Digital October

Science Mondays: AI часть 2 Лекция Science Mondays: AI часть 2 рамках проекта Science Mondays

FuckUp Nights Moscow лекция FuckUp Nights Moscow

продолжение рассказов о факапах от приглашенных спикеров

Безопасная коммуникация. Мессенджеры, почта, телефония семинар Безопасная коммуникация. Мессенджеры, почта, телефония

Приглашаем Вас присоединиться к дискуссии

Смерть фундаментальной физики?

25 ноября 2013

Автор известного программного языка Mathematica и перспективной вопросно-ответной системы Alpha Стивен Вольфрам рассказал на Knowledge Stream в центре Digital October о грядущей компьютеризации всего, захватнических планах искусственного интеллекта и возможной гибели фундаментальной науки.

ВЕДУЩАЯ: Здравствуйте, дорогие друзья! Меня зовут Юлия Лесникова, я рада приветствовать вас в центре Digital October на проекте Knowledge Stream.

Хотела бы напомнить, что вся эта история не смогла бы существовать без наших партнеров: я искренне благодарна нашему генеральному партнеру компании «Ростелеком», компании РВК, которая стала интеллектуальным партнером наших лекций, и сегодняшнему программному партнеру – IBS.

IBS открыли с нами цикл лекций «Прогноз на завтра», где мы говорим о технологиях, свершениях и инновациях, которые еще сегодня кажутся нам такими «ну совсем о будущем», но уже завтра станут частью нашей повседневности. Мне кажется, то, чем занимается Вольфрам, и то, чему он способствует, как раз об этом.

Ну что ж: доктор Вольфрам, здравствуйте!

ВОЛЬФРАМ: Здравствуйте!

ВЕДУЩАЯ: Кстати говоря, вот эти вот горячие московские аплодисменты все вам.

ВОЛЬФРАМ: Спасибо. Ну что же, доброе утро! Ну, в смысле, у меня это утро, а у вас, наверное, уже нет. Хочу вам рассказать, чем мы занимались в последнее время. Множество проектов, которыми я занимаюсь очень долгое время (некоторыми аж по 25 лет), сейчас подходят к какому-то логическому если не завершению, то к какой-то точке с запятой важной. В общем, время у меня интересное, потому что есть ощущение, что еще чуть-чуть, и я смогу чем-то важным с миром поделиться. А пока еще не готов.

Мне уже давно было интересно узнать, как еще мы можем использовать современные компьютерные вычисления. Действительно, именно в области технических вычислений очень многое было сделано в последние сто лет, однако мне кажется, что до сих пор мы еще не все уже технически возможные применения тех или иных алгоритмов освоены.

Надо сказать, несколько моих проектов именно в этой области и лежат. Вы, наверное, помните, что проект Wolfram Alpha предполагает введение большей части человеческих знаний в компьютерную форму. Так, чтобы любой вопрос, на который в принципе можно ответить, с упором на существующий на сегодняшний день корпус знаний, эта система могла дать ответ.

Давайте начнем с чего-нибудь загадочного, непростого:

спросим ее, что у нас будет, если мы … нет, слишком просто. Давайте спросим: интеграл, помноженный на х в квадрате… Система вычисляет ответ на наш вопрос, а параллельно строятся графики, какая-то еще дополнительная информация может быть представлена. Мы можем, на самом деле, даже поэтапно показать вычисление.

Что еще можем с вами сделать? Можно забить еще пару математических дифференциальных уравнений, и получить решения данных уравнений. Впрочем, Alpha мы задумывали не только для того, чтобы упростить выполнение домашних заданий, но и чтобы помочь вам находить ответы на массу бытовых вопросов. Скажем, каково население Москвы? Это можно спросить у Wolfram Alpha. А можно

разделить население Москвы на население Нью-Йорка.

Мы стараемся построить такую систему, которая способна будет понимать вопросы в том виде, в котором их обычно формулируют математически нетренированные люди. Те, например, кто хочет узнать погоду в Москве. Здорово, если мы можем, с одной стороны, положиться на знания всемирной паутины, а вы, с другой стороны, можете выглянуть в окошко и посмотреть, угадала она правильный ответ или нет. Правда, пока Alpha показывает температурный график Фаренгейта, что неудобно, конечно, для вас.

Но давайте что-нибудь другое спросим, например, про МКС. Здесь же не только статистические данные находятся, но также и динамически обновляются данные, скажем, о положении МКС или отдельных спутников, о положении тех или иных светил, например.

Мы стараемся свести в такую математически удобную форму самые разные виды знаний, будь то соцэкономические данные, физические, связанные со здоровым питанием или здравоохранением. Так, чтобы ко всему этому огромному корпусу знаний вы могли обращаться и получать ответы. Так, чтобы в конечном итоге любой вопрос, на который мы чисто гипотетически можем дать ответ, система в итоге и давала.

Первым делом, конечно, стоит задача наполнения этой условной базы данных информацией. Просто так собрать данные в интернете не получится, потому что они не достаточно хорошо систематизированы.

Но на сегодняшний день в Wolfram Alpha

 

уже собрано больше текстовых данных, чем вы можете найти в интернете!

Это связано с тем, что, конечно, мы пополняем ее и из других источников, причем постоянно. Большая часть вопросов, которыми задаются люди, пользующиеся нашей системой, это вопросы, на которые вы все равно не найдете ответы в интернете. Просто потому, что другим пока не приходило в голову в интернет ответы на эти вопросы выкладывать.

