211service.com
Mąstymo mašinos
1982 m., kai dar buvo MIT studentas, Danny Hillis įkūrė Thinking Machines, vieną garsiausių nesėkmių kompiuterijos istorijoje. „Tinking Machines“ bandė sukurti pirmąjį pasaulyje dirbtinį intelektą. Bet jei įmonei nepavyko sukurti mašinos, kuri mumis didžiuotųsi (jos įmonės šūkis), jos Connection Machine pademonstravo lygiagretaus apdorojimo praktiškumą – šiuolaikinio superkompiuterio pagrindą. Šiandien Danny Hillis yra dizaino ir išradimų bendrovės „Applied Minds“ pirmininkas ir kuria „Long Now“ laikrodį – mechaninį laikrodį, kuris tarnaus 10 000 metų.
Danny Hillis biure su Saturn 1B raketos H-1 varikliu, pirmuoju Apollo 7 variklio etapu. (Kreditas: Daniel Hennessey)
TR: Kodėl taip sunku sukurti dirbtinį intelektą?
Ši istorija buvo mūsų 2006 m. lapkričio mėnesio numerio dalis
- Žr. likusią numerio dalį
- Prenumeruoti
Hillis: Mes žiūrime į savo protą ir stebime savo sąmoningo mąstymo, samprotavimo, planavimo ir analogijų kūrimo modelius ir galvojame: tai yra mąstymas. Tiesą sakant, tai tik labai gilaus ledkalnio viršūnė. Pradėję dirbtinio intelekto tyrinėtojai, jie manė, kad sunkios problemos yra tokie, kaip žaidimas šachmatais ir skaičiavimo egzaminų išlaikymas. Tie dalykai pasirodė lengvi. Tačiau mąstymo tipai, kurie atrodė be pastangų, pavyzdžiui, atpažinti veidą ar pastebėti, kas pasakojime svarbu, pasirodė esąs labai, labai sunkus.
TR: Kodėl mąstymo mašinoms nepavyko sukurti mąstančios mašinos?
Hillis: Na, paprastas atsakymas yra toks, kad mes tiesiog neturėjome pakankamai laiko. Tačiau laiko būtų pakakę dešimtmečių, o gal ir gyvenimų. Tai sunki problema, tikriausiai daug sunkių problemų, ir mes nelabai žinome, kaip jas išspręsti. Vis dar neturime tikro mokslinio atsakymo į klausimą, kas yra protas?
TR: Ryšio mašina buvo veiksminga superkompiuterių platforma. Kodėl „Tinking Machines“ nesuklestėjo kaip superkompiuterių kompanija?
Hillis: Superkompiuteriai pasirodė esąs technologija, o ne verslas. Mano draugas Nathanas Myhrvoldas, kuris tuo metu vadovavo „Microsoft Research“, kartą man pasakė: „Sukurti programinę įrangą superkompiuteriui yra taip pat sunku, kaip asmeniniam kompiuteriui, bet jūs turite tik kelis tūkstančius klientų, o mes turime milijardus. Ne tik tai, bet kiekvienas iš tų klientų iš tikrųjų tikisi, kad suteiksite jiems būtent tai, ko jiems reikia.
TR: Kokie buvo sėkmingi „Tinking Machines“ tyrimo komerciniai pritaikymai?
Hillis: Komercinės programos daugiausia buvo lustų projektavimas, duomenų gavyba, teksto paieška, kriptologija, skaičiavimo chemija, kompiuterinė grafika, finansinis optimizavimas, seisminis apdorojimas ir skysčių srauto modeliavimas. Mokslinės programos, tokios kaip astronomija, klimato modeliavimas ar kvantinė chromodinamika, buvo įdomios, kai padėjo gauti rezultatą ant viršelio. Gamta , bet mes niekada iš jų neuždirbome pinigų.
TR: Kas atsitiko su Thinking Machines patentais? Labiau nei bet kas kitas esate atsakingas už masinį lygiagretų apdorojimą. Gauni kreditą, bet nemoka. Kas jį gauna ir kodėl?
Hillis: Na, pirmiausia turėčiau būti aišku, kad esu tik vienas iš daugelio žmonių, prisidėjusių kuriant masinį lygiagretųjį skaičiavimą. Kalbant apie patentus, viena iš Thinking Machines nesėkmės pasekmių yra tai, kad aš praradau bet kokias teises į technologijas. Žvelgiant atgal, tai pasirodė esanti palaima, nes tai išgelbėjo mane nuo kito gyvenimo dešimtmečio praleisti teisme.
TR: Kuo jūsų dirbtinio intelekto filosofija skiriasi nuo garsiosios Marvino Minskio proto visuomenės?
Hillis: Marvinas yra mano mentorius, todėl bet kokia mano DI filosofija prasideda nuo jo. Kol jis rašė knygą, gyvenau jo rūsyje Proto visuomenė, ir kiekvieną dieną jis parašydavo po naują puslapį ar du ir leisdavo man jį perskaityti. Tada turėtume apie tai pasikalbėti, o aš išgirsčiau visas mintis, kurias jis už tai uždėjo. Vis dar neįsivaizduoju, kaip būtų skaityti tą knygą nuo viršelio iki viršelio, be ilgo pokalbio kiekviename puslapyje. Bet tai yra knygos esmė: kaip pasakytų Marvinas, smegenys yra klumpa. Vyksta daug įvairių dalykų ir jie sąveikauja sudėtingais būdais. Marvinas neabejotinai klysta dėl daugelio detalių, bet aš manau, kad bendras daugelio skirtingų, laisvai susietų pusiau autonominių procesų vaizdas iš esmės yra teisingas.
TR: Pritaikėte skaičiavimus imunologijos, genetikos ir neurobiologijos srityse. Šiandien skaičiavimai yra visur paplitę biologijoje. Ką tai reikš?
Hillis: Džiaugiuosi, kad skaičiavimo biologija ateina į savo vietą. Toks jausmas, kaip kompiuterijos srityje 1970 m. Atrodo, kad viskas įmanoma, o vienintelis apribojimas yra mūsų vaizduotė. Vis dar yra tiek daug pagrindinių, paprastų klausimų, į kuriuos neatsakyta: kaip užkoduojami prisiminimai? Kaip imuninė sistema jaučia „aš“?
Mane ypač domina, kas bus iš skaičiuotinių evoliucijos modelių, nors turiu pripažinti, kad šiuo metu ši sritis atrodo kiek užstrigusi. Dauguma dabartinių evoliucijos modelių sumažina jį iki labai silpno paieškos algoritmo, bet aš visada jaučiau, kad jame yra kažkas daugiau. Ne tai, kad biologai klysta dėl mechanizmų, o tai, kad modeliai yra daug paprastesni nei biologija. Gali būti, kad svarbiausia yra evoliucijos ir vystymosi sąveika, elgesys ir aplinka, ar kažkas panašaus.