модели обмена веществ дрожжей и базовые знания по химии (клетки дрожжей напоминают человеческие). Однако одним из преимуществ использования искусственного интеллекта для исследования лекарственных препаратов является возможность компьютеров обладать более обширными и детализированными знаниями в конкретной области, чем человек. К сожалению, эти знания существуют преимущественно в научных публикациях, и переводить их в форму, которую сможет использовать машина, очень непросто и трудоемко. Однако постепенно и эта проблема решается. В одном исследовании компьютер Ватсон компании IBM (он известен тем, что выиграл в американском игровом шоу Jeopardy!) проанализировал 70 000 научных статей, посвященных белку-супрессору опухолей под названием p53. На основании прочитанного Ватсон идентифицировал шесть новых белков, которые могли модифицировать p53, для тестирования их в лабораторных условиях [29].
Каким образом Адам и Ева расширяют свои знания и проводят научные исследования? Они используют дедукцию, индукцию и абдукцию. Росс объясняет дедукцию, используя классический пример из Аристотеля. При наличии двух фактов: «некоторые птицы – это лебеди» и «все лебеди белые» – можно сделать вывод, что «некоторые птицы белые». Этот способ логического умозаключения лежит в основе многих областей информатики. Абдукция и индукция представляют повышенный интерес, потому что они как раз о том, как компьютер может создать достойную проверки научную гипотезу. Если Аристотель наблюдал птиц в Греции, он мог заключить, что все лебеди – белые. Но это умозаключение ложно, что можно продемонстрировать, посетив Австралию, где есть черные лебеди. К абдукции прибегает Шерлок Холмс, когда делает самый аргументированный вывод на основе наблюдений. «Все лебеди белые», «та птица белая» и, следовательно, «та птица – лебедь» – это пример абдукции. Гипотезу, состоящую в том, что та птица – лебедь, можно затем проверить с помощью дальнейших наблюдений (Шерлок мог бы обнаружить, что на самом деле эта белая птица – гусь). Подобным образом, как только Адам конструирует абдукцию относительно дрожжей, компьютер проектирует наиболее подходящие эксперименты для проверки этой гипотезы, а затем принимается за работу, используя механические руки и другое оборудование. Культуры выращиваются в различных условиях, а для определения того, насколько хорошо растут клетки, используется фотография. В дальнейшем эти результаты показывают, окажется ли сформулированная ранее гипотеза правильной, и таким образом приводят находящиеся в памяти Адама теории в соответствие с новыми знаниями. Используя эти процессы, Адам получил новые научные знания о том, какие гены составляют конкретные энзимы в дрожжах.
Насколько изобретательным с точки зрения науки можно считать Адама? «Конечно, он не очень творческий, его наука проста; во многих отношениях этот робот не дорос до человека в своих умениях, – объясняет Росс. – Но в другом он превосходит человека, потому что знает все книги и может управляться с пипеткой лучше, чем человек». Правда, имеется один значительный недостаток. Росс говорит о нем так: «Например, чего он не может сделать, так это пересмотреть свое представление о проблеме, как это сделал бы человек».
Компьютеры играют центральную роль в большинстве научных исследований, но мы вступаем в эпоху, когда машины перестают быть просто безмолвными слугами, нужными для того, чтобы сделать научные изыскания менее скучными и утомительными. Но если объединить лучшие творческие умы с инструментами машинного самообучения, можно сделать так, что наука будет быстрее двигаться вперед. Росс полагает, что в будущем она пойдет еще дальше, когда компьютеры смогут делать науку лучше, чем люди. В отличие от искусства, использование искусственного интеллекта в науке не осложняется проблемами решения вопросов, связанных с человеческими ценностями. «Природа честна… мир не пытается нас обмануть, – объясняет Росс. – Это объективная штука, независимо от того, кто создает новую науку, компьютеры или нет» [30].
Искусственный интеллект может менять речь, создавать возможности для возникновения новой науки, ведущей к новым технологиям. Подобно фонографу Эдисона, эти технологии смогут революционизировать говорение и слушание.

 

В спорах о творческой деятельности часто проводится различие между новым для конкретного человека и новым для мира в целом. Теория относительности пришла в голову только Эйнштейну, это исторический факт. Но у каждого человека есть творческие способности, оригинальные мысли и новые решения каждодневных проблем. Я только что догадался, как запихать больше грязной посуды в новую посудомойку. Такое творческое мышление не имеет исторического значения, но для меня придуманное мной решение – новое. Естественно, историки обращают внимание на первооткрывателей и на созданные ими революционные предметы материальной культуры. Но творчество – это процесс, и важно, как он работает в обычной жизни. Это не заповедная область идеализированной элиты, обычное свойство человеческого интеллекта. Изобретательность в том, как поймать добычу, как сохранить пищу, чтобы не голодать, как защитить поселение от нападения – все это, возможно, не очень художественные вещи, но именно эти творческие способности помогают объяснить, почему люди стали доминировать в мире.