Поэтому система сама в режиме реального времени высчитывает ответ.

Итак, первым делом мы наполнили базу информацией, систематизировали ее. А дальше нужно уже поверх этой базы построить надстройку алгоритмов, которые будут достаточно быстро базу шерстить. Хорошо, мы можем все это рассчитать: но дальше нужно еще объяснить системе, что именно мы хотим, задавая тот или иной вопрос.

Для этого нужно научить систему человеческому языку.

Хотя бы потому, что у вас может быть масса вопросов, которые вы не знаете, как строго математически формулировать для системы. Мы давно уже бьемся над тем, чтобы научить компьютеры понимать естественные языки. А для того, чтобы понимать, что нам люди говорят на том или ином языке, мы должны не только знать слова, но и понимать структуру языка. И вот этого как раз не хватает зачастую машинам.

Однако могу сказать, что Wolfram Alpha уже сейчас в 93 % случаев правильно понимает задаваемые вопросы. Впрочем, пока система работает только на одном языке, это английский. Надо сказать, что параллельно ведется локализация системы на китайском языке (да, скоро выйдет такая версия).

Пока, к сожалению, у нас нет партнеров, которые бы занимались локализацией на русском языке; надеюсь, они появятся. Китайский опыт уже показывает, что наша фундаментальная методология достаточно проста, чтобы не требовать существенного изменения кода для локализации той или иной базы.

Вы, может быть, знаете, что нами пользуются и в системах голосовых помощников для смартфонов: ведь есть масса людей, которые пытаются пользоваться такими приложениями, чтобы получить ответ на свой вопрос. Поэтому, вместо того чтобы задавать Alpha вопросы, ответы на которые вы и так уже знаете, можно использовать ее в каких-то других приложениях.

Например, можно показать ей какую-то конкретную картинку и попросить ее проанализировать. Или дать пакет данных, чтобы какой-то умный вывод из этих данных сделать. Здесь, конечно, Alpha будет полагаться на собственные аналитические движки: но, что важно, система достаточно успешно комбинирует ваши собственные знания со всеми известными публичными, общедоступными данными.

Вам наверняка интересно узнать, как же устроена система.

Достаточно сложно, поскольку технологическую начинку я разрабатываю последние почти что тридцать лет. Когда я только начинал свою карьеру, еще физиком, мне были интересны какие-то общефизические темы, вроде физики элементарных частиц, какими-то космологическими даже вопросами задавался. Приходилось достаточно много заниматься сложными математическими вычислениями: признаюсь честно, они не очень хорошо мне давались…

А самое главное, мне казалось, что это чрезвычайно скучно, поэтому лучше всего было бы автоматизировать эти расчеты. Раз компьютер уже есть. Дело было в конце 70-х годов, кстати. И вот тогда я начал проектировать системы, которые могли бы взять на себя мои скучные математические вычисления. Первую систему такого рода я закончил в 1981 году.

Это, кстати, был первый опыт создания компьютерного языка программирования.

Очень любопытный был опыт, потому что в конечном итоге на этих идеях возник язык Mathematica, да и несколько других языков из того проекта тоже кое-что почерпнули.

Первая версия Mathematica появилась 25 лет назад, смысл языка состоял в том, чтобы создать такую достаточно целостную систему, которая позволяла бы вам доверять компьютерам чисто расчетные задачи. Отладкой и развитием этого языка я занимаюсь вот уже четверть века: одним из важных принципов этой работы является создание максимально целостной системы с как можно более широким функционалом.

По ходу этой работы, собственно, мы и создали систему, которая сейчас так широко используется. Wolfram Alpha, конечно же, построена, скажем так, «поверх Mathematica».В последние годы мы пытались ближе свести эти два проекта, чтобы у нас был не просто язык для выполнения вычислительных операций, но и действительно мощная система, которая могла бы считать и давать ответы.

 

На самом деле, мы пытаемся создать первый в мире язык, основанный на знаниях.

У большинства,.. Да, наверное, у всех языков программирования вычислительное ядро достаточно простенькое: не в смысле своей внутренней логики, а в смысле своего веса. А дальше уже вокруг этого ядра выстраивается достаточно большое количество библиотек, которые добавляют какие-то дополнительные функции или алгоритмы. Мы же пытаемся создать систему, которая в своем ядре будет нести все необходимые алгоритмы, то есть не будет требовать этой сложной обвязки библиотек. Короче говоря, в нашем языке есть масса элементов, которые поддерживают собой разные алгоритмы, и позволяют вам взаимодействовать с самыми разными типами данных.

Обращаю ваше внимание на то, что эта система символическая, она работает не просто с цифрами. Мы можем здесь забить какой-то полином, точно так же мы с вами можем использовать какие-то графические элементы. Это все символические выражения, мы можем проводить с ними точно такие же манипуляции, что и с привычными параметрами.

Ну, скажем, x^2+1. Что это такое?

Это некая типичная математическая структура, которую на языке программирования мы должны записать в определенной форме. А Wolfram Alpha пытается по-максимуму это оптимизировать, самостоятельно найти самую стратегически и эстетически привлекательную форму показа этих данных.

Что же получается? Получается, этот язык построен на нескольких важных принципах. Первый состоит в том, чтобы встроить в сам язык напрямую как можно больше знаний. Во-вторых, сделать так, чтобы все элементы языка взаимодействовали друг с другом единым консистентным способом. Ну и дальше доверить выбор той или иной стратегии расчета самой системе.

