Краткая история интеллекта. Эволюция, ИИ и пять прорывов, изменивших наш мозг

В сентябре 1962 года, когда весь мир обсуждал космическую гонку, кубинский ракетный кризис и недавно усовершенствованную вакцину от полиомиелита, произошло еще одно важное событие. Пресса писала о нем мало, хотя для человеческой истории это был значимый этап: мы предсказали будущее.

Тогда на экранах первых цветных телевизоров американцы увидели первые серии мультфильма «Джетсоны» о семье, которая живет в будущем. Это комедийный сериал, но авторы его сценария показывали свои идеи, как в будущем будут жить люди и какие технологии будут у них в карманах и в их домах.

Создатели «Джетсонов» правильно предсказали появление видеоконференций, плоскопанельных телевизоров, сотовых телефонов, 3D-принтеров и умных часов. Все эти технологии в 1962 году казались фантастикой, но в 2022-ом ими уже пользовались миллионы людей.

А вот технология автономного робота Рози из этого сериала до сих пор проходит по разряду фантастики.

Рози была служанкой Джетсонов, которая следила за их домом и детьми. Когда шестилетний Элрой не мог справиться со школьным домашним заданием, Рози приходила ему на помощь. Когда 15-летняя Джуди готовилась к экзамену на знание правил дорожного движения, Рози давала ей уроки вождения.

Рози готовила еду и накрывала на стол. Она была преданной, внимательной и всегда веселой помощницей по хозяйству, которая понимала, когда в семье зреют конфликты, и умела прийти на помощь в нужный момент каждому члену семьи. В одной серии Рози расплакалась, когда Элрой прочитал ей свои стихи, посвященные маме, а в другой – даже влюбилась.

Короче говоря, у Рози был интеллект человека, она обладала не только здравым смыслом и моторными функциями, необходимыми для выполнения сложных задач в физическом мире, но и сочувствовала, видела перспективу и улаживала конфликты, без чего невозможно жить в обществе. Как сказала Джейн Джетсон: «Рози – это член нашей семьи»[1].

Хотя в «Джетсонах» правильно предсказано появление сотовых телефонов и умных часов, у нас до сих пор нет ничего похожего на Рози. Ни для кого не секрет, что первая компания, которая выпустит робота, способного загружать тарелки в посудомоечную машину, получит огромную прибыль, потому что до сих пор все попытки в этом направлении проваливались. Проблема тут связана не с механикой, а с интеллектом: робот должен правильно идентифицировать тарелки в мойке, аккуратно извлечь их и поставить в машину, ничего не разбив. Решение такой, казалось бы, простой задачи оказалось намного сложнее, чем думали раньше.

Разумеется, нельзя отрицать огромный прогресс искусственного интеллекта (Artificial Intelligence, ИИ) после 1962 года. Сейчас ИИ играет намного лучше человека во многие игры, включая шахматы и го, может распознавать опухоли на рентгеновских снимках не хуже профессионального рентгенолога. ИИ практически готов сесть за руль автомобилей с автономным управлением. А в последние несколько лет новые достижения в области больших языковых моделей позволяют таким продуктам, как запущенный осенью 2022 года ChatGPT (чат-бот, популярность которого стремительно растет) сочинять стихи, переводить с одного языка на другой и даже программировать. К неудовольствию школьных учителей, он может мгновенно написать хорошим языком оригинальное эссе практически на любую тему, которую задаст ему ленивый школьник. ChatGPT легко сдаст экзамен на адвоката, набрав больше баллов, чем 90 % юристов.

Однако на протяжении всей истории достижений ИИ оставался открытым вопрос, насколько мы близки к созданию интеллекта человеческого уровня.

После первых успехов алгоритмов решения задач в 1960-х Марвин Мински, пионер ИИ, провозгласил, что «через три-восемь лет у нас будет машина с общим интеллектом среднего человека». Этого не произошло. После успехов экспертных систем в 1980-х журнал BusinessWeek объявил, что ИИ уже здесь, однако вскоре прогресс остановился. И вот теперь с развитием больших языковых моделей многие исследователи снова заявляют, что «игра окончена», потому что мы стоим на пороге создания ИИ уровня человека[2]. Но так ли это? Находимся ли мы на пороге создания аналога Рози, человекоподобного искусственного интеллекта, или же большие языковые модели – всего лишь новейшее достижение на долгом пути, который закончится только через много десятилетий?

По мере развития ИИ все труднее оценить наш прогресс в достижении этой цели. Если система ИИ превосходит человека в решении определенной задачи, означает ли это, что ИИ понял, как человек решает эту задачу? Действительно ли калькулятор, способный мгновенно вычислять, понимает математику? ChatGPT, сдавший экзамен на адвоката лучше, чем большинство юристов, разбирается в законодательстве на самом деле? Как мы можем увидеть разницу и в каких обстоятельствах (если они вообще есть) эта разница действительно имеет значение?

