Чтение онлайн

Начавшийся в последнее время экспоненциальный рост данных в значительной мере обусловлен развитием «облачной робототехники» – этот термин был введен исследователем из Google Джеймсом Куфнером в 2010 году. Робот, подключенный к облаку, имеет доступ к огромным массивам данных и общему опыту других устройств, с помощью которых он может совершенствовать понимание собственного пространства убеждений. До того как стало возможным подключение к облаку, у каждого робота был доступ к очень ограниченному набору данных – он состоял либо из его собственного опыта, либо из знаний небольшой группы роботов. Они представляли собой изолированные электронные устройства, их возможности были ограничены аппаратными средствами и программным обеспечением, имеющимися в самом устройстве. Но теперь, объединившись в сеть и постоянно оставаясь подключенными к облаку, роботы могут впитывать опыт любого другого робота-«родственника», «обучаясь» ускоренными темпами. Представьте себе нечто вроде квантового скачка, который совершила бы человеческая культура, если бы мы все вдруг сумели напрямую подключиться к знаниям и опыту остальных жителей планеты – если бы, принимая решение, опирались не только на свой ограниченный опыт, но и на опыт миллиардов других людей. «Большие данные» сделали возможным такой квантовый скачок в когнитивном развитии роботов.

Другой важный прорыв связан с материаловедением – появилась возможность изготавливать роботов из принципиально новых материалов. Теперь больше не обязательна броня алюминиевого корпуса, ставшая визитной карточкой C-3PO или R2-D2. Тела сегодняшних роботов можно делать из силикона или даже из шелковой нити, и эти материалы придают им до жути естественный вид. Появление крайне гибких компонентов, таких как воздушные мышцы (распределяющие питание по трубкам, в которых содержится воздух под давлением), электроактивные полимеры (которые изменяют размер и форму робота, когда их стимулируют электрическим полем) и феррожидкости (коротко говоря, магнитные жидкости, которые помогают сделать движения более человекоподобными), приводит к созданию роботов, в которых вы, возможно, даже не заметите ничего «искусственного» – почти как киборг в исполнении Арнольда Шварценеггера в «Терминаторе». Электронная имитация гусеницы, разработанная исследователями Университета Тафта для выполнения таких разнообразных задач, как обнаружение противопехотных мин или диагностика заболеваний, даже подвержена биологическому разложению – прямо как мы с вами.

Кроме того, роботы еще никогда не бывали столь огромными и одновременно столь миниатюрными, как сегодня. Нанороботы, которые пока еще находятся на ранних стадиях разработок, обещают будущее, в котором автономные машины в масштабе 10– 9 метров (это гораздо, гораздо мельче песчинки) смогут диагностировать и лечить заболевания человека на клеточном уровне. На другом конце спектра – крупнейший в мире ходячий робот немецкого производства: огнедышащий дракон длиной 15 метров, весящий 11 тонн и содержащий более 80 литров искусственной крови. Пока что он участвует в одном из немецких народных фестивалей.

Новые достижения не замедлят последовать. Не одно только правительство Японии выделяет на робототехнику все больше ресурсов. Президент Обама запустил в 2011 году Национальную робототехническую инициативу, призванную стимулировать разработку роботов для автоматизации промышленности, помощи пожилым, а также для военных целей. Программа, которая контролируется Национальным научным фондом, заключила контрактов более чем на 100 миллионов долларов. Франция также запустила подобную программу, пообещав 126,9 миллиона долларов на то, чтобы развить собственную индустрию и догнать Германию. Швеция выделила миллионы на финансирование физических и юридических лиц посредством премий за достижения в сфере инноваций, таких как учрежденная в 2011 году «Роботдален» («Долина роботов»).

Частный сектор вкладывает в дело все больше и больше средств. В декабре 2013 года фирма Google приобрела Boston Dynamics – ведущую робототехническую компанию, имеющую контракты с Пентагоном. Также она купила компанию DeepMind, которая была основана в Лондоне вундеркиндом Демисом Хассабисом и тоже занимается искусственным интеллектом. В детстве Хассабис завоевал второе место в мировом рейтинге шахматистов в возрасте до 14 лет, а когда он получал докторскую степень по когнитивной неврологии, журнал Science назвал его новую биологическую теорию работы воображения и памяти в головном мозге одним из десяти самых важных научных прорывов года. Демис и его коллеги в DeepMind фактически создали компьютерный эквивалент зрительно-двигательной координации – в робототехнике еще никто и никогда такого не добивался. Демис показал мне, что научил свои компьютеры играть в старые видеоигры на приставке «Атари 2600» так же, как в них играют люди, – глядя на экран и корректируя собственные действия посредством нейронных процессов, реагирующих на манипуляции противника. Он научил компьютеры думать примерно так же, как это делают люди. А теперь Google, купивший DeepMind за полмиллиарда долларов, применяет ее опыт в области машинного обучения и нейросистем к алгоритмам, которые разрабатывает, отвоевывая свою нишу в робототехнике.

Большинство частных исследований и разработок в области робототехники ведется в крупных компаниях (например Google, Toyota и Honda), но объемы венчурного финансирования робототехники растут с огромной скоростью. Всего за три года они увеличились почти вдвое – со 160 миллионов долларов в 2011 году до 341 миллиона в 2014-м. За первый же год инвестирования Grishin Robotics, фонд посевных инвестиций, управляющий 25 млн долларов, подверг аудиту более 600 стартапов, прежде чем выбрать восемь из них, которые сегодня и находятся в его портфеле. Новый израильский венчурный фонд Singulariteam быстро направил два транша по 100 миллионов долларов каждый на развитие робототехники и искусственного интеллекта на ранних стадиях. Привлекательность для инвесторов очевидна: рынок потребительских роботов в 2017 году может составить 390 миллиардов долларов, а промышленных – 40 миллиардов к 2020-му.