Что еще мы с вами можем сделать? Давайте посмотрим. Мы можем, например, спросить, какие страны есть в Европе. Или как выглядят флаги тех самых европейских стран. А затем мы с вами можем, скажем, распознать границы этих флагов. И все это мы можем делать с опорой на стандартный язык. Не нужно использовать дополнительные библиотеки. Можно, конечно, и очень простые программы писать на этом языке, ну а пока самым большим программным продуктом на этом языке является Wolfram Alpha: длина программного кода чуть превышает 15 миллионов строк.

Но мне представляется недалекое будущее, в котором

этот же язык будет использоваться не только в программировании, но и в финансах: при проведении, скажем, проектных расчетов.

Давайте теперь посмотрим, что произойдет с этой технологией тогда, когда мы запустим ее в облаке. У нас есть версия, работающая в облаке, хотя, кажется, официально не анонсировали; а пока, как вы видите, все у нас работает в браузере. Вы видите, здесь простенький интерфейс, а все расчеты выполняются уже в облаке. Почему я это показываю? Да потому что у облака есть несколько важных достоинств.

Если у вас есть кусочек кода для Wolfram Alpha, вы можете его прогонять в нашем облаке, можете его в самом деле вызывать из любой точки мира, другими словами, вы можете легко написать мобильное приложение, которое будет обращаться к вычислительной части, бегающей в облаке. То есть вы получаете возможность легко «играться» с нашим языком в своих разработках. Даже если вы пишите на других языках.

Ну, скажем, мы с вами можем здесь задать простым, а не компьютерным языком, что нужно нарисовать график. То есть, смотрите, мы можем задать на привычном нам языке (привычном английском в данном случае) свои пожелания: и тут же получить все, что нам нужно, в общем-то. Можно что-то более простое задать, скажем, написать «картинка совы», и увидеть картинку совы.

Теперь мы с вами можем объединить возможности Mathematica с возможностями Wolfram Alpha: мы можем легко использовать объекты окружающего нас мира практически в качестве операторов этого языка.

 

По сути, мы хотим создать модель окружающего нас мира внутри

Wolfram Alpha, так, чтобы там были не только математические операторы, но и флаги, люди, самолеты, города и так далее. Вот мы сейчас работаем над форматом WDF как раз для того, чтобы эффективнее описывать различные виды объектов. И в этом случае вам будет гораздо проще получать осмысленные ответы на неструктурированные вопросы. На те вопросы, которые люди обычно и задают.

Одно из интересных направлений нашей языковой работы в последнее время состоит в извлечении данных не только из каких-то привычных нам ресурсов, но и из совершенно неожиданных источников и приборов. Так, в рамках проекта Connected Devices мы намерены собирать информацию от большинства устройств в мире. Мы как раз на прошлой неделе объявили об этом, т.к. совсем недавно с производителем договорились.

Представьте: есть линуксовый компьютер, дешевый, за 25 долларов,

и как раз на нем будет «бегать» Wolfram Alpha. Но, как вы понимаете, по сути это хаб, к этому квази-компьютеру вы можете подключить практически любое другое устройство. Ну а мы со своей стороны можем с него собирать те данные, которые нам разрешат собирать.

Вот она, мощь современных компьютерных технологий. Мне кажется в чем-то забавным, что мы собираем данные из столь разных источников, используя язык столь высокого уровня, и дальше можем на самом деле запускать какие-то программы на этом псевдо-устройстве.

Это же здорово, когда у вас есть огромный пласт знаний и вычислительных алгоритмов, к которым могут обращаться самые простейшие устройства.

Так мы демократизируем доступ к знаниям.

Кстати говоря, я-то сам очень давно увлекаюсь темой больших данных, собираю самые разные их виды. Не знаю, хорошо это или нет, но, наверное, я чемпион на нашей планете с точки зрения сбора данных о самом себе.

Скажем, у меня есть график, отражающий объем моей переписки за последние 25 лет. Я старался оцифровать массу аспектов своей жизни: и хотя понятно, что большинство людей таким не страдает, эти данные все равно кому-то могут быть любопытны. Вы можете, скажем,

подключить свой Facebook к Wolfram Alpha

и попытаться провести какой-то аналитический расчет. У меня достаточно скучный FB, а вот у вас-то наверняка жизнь интереснее моей. Заодно вы можете посмотреть распределение по возрасту ваших друзей в сравнении с вашим возрастом, а также графики, отражающие брачный статус ваших друзей. Аналогичным образом мы можем проанализировать распределение ваших друзей по каким-то параметрам (город рождения и проживания, например) практически в любой соцсети.

В общем, используя данные на естественных языках о том, что люди чаще всего обсуждают – путешествия, отдых, что-то еще, – мы можем прогнать их сквозь призму каких-то типовых расчетов. Такой анализ может привести нас к каким-то очень важным выводам; не только же развлечения ради всем этим заниматься. Тем более, раз такой огромный объем знаний существует в Facebook, его нужно уже пытаться как-то анализировать.

Это одно из применений технологии, которой мы занимаемся в последнее время. Но мне интересна как прикладная, так и фундаментальная наука; раньше я, как уже говорил, интересовался физикой и физикой элементарных частиц, мне было интересно все на тему того, как зародилась Вселенная. И в какой-то момент понял: последние столетия люди пользовались одной и той же методологией, которая хорошо работает в одной дисциплине, но плохо во всех остальных. И под этой методологией я и имею в виду излишнюю готовность полагаться на чисто математические расчеты.

