«Ромео» и «Джульетта» стоят потупившись в сторонке, в то время как их младший брат пытается взять в руки заварочный чайник. Он не торопится: внимательно изучает скользкую стеклянную емкость единственным глазом-видеокамерой. Наконец с жужжанием распрямляет руку-манипулятор, выдвигает обернутый клейкой лентой металлический палец и осторожно, но уверенно поднимает чайник.

Испытание прошло успешно! «Ромео» и «Джульетте » впору разразиться восторженными аплодисментами. Они бы так и сделали, если бы умели. Но эти двое – всего лишь туповатые промышленные роботы с дистанционным управлением, над которыми проводят эксперименты в лаборатории по исследованиям искусственного интеллекта Стэнфордского университета в Калифорнии.

А сообразительный «чайниконосец» – прототип механического помощника по хозяйству – пока и вовсе представляет собой неказистую конструкцию из шурупов, проводов и электронных деталей, водруженную на колесики. Неважно, что вид у него не ахти. Главное, он достаточно умен, чтобы «взять в руки» вещь, которую видит впервые. Это, между прочим, не так просто, как вы думаете. «Для машины самое трудное – распознать предмет по форме, – объясняет исследователь с труднопроизносимой фамилией – профессор Эндрю Нг, руководитель проекта STAIR (Stanford AI Robots). – Робот видит какую-то «картинку», но откуда ему знать, что это такое?»

У людей, как правило, подобных трудностей не возникает. Различать предметы нам помогает накопленный за годы жизни опыт. Мы знаем, где у чайника ручка, для чего она служит и чем чайник отличается от ножниц или, скажем, штопора. А машина? Как ей это втолковать?

Поэтому в Стэнфорде решили отправить робота учиться. Учеба заключалась в том, что ему «показывали» виртуальные чашку, книгу, карандаш, а компьютерная программа определяла, какое место является оптимальным для того, чтобы ухватить тот или иной предмет манипулятором (чашку, естественно, нужно подцеплять за ручку и т. д.). Натренировав таким образом робота, перед ним ставили уже настоящие бокал, термос, мобильный телефон. И вот сладкие плоды обучения: с помощью алгоритма, позволяющего сопоставлять незнакомые предметы с уже изученными, робот распознавал и брал со стола в среднем 89% предложенных ему объектов. Много это или мало?

«Смотря для кого. Вряд ли вы захотите нанять домработницу, если она будет ронять каждый десятый предмет, к которому прикасается, – говорит Эндрю Нг, британец китайского происхождения. – Но главное, нам удалось доказать: в принципе робота можно научить идентифицировать объекты и захватывать их манипулятором».

Вот так, со скоростью черепахи, движется прогресс в области изучения искусственного разума. За последние десятилетия ученые так и не смогли оправдать наших надежд. Да, вычислительные мощности растут в геометрической прогрессии: электронный мозг решает задачки быстрее самого лучшего математика, компьютер уже ставил мат чемпиону мира по шахматам. Но где же все-таки мыслящая, чувствующая машина, обладающая таким же умом, как HAL из фильма «Космическая одиссея 2001»? Или хотя бы давно описанный фантастами робот-уборщик, который после бурной вечеринки деловито расхаживает по квартире, собирая пустые бутылки и ставя грязную посуду в посудомойку? Научится ли этому когда-нибудь робот STAIR?

«Если вы спросите, когда интеллект машины будет сравним с интеллектом человека, я отвечу – может быть, через пять лет. А может быть и через пятьсот», – говорит Джон Маккарти, ныне пенсионер, а прежде профессор Стэнфордского университета. Именно он в 1955 году ввел понятие «искусственный интеллект» (ИИ). Что же изменилось с тех пор? «Тогда я был оптимистом, думал, что в XXI веке у нас уже будут настоящие мыслящие машины», – вспоминает профессор.

Но весьма скоро выяснилось, что и к машинам, и к их создателям предъявлялись завышенные требования. Ученые упрощенно представляли суть искусственного интеллекта. А компьютерам элементарно не хватало вычислительной мощности, чтобы помочь людям в решении даже самых обычных бытовых проблем. «В 1960–1970-х годах многие исследователи исходили из того, что любую ситуацию можно описать с помощью математического алгоритма, – говорит Стюарт Рассел, профессор информатики университета Беркли. – На самом деле, все гораздо сложнее».Читать дальше >>>