Поскольку технологии продолжают совершенствоваться, в настоящее время ведутся споры о том, насколько радикально преобразят человеческую жизнь высокотехничные роботы и превзойдут ли они нас в конечном счете. Одна из точек зрения такова, что это неизбежно; другая заключается в том, что они не могут с нами соперничать; третья – что человек и машина могли бы слиться воедино. В робототехническом сообществе будущее технологии тесно связано с понятием сингулярности – теоретической точки во времени, когда искусственный интеллект сравнится с человеческим или превзойдет его. Если случится последнее, то, конечно, совершенно неясно, какими будут отношения роботов и людей. (Во вселенной Терминатора после достижения сингулярности обладающая самосознанием компьютерная система принимает решение уничтожить человечество.) Сторонники сингулярности считают, что инвестиции в робототехнику благоприятно повлияют не только на годовой баланс корпораций – они коренным образом улучшат благосостояние людей, позволив нам вычеркнуть из своей жизни рутинные задачи и заменять больные или стареющие части тела. Мнения технологического сообщества о том, хороша или плоха сингулярность, глубоко разнятся, – один лагерь полагает, что она будет способствовать улучшению человеческой жизни, а другой, столь же обширный, считает, что она повлечет за собою мрачное будущее, в котором люди станут рабами машин.

Но достижима ли сингулярность на самом деле?

Те, кто считает, что это так, указывают на несколько ключевых факторов. Во-первых, они утверждают, что действие закона Мура, который гласит, что вычислительная мощность чипа будет удваиваться каждые два года, пока что не показывает признаков замедления. Закон Мура в такой же степени относится к транзисторам и технологиям, которые управляют роботами, как и к компьютерам. Добавить к этому стремительный прогресс в машинном обучении, анализе данных и облачной робототехнике, и становится ясно, что сфера ИТ будет все так же быстро совершенствоваться. Те, кто выступает за сингулярность, расходятся лишь в том, когда она будет достигнута. Математик Вернор Виндж предсказывает, что это произойдет к 2023 году; футуролог Рэй Курцвейл говорит о 2045-м. Но вопрос, определяющий всю суть сингулярности, таков: существует ли предел тому, насколько могут продвинуться технологии?

Те, кто отрицает возможность сингулярности, называют несколько причин. Прорыв в программном обеспечении, необходимый для достижения сингулярности, требует детального понимания человеческого мозга, но наше относительное невежество касательно базовой нейронной структуры мозга препятствует развитию программного обеспечения. Более того, в то время как слабый искусственный интеллект, который позволяет роботам разве лишь специализироваться на конкретной функции, развивается в настоящее время по экспоненте, мощный искусственный интеллект, позволяющий демонстрировать подлинно человеческие интеллектуальные решения, развивается крайне медленно и только линейно. Хотя изобретения, подобные компьютеру «Уотсон» (разработанный IBM компьютер победил чемпионов «Своей игры» Кена Дженнингса и Брэда Раттера), очень интересны, но ученым необходимо более глубоко познать человеческий мозг, прежде чем машине удастся добиться большего, чем победа в телевикторине. Ведь «Уотсон» не «думал» в привычном человеку смысле – его работа заключалась, по сути, в обработке обширной базы данных с помощью очень эффективной поисковой системы. Как объясняет робототехник и профессор Калифорнийского университета в Беркли Кен Голдберг, «роботы будут становиться все более и более человекоподобными. Но разрыв между людьми и роботами никуда не денется – он настолько велик, что в обозримом будущем его не преодолеть».

По моему мнению, сегодняшняя ситуация с робототехникой очень похожа на ситуацию с интернетом 20 лет назад. Мы снова стоим у истоков чего-то неведомого: пустая белая страница, на ней слова «Глава первая». В дни скрежещущих телефонных модемов трудно было представить себе что-нибудь вроде сервиса YouTube, который транслирует более шести миллиардов часов видео в месяц; нам сложно вообразить сегодня, что, возможно, когда-то похожие на нас роботы будут ходить по улицам рядом с нами, работать в соседнем отсеке в офисе или водить наших пожилых родителей на прогулку, а потом помогать им с обедом. Этого не произойдет ни сегодня, ни завтра, но это случится на глазах большинства из нас. Объемы инвестиций в робототехнику в сочетании с достижениями в области «больших данных», сетевых технологий, материаловедения и искусственного интеллекта закладывают базу для того, чтобы прорывы в робототехнике к 2020-м годам сделали сегодняшнюю научную фантастику широко распространенной практикой.

Инновации в области робототехники повлекут за собой достижения как количественные – роботы смогут выполнять задачи быстрее, безопаснее и дешевле, чем люди, – так и качественные: они будут делать то, что было бы невозможно для людей: например позволят прикованному к кровати больному двенадцатилетнему ребенку учиться в школе или подарят глухонемому возможность говорить.

Люди начали задумываться об автомобиле без водителя почти с тех самых пор, как появились сами автомобили. General Motors представила концепцию машины без водителя на Всемирной ярмарке 1939 года в Нью-Йорке – это был радиоуправляемый автомобиль, для которого, однако, была необходима столь же продвинутая дорожная система. Затем в 1958 году компания сконструировала первый тестовый автомобиль без водителя «Огненная птица», который должен был подключаться к проводной трассе электрическим кабелем. Соединив все автомобили в единую сеть, система давала бы каждому знать, на каком расстоянии держаться друг от друга, – примерно так же, как знаменитая система канатного трамвая Сан-Франциско, которая использует подобный механизм для приведения трамваев в движение и соблюдения безопасной дистанции.