Где-то лет 30 назад я впервые задался вопросом,

как мы можем попытаться аппроксимировать окружающий мир при помощи математических уравнений. Одно из самых простых, одно из самых удобных обобщений в этом случае – это, на мой взгляд, язык программирования. Если мы попытаемся моделировать окружающий нас мир при помощи компьютерных программ, резонно задаться вопросом, какие программы для этого лучше всего подойдут. Ведь те, которые мы сами пишем, обычно длинно и сложно устроены. А вот в окружающей нас Вселенной обычно, наоборот, программы коротки и примитивно устроены.

Вот, смотрите: существует простенькая программа, которая по одному и тому же простому правилу определяет цвет ячейки, цвет клеточки в зависимости от цветов соседних клеточек. Это паттерн. Чуть-чуть видоизменив правила, мы с вами можем начать с одной черной точки, а на выходе получить красивую картинку. Правило очень простое, а на выходе мы получаем сложный объект.

Кстати, у этого правила много общего с тем генератором случайных чисел,

который мы очень часто используем в последние 20 лет. Я-то всегда считал, что простое правило может обычно выполнять только простые операции. Теперь мне кажется, что у природы есть какой-то свой секрет, позволяющий используя довольно простые правила, получать достаточно сложные объекты на выходе. Мы боимся сложных правил, потому очень трудно предположить, чем реализация того или иного правила закончится. А природа может позволить себе экспериментировать, потому что такого страха не имеет.

Мы можем проанализировать, например, структуру снежинок или моллюсков, попытаться найти алгоритмы, описывающие какие-то общие явления в них. И можно достаточно просто на математическом языке сформулировать те правила, по которым происходит, скажем, пигментация раковин моллюсков. Выяснится, что правила, по которым раскрашиваются эти раковины, очень близки к тому правилу, про которые я говорил в связи с черно-белым паттерном и генератором чисел.

 

Можно задаться массой подобных вопросов: я вот на эту тему лет 10 назад издал книжку, где пытался проанализировать, как устроена вся эта «вселенная вычислений».

Одна из, наверное, самых интересных проблем этого типа состоит в том

как проанализировать всю нашу физическую Вселенную с позиции выяснения какого-то правила, по которому она работает. Мы привыкли считать, что это правило должно быть чрезвычайно сложным, раз сама Вселенная очень сложно устроена. Однако везде вокруг себя мы видим, что очень простые правила зачастую приводят к очень сложными конструктами.

Мы должны, соответственно, предположить, что вся наша Вселенная может быть построена на каком-то чрезвычайно простом правиле. Если подобное правило существует, оно должно быть как-то очень непривычно для нас устроено, потому что весь корпус своих знаний, скажем, физических, мы просто не можем вот так свести в одно простое правило.

Можно попытаться представить себе во Вселенной такую гигантскую сеть, где нет пространства, а есть просто узлы, связанные друг с другом. Надо сказать, что идея появилась еще тогда, когда мы впервые под воздействием теории относительности начали сомневаться в правильности пятого постулата Евклида. Я вот считаю, что первый постулат Евклида о том, что пространство постоянно, неразрывно,

окажется ложным рано или поздно.

Мне кажется, что если начать задаваться подобными вопросами, проще будет построить такую, скажем, модель, описывающую нашу жизнь, которая будет меньше похожа на Евклида и больше будет знакома тем, кто описывает, например, жидкостную динамику. Мы можем играть с огромным количеством вычислительных моделей, пытаться проследить какие-то параллели с нашим физическим миром.

Очевидно, что большинство из них совершенно не будут похожи на наши мир, однако достаточно быстро мы с вами начнем натыкаться на сложно устроенные в своем поведении Вселенные. Важно то, что в этих модельных Вселенных мы можем проследить, как действуют какие-то законы квантовой механики, как соблюдаются общая и специальная теории относительности и так далее.

Рано или поздно мы, наверное, сможем найти такую гибридную модель,

которая будет максимально близка к окружающему нас миру. Очевидно, что проводя эти фундаментальные исследования, можем прийти к каким-то достаточно полезным технологическим прикладным открытиям.

Обычно, стоит нам задуматься над созданием компьютера, мы подходим к этому чрезвычайно серьезно, начинаем мыслить сразу на миллионы внутренних компонентов. Но буквально пять лет назад мы провели соревнования на очередной выпуск машины Тьюринга и получили, наверное, самое простое универсальное устройство, которое выполняет ну самые примитивные функции компьютера, занимая при этом буквально страницу.

А это значит, что теперь будет гораздо проще строить компьютеры, особенно если вы думали над созданием молекулярных компьютеров. Значит, именно в этом направлении вам и нужно искать: сначала разобраться в том, что могут сделать молекулы, и потом в пространстве возможных систем найти правильную модель. Получается, универсальные вычисления уже близко: а там можно сделать и массу каких-то философских выводов о существовании интеллекта на других планетах, свободе и несвободе, человеческом поведении.

Вообще мне кажется интересным обкатывать возможные технологий именно в этой «вселенной вычислений». Можно, работая над какими-то новыми материалами, долго с ними экспериментировать в лабораториях, выясняя, как можно их использовать, но во «вселенной вычислений» мы можем делать фактически то же самое.

