Это ставит ИИ вне возможности надёжных прогнозов.
Тем не менее нам нужно точное предвидение. Похоже, что люди, цепляющиеся за успокоительные сомнения относительно ИИ, страдают принципиально ошибочными образами будущего. К счастью, автоматизированная разработка спасает некоторых от бремени биошовинистского предрассудка. Большинство людей меньше расстроено идеей о машинах, разрабатывающих машины, чем идеей об истинных системах ИИ общего назначения. Кроме того, уже доказано, что автоматизированная разработка работает; то, что остается сделать - это расширить её. Однако, если вероятно, что возникнут более общие системы, было бы глупо выпустить их из наших расчётов. Имеется ли способ обойти вопрос, способны ли мы разработать интеллектуальные программы?
В 1950-ых, многие исследователи ИИ сосредотачивались на моделировании мозговых функций, моделируя нейроны. Но исследователи, работающие на программах, основанных на словах и символах сделали более быстрый прогресс, и фокус работ по ИИ соответственно переместился. Тем не менее, базовая идея нейронного моделирования остаётся правильной, а молекулярная технология сделает её более практической. Что более важно, этот подход, по-видимому, гарантирует, что будет работоспособен, потому что он не требует никаких новых фундаментальных открытий в области природы мысли.
В конечном счете, нейробиологи будут использовать молекулярные машины размера с вирус для изучения структуры и функционирования мозга, клетка за клеткой и молекула за молекулой, где это необходимо. Хотя исследователи ИИ могут получать новое полезное понимание организации мысли из успехов науки о мозге, которые появятся как результат молекулярной технологии, нейронное моделирование может преуспеть и без такого понимания. Компиляторы переводят программы компьютера от одного языка до другого без понимания, как они работают. Фотокопировальные устройства отображают рисунки из слов, не читая их. Аналогичным образом, исследователи будут способны скопировать структуры нейронов в мозгу на другой носитель не понимая их высокоуровневой организации.
После изучения, как нейроны работают, инженеры будут способны разрабатывать и строить аналогичные устройства, базой которых будет продвинутая наноэлектроника и наномашины. Они будут взаимодействовать подобно нейронам, но работать быстрее. Нейроны, хотя и сложны, но кажутся достаточно простыми для понимания разумом, и чтобы инженеры смогли сделать имитацию. Действительно, нейробиологи узнали многое о их структуре и функции, даже без машин молекулярного масштаба, с помощью которых бы можно было исследовать их объекты изучения.
С этим знанием, инженеры будут способны строить быстрые системы ИИ с большими возможностями, даже без понимания мозга и умного программирования. Им нужно только изучить нейронную структуру мозга и соединить искусственные нейроны так, чтобы образовалась та же самая функциональная структура. Если они делают все части правильно, включая то, как они соединяют части, чтобы образовать целое, то целое также окажется каким надо. «Нейронная» деятельность будет течь в структурах, которые мы называем мыслью, но быстрее, потому что все части будут работать быстрее.
Ускорение гонки технологий
Системы продвинутого ИИ кажутся возможными и неизбежными, но что будет в результате их появления? Никто не может ответить на это полностью, что это полностью, но одно следствие автоматизированной разработки очевидно: она ускорит наше продвижение к пределам возможного.
Чтобы понять наши перспективы, нам нужно некоторое представление о том, насколько быстро продвинутые системы ИИ будут думать. Современные компьютеры имеют только крошечную долю сложности мозга, и все же на них уже могут работать программы, имитирующие существенные аспекты человеческого поведения. Они совершенно отличаются от мозга по своему принципу действия, хотя такое прямое физическое сравнение почти бесполезно. Мозг делает огромное количество вещей одновременно, но довольно медленно; большинство современных компьютеров делают за раз только одно, но с умопомрачительной скоростью.
Однако, можно представить себе аппаратные средства ИИ, построенные, чтобы подражать мозгу не только в функции, но и в структуре. Это могло бы следовать из подхода нейронного моделирования, или из развития программ ИИ, чтобы они могли работать на аппаратных средствах со стилем организации, подобным тому, который существует в мозгу. Так или иначе мы можем использовать аналогии с человеческим мозгом, чтобы оценить минимальную скорость для продвинутых систем ИИ, построенных с помощью ассемблеров.
Синапсы нейронов реагируют на сигналы за тысячные доли секунды; экспериментальные электронные переключатели реагируют в сто миллионов раз быстрее (а наноэлектронные переключатели будут ещё быстрее). Нейронные сигналы движутся со скоростью сто метров в секунду; электронные - в миллион раз быстрее. Это грубое сравнение скоростей даёт представление, что электронные устройства, подобные мозгу будут работать примерно в миллион раз быстрее чем мозг, состоящий из нейронов (со скоростью, ограниченной скоростью электронных сигналов).
Это, конечно, грубая оценка. Синапс нейрона сложнее переключателя; он может изменять реакцию на сигналы, изменяя структуру. При прошествии какого-то времени могут даже появляться новые синапсы и исчезать старые. Эти изменения в волокнах и связях мозга являются материальной основой долговременных изменений ума, которые мы называем обучением. Они подтолкнули профессора Роберта Джастроу из Дартмауса описать мозг как заколдованный станок, ткущий, распускающий и ткущий заново свои нейронные структуры на протяжении всей жизни.