Конечно, интересно выяснить, может ли компьютер писать стихи, как Сирано, но повседневные истории, которые люди рассказывают друг другу, сидя вокруг костра или за обеденным столом, возможно, значительно более важны, чем литературное творчество. Именно повседневная деятельность позволяет знаниям о том, как выжить и процветать, переходить от одного человека к другому. Такие разговоры позволяют человеку выходить за рамки медленного процесса биологической эволюции, обеспечивая стремительное развитие культуры и технологий. Филип Пулман, когда его однажды спросили, почему для нас так важны подобные истории, ответил: «Потому что они развлекают и учат; они помогают наслаждаться жизнью и переносить ее тяготы. После пищи, крова и дружеского общения такие истории – это то, что нам нужно больше всего» [31].
В ближайшее время компьютер не сможет создать стихи, достойные пера Сирано де Бержерака, но и большинство людей не достигнет подобных литературных высот. Тем не менее компьютерная имитация процессов, происходящих в человеческом мозге, позволяет нам понять творческую деятельность. Герайнт Уиггинс объяснил мне, что творчество возникает из потребности мозга постоянно предсказывать то, что произойдет дальше, а это дает несомненные преимущества для выживания: наши системы защиты предугадывают, что может ожидать нас за углом, какая опасность может надвигаться, и наша бдительность сочетается с тем, что мы видим, слышим и обоняем. Следовательно, мозг должен всегда стремиться улучшать качество этих предсказаний, основываясь на успешном и неуспешном прошлом опыте. У нас развилась сильная реакция на результаты неправильных предсказаний, поэтому мы постоянно корректируем свои прогнозы.
Наша память не может сохранить точную копию того, что дано в ощущениях, исключительно из-за количества информации. Даже если бы у нас была возможность сохранить все детали, их поиск осуществлялся бы слишком медленно. Вот почему память – это реконструкция, основанная на некоторой приблизительной репрезентации прошедших событий в мозге. В результате дорогие вам первые детские воспоминания могут в действительности быть выдумкой, основанной на рассказываемых в семье историях. Память динамична. Мозг постоянно вырабатывает лучшие компактные репрезентации информации для эффективного хранения и эффективного предсказания.
Но прогнозы не бывают идеально правильными. Сильным наш мозг делает именно то, что одновременно совершаются несколько предсказаний, проигрывающих сценарии, основанные на разных предположениях. Следовательно, большая часть этой деятельности совершается бессознательно. На основании одного из процессов отбирается лучшее предсказание, которому нужно уделить внимание, и только тогда оно начинает осознаваться. Такая модель объясняет моменты творчества, когда мы говорим себе «Ага!». Нам кажется, что идея возникла из ниоткуда и появилась в мозге внезапно. На самом деле идеи не берутся из ниоткуда: они выходят из подсознания, предсказывающего будущее. Эта модель может также объяснить, почему, когда нам нужно принять сложное решение, тактически полезно на время заняться чем-то другим [32]. В то время, когда вы занимаетесь чем-то, что отвлекает от трудной задачи, мозг может подсознательно обдумывать ее решение.
Когда Эдисон записал и проиграл «У Мэри был маленький барашек», слушатели должны были постоянно предсказывать, что будет дальше: следующую фонему, следующее слово, следующую строчку песенки [33]. Предвосхищение того, как будет разворачиваться дискурс, очень важно, потому что позволяет справиться с неправильным произношением или неточно расслышанными фрагментами речи; в случае записи на фонографе именно это позволяет мозгу оценить фрагменты речи, которые невозможно расслышать из-за треска цилиндра из фольги. Герайнт Уиггинс продемонстрировал важность предсказания, резко останавливаясь в разные моменты нашего разговора: «Возьмите простое предложение и». Это – изощренная пытка, потому что мозг хочет знать, что произойдет дальше, но не может быть ни в чем уверен, поскольку конец предложения предсказать невозможно.
Люди делают предсказания на множестве уровней, начиная от предугадывания следующей фонемы и заканчивая выводами из того, что говорится в настоящий момент. И для этого нам нужен большой мозг с гигантской сетью взаимосвязанных нейронов. Нейробиология только начинает формировать представление о том, какие отделы мозга задействуются в творческой деятельности, и о том, насколько сложны связи между ними [34].
Если творческая деятельность возникает из процессов прогнозирования, обеспечивающих эволюционные преимущества, можно ли смоделировать эти процессы на компьютере? И сможет ли такая модель пойти еще дальше и помочь нам объяснить, как возник язык? Может ли она пролить новый свет на языковые способности древних гоминини? Сейчас ученые конфигурируют компьютеры так, чтобы скопировать особенности организации мозга: это даст нам возможность поиграть в игры «что-если» в исследовании этих вопросов. Возможно, мы сумеем узнать, как мог возникнуть протоязык, и лучше понять ту роль, которую в развитии речи сыграло творчество. Компьютерное творчество прошло долгий путь. Возможно, оно началось с любовных посланий, с помощью которых проверялись способности первого в мире современного компьютера, но в следующие десятилетия оно может открыть тайну возникновения нашей удивительной способности говорить.
Назад: 7 Берегитесь: у компьютеров есть уши
Дальше: Благодарности