Это, кстати говоря, та методология, которой мы пользуемся последние годы при построении Wolfram Alpha. Мы не столько пишем программы последовательно, сколько стараемся находить во «вселенной вычислений» ту программу, которая решает задачу, аналогичную нужной нам. Вместо того чтобы привычным для программиста способом писать строчку кода за строчкой кода, мы ищем подходящую по функционалу программу.

Такой подход непривычен для большинства программистов, но в нашем случае очень хорошо работает:

мы используем компьютер для того, чтобы он раскачивал наш собственный креатив.

И нам кажется, что можно то же самое использовать… в изобразительном искусстве, например. Вот таким мне видится возможное применение этих же исследований.

Я относительно недавно понял, что теперь действительно все, что нас окружает, мы можем представить себе как набор программ, реализуемых маленькими компьютерами. Внедряя Wolfram Alpha, развивая ее язык, работая с разными устройствами, мы даем возможность огромному количеству объектов окружающего мира говорить с нами на компьютерном языке. В современном мире счет компьютеров идет на десятки миллиардов, в будущем их будет гораздо больше: в принципе компьютеры будут во всем, что нас окружает.

Производить предметы из пассивных материалов будет уже неинтересно.

Потому что большинство окружающих нас предметов выиграет от того, что они будут перепрограммируемыми. Мы с вами, будучи биологическими существами, тоже на молекулярном уровне выполняем какие-то вычисления; и могу себе представить, что, когда мы успешно внедрим все знания человечества в Alpha, все, что нас будет окружать, действительно сможет состоять из компьютеров или хотя бы восприниматься как некий набор компьютеров.

Таким мне видится будущее технологий, будущее биологии. Мир, в котором все построено из компьютеров. Трудно удержаться от каких-то философских заключений.

Мы должны понимать, что когда у нас все будет состоять из компьютеров, нам фундаментальная физика уже не будет очень нужна:

разницы между реальным и виртуальным уже, строго говоря, не будет.

Когда на компьютере работает Alpha, нам все равно, на какой архитектуре компьютер работает. То есть в мире, который заполонят компьютеры, нам будет совершенно не важно, на какой технической базе выполняются те или иные расчеты.

Но, боюсь, нужно уже постепенно подводить мое выступление к концу. Мне кажется, наверное, самой важной идеей, о которой я еще не рассказал, будет то, что от алгоритмической идеи до, в общем-то, работающего прототипа можно пройти гораздо быстрее, чем мы думали раньше.

Язык Wolfram Alpha гораздо производительнее любого другого языка, хотя бы потому, что он уже под завязку набит различными алгоритмами и знаниями. И поэтому написание приложений, которые будут взаимодействовать с системой Alpha, представляются разумным стратегическим сценарием.

ВЕДУЩАЯ: Коллеги, для тех, кто впервые на Knoledge Stream, наша традиционная часть лекции – вопросы уважаемому гостю.

ВОПРОС ИЗ ЗАЛА: Я сейчас задам несколько провокационный вопрос, который интересует 90% людей в зале.

Увеличит ли Alpha скорость уничтожения человечества в перспективе?

 

ВОЛЬФРАМ: Ух, какой вопрос! Я могу заверить вас в том, что к этому не стремлюсь.

Да, сейчас идет масштабная автоматизация огромного количества процессов в жизни человека, и Alpha тоже свою задачу в этом плане выполняет. Есть еще масса функций, которые до сих пор выполняются людьми, хотя компьютеры с ними справятся намного лучше. Думаю, что темпы замещения людей машинами будут только расти.

Возникнет резонный вопрос: какова же роль человека в этом мире, в котором простые функции на себя взяли компьютеры? Компьютер можно сделать достаточно мощным, сложным, но

у компьютера все равно не будет собственного целеполагания.

Вы можете научить компьютер последовательности каких-то операций, но он не может сам для себя решить, чем ему заниматься. И эта функция, безусловно, останется за человеком. Мне кажется, что вопрос целеполагания, он ключевой для человека. Биологически нам не дано представления о том, зачем мы на этот свет приходим. И вся человеческая цивилизация исторически пытается найти ответ на этот вопрос применительно к каждому следующему дню.

Меня беспокоят различные сценарии печального возможного будущего. Я понимаю, что в какой-то момент мы даже можем добиться равенства знаний между людьми и машинами, да даже добиться некоего подобия бессмертия благодаря машинам. Но если мы редуцируем человека просто до набора компьютерных вычислений, так, чтобы ему не нужно было никуда двигаться,.. не знаю, для меня это очень какое-то темное, непонятное будущее.

Вы меня фактически спрашиваете, захватит ли искусственный интеллект наш мир?

В определенном смысле, наверное, захватит. Но вряд ли в том смысле, о котором вы думаете. Мне не рисуется сценарий фильма «Терминатор», я не представляю себе «восстание машин». Пока компьютеры очень сильно помогают нам в самых разных жизненных ситуациях. И я уже говорил, что я очень много занимаюсь личной аналитикой: мне кажется ужасно интересным такое вот взаимодействие с компьютером, когда мы ему доверяем огромную часть своей истории, своих воспоминаний, так, чтобы всегда можно было из него извлечь то, что вы иначе забыли бы.