В 2021 году, более чем за год до выхода ChatGPT, я использовал его предшественника, большую языковую модель GPT-3. Она была обучена на огромном количестве текста (как весь интернет), а затем использовала накопленные знания, чтобы подобрать наиболее подходящий ответ на поставленный вопрос.

Например, я спрашивал: «По каким двум причинам собака может быть в плохом настроении?» Система отвечала: «Собака может быть в плохом настроении по двум причинам: если она голодна или если ей жарко».

Новая архитектура этих систем позволяла им формулировать ответы с поразительной на первый взгляд степенью интеллекта. Эти модели легко обобщали факты, о которых они читали (например, страницы «Википедии» о собаках и другие материалы о причинах плохого настроения), для ответа на новые вопросы, которые им раньше не задавали. В 2021 году я изучал возможности применения этих новых языковых моделей, например, для создания систем поддержки психического здоровья, улучшения сервисного обслуживания клиентов или расширения возможностей доступа к медицинской информации.

Чем больше я взаимодействовал с GPT-3, тем больше меня поражали как его успехи, так и ошибки. В некоторых темах он был гениален, а иногда удивлял тупостью. Попросите GPT-3 написать эссе о картофелеводстве XVIII века и его связи с глобализацией. Он выдаст удивительно понятный текст. Задайте ему простой вопрос: что можно увидеть в подвале, и он ответит бессмыслицей (подробнее об этом в главе 22). Почему GPT-3 правильно выполняет одни задания и не справляется с другими? Какие черты человеческого интеллекта он копирует, а какие упускает? И почему по мере ускорения развития ИИ теперь GPT-3 легко находит нужный ответ на вопросы, на которые раньше не мог?

Когда я завершал работу над этой книгой в начале 2023 года, вышла усовершенствованная версия GPT-3 под названием GPT-4. Она правильно отвечает на многие вопросы, которые ставили в тупик его предшественника. И все же, как мы увидим позже, GPT-4 не в состоянии понять важные особенности человеческого интеллекта, связанные с процессами в головном мозге.

Отличия искусственного интеллекта от человеческого порождают немало вопросов. Действительно, почему ИИ может победить лучшего шахматиста, но любой шестилетний ребенок лучше него загрузит тарелки в посудомоечную машину?

Нам трудно ответить: мы еще не понимаем, что именно пытаемся воспроизвести. Все эти вопросы, по сути, относятся не к ИИ, а к природе человеческого интеллекта: как он работает, почему именно так. И вскоре мы увидим самый главный ответ: как он появился на свет.

Подсказка от природы

Миф о слоях

До меня многие ученые предлагали использовать эволюционный подход для понимания человеческого мозга. Например, наиболее известна теория, разработанная в 1960-х годах нейробиологом Полом Маклином. Она гласит, что человеческий мозг состоит из трех слоев (отсюда триединый), каждый из которых располагается поверх другого: неокортекс развился совсем недавно и находится поверх лимбической системы; та, в свою очередь, сформировалась раньше и наложилась на мозг рептилий, который появился первым (рис. 1).

Маклин утверждал, что мозг рептилий – это центр наших основных инстинктов выживания, таких как агрессия и охрана своей территории. Лимбическая система, согласно его теории, – центр эмоций и потребностей, в первую очередь страха, родительских чувств, сексуальных желаний и голода, а неокортекс – центр познания, которому мы обязаны языком, абстрактным мышлением, способностью планировать и восприятием. Маклин считал, что у рептилий есть только рептильный мозг, у млекопитающих, таких как крысы и кролики, – рептильный мозг плюс лимбическая система, а у людей – все три системы. В понимании ученого «три эволюционные формации можно представить как три взаимосвязанных биологических компьютера, у каждого из которых особый интеллект, субъективность, чувство времени и пространства, память, двигательные и другие функции»[8].

Гипотеза «триединого мозга» Маклина сильно дискредитирована не потому, что она неточная (все гипотезы неточны), а потому, что она приводит к неверным выводам о развитии мозга и особенностях его работы сейчас[9]. Предполагаемая ученым анатомия мозга неверна. Так, уже доказано: мозг рептилий состоит не только из структур, которые Маклин называл «мозгом рептилии».

Рис. 1. «Тройной мозг» в теории Маклина.

Классификация по функциональности тоже оказалась неточной: инстинкты выживания, эмоции и мышление не так четко разграничены. Они возникают из разнообразных системных сетей, охватывающих все эти три слоя. И предполагаемая Маклином эволюционная история оказалась ошибочной: в вашей голове нет мозга рептилии. Эволюция – гораздо более сложный процесс, чем простое наложение одной системы на другую, без изменений в существующих слоях.

Но даже если бы триединый мозг Маклина был ближе к истине, это не сняло бы его главной проблемы: такое функциональное деление малоинформативно. Если мы хотим произвести реинжиниринг человеческого мозга для понимания природы интеллекта, то три системы Маклина слишком широки, а их функции слишком расплывчаты, чтобы дать нам хоть крошечную точку отсчета.