Опять же, мне кажется, та работа, которую мы ведем, полезна и тем, что позволит обкатать возможные сценарии нашего дальнейшего взаимодействия с компьютерами. Могу себе представить, что достаточно мощная система может нам рано или поздно предлагать: а вот в такой жизненной ситуации 90% людей делают вот это, 10% то-то. Но это значит, что такая предиктивная система, если она будет достаточно надежна, будет чаще подсказывать людям правильные варианты поведения, чем неправильные. Тогда, пожалуй, люди перестанут думать и будут больше полагаться на нее. Такой вот сценарий победы искусственного интеллекта над естественным мне кажется достаточно правдоподобным; но мне кажется, что в этой ситуации конкурентной борьбы людям тоже придется как-то активнее решать за себя, зачем они на этом шарике вообще нужны.

ВЕДУЩАЯ: Хочу сказать, что у нас на всех лекциях про роботов, про искусственный интеллект именно этот вопрос всегда задают. Это правда почему-то россиян беспокоит: убьют ли нас роботы.

ВОПРОС ИЗ ЗАЛА: Вы уже начали работу в плане интеграции вашего проекта в научно-исследовательские институты?

ВОЛЬФРАМ: Язык программирования Mathematica используется в большинстве вузов мира. Приблизительно 90% всех американских университетов имеют лицензии на использование этого языка. В России, я так понимаю, меньшее число вузов получили лицензии, но все равно язык достаточно популярен.

Wolfram Alpha сейчас используется чрезвычайно широко: последнее исследование мы проводили чуть более года назад, но и оно показало, что системой пользуются как минимум треть американских студентов и школьников старших классов. Как минимум раз в неделю.

Так что, мне кажется, в образовании мы и так уже достаточно активно представлены. Другое дело, можно задаться вопросом, а как же нам нужно менять систему образования там, где уже появились и получили широкое распространение наши инструменты?

У нас есть инициатива под названием «компьютеризированная математика», смысл которой состоит в следующем: если мы теперь можем простые расчеты доверить компьютерам, как мы должны с вами поменять систему обучения математике?

До сих пор мы используем учебные планы по математике, которым сто лет, как минимум. А сто лет назад, согласитесь, и инструментарий был другим, да и математика тоже.

Сегодня гораздо проще было бы учить студентов решать задачи, не оторванные от жизни.

Но школьная математика так и учит работать с какими-то абстракциями… Что интересно, большие проекты в этой области, кто бы мог подумать, ведутся в Эстонии.

Но действительно, раз компьютеры способны сделать обучение более реалистичным и релевантным для нашей жизни, надо менять учебные курсы по математике. Больше того, нам кажется, что Wolfram Alpha позволит познакомить гораздо большее число людей с программированием: такой инструментарий будет привлекателен и детям, и взрослым как первый, что ли, опыт программирования.

И в этой области у нас тоже есть программы, посвященные популяризации программирования за счет языка нашей системы. А т.к. Alpha понимает естественный язык, на старте даже не нужно будет изучать какой-то из языков программирования, вы можете использовать привычные слова вместо операторов.

Мне кажется, у нас получился первый язык, достойный следующего поколения программистов,

потому что мы действительно автоматизировали все, что можно автоматизировать. Так что программисты смогут заниматься чисто человеческой работой. А т.к. мы договорились, что все Raspberry Pi на Linux будут поступать в продажу с предустановленной Wolfram, мы добьемся еще большей популяризации. Нам этo даст доступ к миллионам этих устройств по всему миру.

Еще должен сказать, что Mathematica в последние 25 лет очень много пользовались ученые, исследователи, которые сделали с ее помощью настоящие открытия в математике. Другое дело, что нам не всегда рассказывают о том, что какое-то интересное открытие было сделано при помощи того или иного инструмента.

ВОПРОС ИЗ ЗАЛА: Уважаемый профессор, я как раз хочу выразить признательность: в своей работе я использовал пакет Mathematica, он избавил меня от рутинных вычислений и сэкономил массу времени. Хочу сказать, что ставлю вашу работу именно в ряд с такими выдающимися явлениями ХХ века как квантовая механика. С точки зрения создания универсального инструмента для работы ученых-естественников: физиков, математиков, астрономов…

Ну это я отвлекся, а вопрос мой в следующем: вы говорили о медицинских аспектах применения Alpha, и мне кажется, что имеет смысл сделать раздел, который посвящен вопросам томографии, нет? Можно ли создать внутри системы пакет, посвященный томографии? Это первое.

Второе: есть ли у вас разработки в области распознавания зрительных образов?. Кстати, Google использует это в качестве игрового контекста для туристов, каких-то потребителей спиртных напитков и так далее. Это не носит практической цели. Ваша же программа прежде всего направлена именно на практические применения.

ВОЛЬФРАМ: Спасибо за ваши добрые слова.

Начну с конца: мы начали работать с трехмерными образами (это важно и с точки зрения применения в томографии). В ближайшем будущем мы подключим большее количество операций по 3D-объектам. Можно будет использовать обработку трехмерных образов и для того, чтобы анализировать срезы томографического снимка. И дальше задавать Alpha вопрос, какая артерия ближе всех подходит к такому-то органу и такой-то кости. И это действительно очень полезное применение в области анатомии или хирургии.

Мы на самом деле здесь можем объединить обработку образов и словесных запросов

на пользу анатомии и томографии. С этой точки зрения наши наработки достаточно нетрадиционны в этой области. Конечно, с научной и вычислительной точки зрения интереснее всего заниматься диагностикой. Я думаю, что мы снова стоим на пороге очередной революции благодаря тому, что люди начинают носить все большее и большее число девайсов, которые регистрируют важные параметры.

Если до последнего времени диагностика была, по сути, описанием того, что с человеком происходило в предыдущие годы, сейчас есть возможность гораздо точнее диагностировать то, что происходит с человеком сейчас. В целом, мне кажется, что с диагностикой у человека до сих пор не все хорошо получается, а компьютеры уже во многом способны превзойти человека с точки зрения качества диагностики.

Не знаю, как в других странах, но в Штатах, например, наблюдается все большая и большая специализация медиков: человек, приходя в больницу и жалуясь на какой-то симптом, зачастую получает направление к 15-ти разным специалистам. И мне кажется, что

в условиях столь сильной сегментации знаний нам уже нужно часть функций отдавать на откуп компьютерам,

потому что человек уже не в состоянии всю эту информацию в голове удержать. Плюс к этому, как я уже говорил, все больше и больше медицинских устройств мы носим, поэтому можно надеяться, что они как-то будут использоваться врачами. Думаю, наше привычное представление о диагнозе и диагностике претерпит серьезные изменения.

Могу себе представить лекарства, самостоятельные на молекулярном уровне, которые будут выбирать оптимальный механизм взаимодействия с теми или иными органами или клетками. Пока схему лечения основываются на симптомах, а в будущем вот это условное новое лекарство будет само находить механизм воздействия.

Я часто провожу параллель между диагностикой ПО и диагностикой медицинской.

Было бы интересно применить медицинскую логику, например, к вопросам обеспечения надежности и бесперебойности работы серверного оборудования. Это тоже, на мой взгляд, любопытное направление дальнейших исследований: так можно тестировать границы диагностики как таковой…

Но вновь к вопросу насчет распознавания образов: есть некое количество инструментов для обучения машин, и версия Wolfram, которая выходит в начале следующего года, как раз будет нести такие экспериментальные разработки «на борту». Однако меня очень сильно расстраивает то, что задачи распознавания типовых образом элементарно решаются компьютерами, но когда мы переходим к более сложным, то утыкаемся в потолок.

Сколько бы данных мы пока не собирали, мы не можем научить компьютер решать более сложные задачи.

Каждый раз, когда мы пытаемся использовать механическое обучение, ничего не получается. Даже так: мы можем придумать алгоритм, который будет работать намного лучше того, что нам даст система машинного обучения. Короче говоря, мне кажется, что наши будущие успехи в этой области будут связаны не столько с тем, что мы найдем способ помочь машинам учиться, сколько с тем, что мы и дальше будем скучным, постоянным и упорным способом учить компьютеры. Я называю это «кураторство».

ВОПРОС ИЗ ЗАЛА: Вы создали продукт, который помогает разрабатывать идеи, алгоритмы и ПО во многих областях. Как обстоят дела с нейронными сетями и генетическими алгоритмами?

ВОЛЬФРАМ: Эта тема меня интересует последние 30 лет. Поэтому версия Wolfram, которая выходит в следующем году, будет содержать некое количество алгоритмов как раз из этой области.

И еще раз повторю, что очень просто можно автоматизировать решения простых задач.

Там, где задачи сложны, привычные механизмы автоматизации очень-очень ненадежны.

Гораздо проще писать целевые, специализированные программы для решения. Можно использовать самые разные методологии разработки алгоритмов, можно просто написать программу на С, например. Можно, но толку в этом мало, потому что большинство современных алгоритмов построены на большом количестве «кирпичиков» из разных областей.

Скажем, у нас скоро выйдут очень интересные, на мой взгляд, вычислительные геометрические алгоритмы. Они отражают наши наработки в теории групп, в теории графов. И вы увидите это применительно к огромному числу современных алгоритмов: они уже слишком тесно завязаны на алгоритмы из других областей.

Большинство интересных передовых алгоритмов, которые мы сейчас видим, соответствуют именно этому правилу: они, скажем так, кросс-дисциплинарны. Могу сказать, что самый поразительный алгоритм мы нашли, изучая как раз «вселенную вычислений».

Генетический подход к написанию алгоритмов, последовательный, чреват тем, что вы не достигнете неожиданных прорывов. Естественный отбор в биологии тоже идет таким пошаговым, поэтапным способом. Креатива в нем, на мой взгляд, недостаточно. И еще мне кажется, что можно найти более креативные методологии, можно более часто включать рандомайзер, скажем так.

Я знаю два способа создавать алгоритмы.

Первый – поэтапный, последовательный, при котором вы будете использовать наработки из других дисциплин. Это то, что мы и так делаем, то, что работает хорошо.

И второй – более эффективный способ – состоит в том, чтобы изучать всю массу существующих алгоритмов и смотреть, какие из них выполняют нужные вам функции.

ВОПРОС ИЗ ЗАЛА: Представьте, что на ваш сайт зашел школьник и на естественном языке спрашивает Alpha: «У меня есть условия задачи, но я не могу ее решить». Понятно, что Alpha сможет выдать решение, но

сможет ли она вступить в диалог с ребенком, объяснить, научить решать,

научить думать?

ВОЛЬФРАМ: Пока вовлечь ребенка в диалог, конечно, она не может. Другое дело, что у нас есть… не знаю, изнанка, что ли. Wolfram Alpha, по сути, генератор задачек.