Нам нужен фундамент, на котором выстроится понимание работы мозга и его эволюции, чтобы разобраться, как работает интеллект. Для этого мы должны обратиться к области искусственного интеллекта.

Взаимосвязь между ИИ и мозгом носит двусторонний характер: если мозг, несомненно, поможет нам создать человекоподобный искусственный интеллект, то ИИ также расширит наши знания о мозге. Если мы считаем, что некая часть мозга использует определенный алгоритм, но он не работает, когда мы пытаемся применить его в машинах, это доказывает, что мозг использует другой алгоритм. И наоборот: если мы находим формулу, которая хорошо работает в системах ИИ, и обнаруживаем параллели между ее свойствами и свойствами мозга животных, это доказывает, что мозг действительно может работать по такому алгоритму.

Физик Ричард Фейнман незадолго до смерти написал: «Я не понимаю того, что не могу создать». Мозг – наш главный источник вдохновения для создания ИИ, а ИИ – наша лакмусовая бумажка для определения, насколько хорошо мы понимаем мозг.

Нам нужна новая эволюционная история развития мозга, основанная не только на современном понимании изменений анатомии мозга с течением времени, но и на сегодняшних данных о самом интеллекте.

Пять прорывных достижений

Давайте сначала создадим искусственный интеллект на уровне крысы Artificial Rat – level intelligence (ARI), затем ИИ на на уровне кошки Artificial Cat – level intelligence (ACI) и потом на уровне человека Artificial Human – level Intelligence (AHI)[10].

Нам предстоит изучить историю эволюции, которая продолжалась четыре миллиарда лет. Мы не будем отвлекаться на детали, а сосредоточим внимание на главных достижениях. В самом деле, в качестве начального приближения (первого прототипа этой истории) всю эволюцию мозга имеет смысл подытожить как результат всего пяти прорывов, начиная с самого первого мозга и заканчивая человеческим.

Эти пять прорывов будут дорожной картой нашего путешествия в прошлое. Каждый из них возник благодаря новым изменениям мозга и наделил животных новым набором интеллектуальных способностей. Моя книга состоит из пяти частей: по одной на прорыв. В них я расскажу, почему эти способности развились, как они работали и как их сегодня использует человеческий мозг.

Каждый очередной прорыв возникал на фундаменте предыдущих и служил основой для последующих. Прошлые инновации обеспечивали будущие. Именно благодаря такому упорядоченному процессу изменений эволюционная история мозга поможет нам понять всю сложность, которая возникла в итоге.

Но всю эту историю невозможно достоверно рассказать, если учитывать только биологию. Эти прорывы всегда возникали в периоды, когда наши предки сталкивались с экстремальными ситуациями или запутывались в многочисленных связях, и тогда их мозг быстро перестраивался. Мы не можем понять прорывы в эволюции мозга, не учитывая, сколько всего пришлось преодолеть нашим предкам и чего они достигли: хищников, которых они перехитрили; экологические бедствия, которые они пережили; убогие жилища, в которых они были вынуждены укрываться.

Важно подчеркнуть: мы будем обосновывать эти прорывы тем, что сейчас известно в области ИИ, поскольку у многих достижений в области биологического интеллекта есть параллели с тем, что мы узнали в искусственном. Некоторые из этих прорывов представляют собой интеллектуальные трюки, которые мы хорошо понимаем в ИИ, но есть среди них и такие, что все еще находятся за пределами нашего понимания. Вполне возможно, что эволюционная история мозга прольет свет на достижения, которые мы могли упустить в развитии искусственного человекоподобного интеллекта. Возможно, она позволит увидеть некоторые подсказки, которые дает нам природа.

Я мог бы сказать, что написал эту книгу, потому что всю жизнь размышлял об эволюции мозга и пытался создать интеллектуальных роботов. Но я не профессор нейробиологии, не специалист по роботам и даже не ученый. Я написал эту книгу, потому что мне хотелось прочитать нечто подобное.

Я с удивлением обнаружил необъяснимое различие между человеческим и искусственным интеллектами, когда пытался применить системы ИИ для решения задач из реального мира. Большую часть своей карьеры я провел в компании Bluecore, был одним из ее учредителей. Мы разрабатывали программное обеспечение и системы искусственного интеллекта, с помощью которых крупнейшие мировые бренды персонализировали свой маркетинг. Наше программное обеспечение помогало предсказать, что покупатели будут покупать, прежде чем узнают, что им нужно. Мы были всего лишь одной из множества компаний, начинающих использовать последние достижения систем ИИ. Но все наши проекты, как большие, так и малые, возникли при попытке найти ответы на одни и те же вопросы, сбивающие с толку.

Когда предприниматели хотят направить работу систем ИИ на получение прибыли, проводится серия совещаний с участием бизнес-команды и команды машинного обучения. Бизнес-команда ищет возможности применения новых систем ИИ для бизнеса, но только команда машинного обучения понимает, где действительно есть смысл их применять. Эти совещания часто выявляют наши ошибочные представления об интеллекте.