Это тоже хороший философский вопрос: как можно затеять с системой настоящий диалог. И мы действительно ведем кое-какую работу в этом направлении.

ВОПРОС ИЗ ЗАЛА: У одной знакомой организации есть потребность анализировать тренды ближайшего будущего, примерно в срезе пяти лет: социологические и технологические. Можно ли им посоветовать использовать Wolfram Alpha?

ВОЛЬФРАМ: Я на это надеюсь: собственно, в подобном ключе Alpha часто и используется. Более того, в середине следующего года выйдет DS-платформа, работающая на нашем языке и базе Alpha. Думаю, она как раз интересующей вас организации и пригодится.

ВОПРОС ИЗ ЗАЛА: Очень простой вопрос: если я создам антологию сложных технических устройств, могу ли я подгрузить ее в вашу систему? И что я получу взамен?

ВОЛЬФРАМ: Вопрос в том, как эта антология будет сформулирована. Есть ряд инструментов для создания антологий:

мы были вынуждены создать вычисляемую антологию мира, без которой Alpha просто не работала бы.

В процессе выяснилось, что большинство существующих антологий не полны. Скажем, возьмите планеты солнечной системы: статическая антология гласит, что в солнечной системе есть такое-то количество планет, в то время в динамической алгоритмической антологии описание будет другим. Вам нужно описать реальное взаимодействие, взаимоположение объектов. Они же не просто воткнуты в небосвод.

То есть, нам нужен был такой динамический, алгоритмический подход к антологии, сильно отличающийся от существующих. Сейчас, когда все это у нас есть, есть миллионы объектов, которые достаточно хорошо отражены в нашей антологии; и мы собираемся эту антологию сделать публично доступной, чтобы все интересующиеся могли нам помогать и свои объекты туда дополнительно вносить.

Скажем, какие-то данные из своих исследовательских проектов.

Далеко не все антологии бьются с нашей, и мы уже задумывались над тем, как можно переложить другие антологии на наш язык. Но пока не очень понятно, как это делать. Мы вот эту алгоритмическую антологию сделали для двух тысяч сфер. И нужно признать, что берясь за новую сферу, мы думали: «Сейчас все будет просто, уже две тысячи-то мы описали!»

И выясняется, что это не так, что у каждой новой сферы есть какие-то свои структурные отличия. Приходится постоянно что-то дорабатывать, но мне кажется, что мы уже достаточно хорошо отработали методологию добавления новых сфер к своему антологическому древу. Остается создать надежно работающий интерфейс для подкачки в нашу систему сделанных кем-то еще антологий. Мы более-менее понимаем, как это сделать технически, но до автоматизации процесса еще далеко.

ВОПРОС ИЗ ЗАЛА: Антология всех автомобилей и антология компонентов машины. Можно их к вам подгрузить? Как тогда изменится система?

ВОЛЬФРАМ: Последние два года мы собираем очень детальные данные по всем машинам, которые по всему миру производятся. Вы знаете, что автомобиль достаточно сложно устроен, и на построение этой антологии у нас ушло много времени.

Впрочем, когда мы закончили эту работу, мы тут же получили возможность задавать на естественном языке вопросы и получать на них осмысленные правильные ответы. Я например, не знаю, у какой модели в таком-то году в такой-то стране была самая широкая колесная база. Но могу задать вопрос системе.

К сожалению, мы не можем просто вот закачивать неизвестные спецификации производителя в свою систему. Пока все это приходится делать руками.

ВЕДУЩАЯ: Спасибо, доктор Вольфрам. Есть время еще на один вопрос?

ВОЛЬФРАМ: Да, конечно, есть!

ВОПРОС ИЗ ЗАЛА: Что вы думаете о сложности алгоритма перевода текста из одного языка на другой? В настоящее ваш онлайн-сервис обладает достаточно низким качеством перевод. Спасибо.

ВОЛЬФРАМ: Так и задачка непростая. Нам в первую очередь было интересно научить систему понимать, переводить – это, наверное, следующий этап.

Когда мы только занялись этим проектом, то вообще не были уверены в том, что мы сможем научить систему все понимать. Это получилось, когда мы наполнили систему огромным объемом знаний, и как раз это поможет решить основную проблему компьютерного машинного перевода: выявление именно той системы, которая контекстуально важна в том или ином случае.

Пока что большинство систем машинного перевода работают на основе каких-то статистических алгоритмов: используя большие объемы аналогичных текстов, просто сопоставляют строки. Есть европейские языки, для которых давным-давно создана огромная база параллельных текстов. И там подобный машинный перевод будет надежнее. Есть пары языков, между которыми очень мало параллельных текстов. Я, например, не очень хорошо понимаю, что происходит в паре русский-английский с точки зрения перевода.

Мне кажется, что рано или поздно мы сможем сделать машинный перевод намного лучше, но пока мы этой темой вообще не занимались.

ВЕДУЩАЯ: Спасибо вам большое, доктор. Если вы действительно куда-то опоздаете, все валите на нас. Вы и так нам посвятили вдвое больше времени, чем обещали. Всего доброго!

Коллеги, мы «охотились» за этим человеком два года, и я не могла позволить ему меньше с вами пообщаться!

контакты

119072, Москва, Берсеневская набережная, 6, стр.3

+7 (499) 963–31–10
+7 (985) 766–19–25
do@digitaloctober.com