Чтобы представить себе подобное мозгу устройство с сопоставимой гибкостью, изобразите его электронные схемы как окруженные механическими нанокомпьютерами и ассемблерами, с «переключателями», по одному на эквивалент синапса. Также, как молекулярные машины синапса отвечают на схемы нейронной активности изменяя структуру синапса, также нанокомпьютеры будут реагировать на схемы активности давая команду наномашинам изменить структуру переключателей. С правильным программированием и с коммуникациями между нанокомпьютерами для моделирования химических сигналов, такое устройство должно вести себя во многом подобно мозгу.
Несмотря на сложность, устройство будет очень небольшим. Нанокомпьютеры будут меньше чем синапсы, а соединения, построенные ассемблерами, будут тоньше, чем аксоны и дендриты мозга. Тонкие провода и маленькие переключатели будут делать для компактных схем, а плотно упакованные схемы ускорят потоки электронных сигналов, сокращая расстояния, которые сигналы должны проходить. Похоже, что структура, подобная мозгу будет умещаться меньше, чем в кубический сантиметр (как это обсуждается в Примечаниях). Более короткие пути для сигналов тогда соединятся с более быстрой передачей, и в результате этого получится устройство более чем в десять миллионов раз быстрее человеческого мозга.
Только проблема охлаждения могла бы ограничивать такие машины и замедлять средние скорости работы. Представьте себе консервативную конструкцию, которая в миллион раз быстрее чем мозга и рассеивает в миллион раз больше тепла.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87
Тем не менее нам нужно точное предвидение. Похоже, что люди, цепляющиеся за успокоительные сомнения относительно ИИ, страдают принципиально ошибочными образами будущего. К счастью, автоматизированная разработка спасает некоторых от бремени биошовинистского предрассудка. Большинство людей меньше расстроено идеей о машинах, разрабатывающих машины, чем идеей об истинных системах ИИ общего назначения. Кроме того, уже доказано, что автоматизированная разработка работает; то, что остается сделать - это расширить её. Однако, если вероятно, что возникнут более общие системы, было бы глупо выпустить их из наших расчётов. Имеется ли способ обойти вопрос, способны ли мы разработать интеллектуальные программы?
В 1950-ых, многие исследователи ИИ сосредотачивались на моделировании мозговых функций, моделируя нейроны. Но исследователи, работающие на программах, основанных на словах и символах сделали более быстрый прогресс, и фокус работ по ИИ соответственно переместился. Тем не менее, базовая идея нейронного моделирования остаётся правильной, а молекулярная технология сделает её более практической. Что более важно, этот подход, по-видимому, гарантирует, что будет работоспособен, потому что он не требует никаких новых фундаментальных открытий в области природы мысли.
В конечном счете, нейробиологи будут использовать молекулярные машины размера с вирус для изучения структуры и функционирования мозга, клетка за клеткой и молекула за молекулой, где это необходимо. Хотя исследователи ИИ могут получать новое полезное понимание организации мысли из успехов науки о мозге, которые появятся как результат молекулярной технологии, нейронное моделирование может преуспеть и без такого понимания. Компиляторы переводят программы компьютера от одного языка до другого без понимания, как они работают. Фотокопировальные устройства отображают рисунки из слов, не читая их. Аналогичным образом, исследователи будут способны скопировать структуры нейронов в мозгу на другой носитель не понимая их высокоуровневой организации.
После изучения, как нейроны работают, инженеры будут способны разрабатывать и строить аналогичные устройства, базой которых будет продвинутая наноэлектроника и наномашины. Они будут взаимодействовать подобно нейронам, но работать быстрее. Нейроны, хотя и сложны, но кажутся достаточно простыми для понимания разумом, и чтобы инженеры смогли сделать имитацию. Действительно, нейробиологи узнали многое о их структуре и функции, даже без машин молекулярного масштаба, с помощью которых бы можно было исследовать их объекты изучения.
С этим знанием, инженеры будут способны строить быстрые системы ИИ с большими возможностями, даже без понимания мозга и умного программирования. Им нужно только изучить нейронную структуру мозга и соединить искусственные нейроны так, чтобы образовалась та же самая функциональная структура. Если они делают все части правильно, включая то, как они соединяют части, чтобы образовать целое, то целое также окажется каким надо. «Нейронная» деятельность будет течь в структурах, которые мы называем мыслью, но быстрее, потому что все части будут работать быстрее.
Ускорение гонки технологий
Системы продвинутого ИИ кажутся возможными и неизбежными, но что будет в результате их появления? Никто не может ответить на это полностью, что это полностью, но одно следствие автоматизированной разработки очевидно: она ускорит наше продвижение к пределам возможного.
Чтобы понять наши перспективы, нам нужно некоторое представление о том, насколько быстро продвинутые системы ИИ будут думать. Современные компьютеры имеют только крошечную долю сложности мозга, и все же на них уже могут работать программы, имитирующие существенные аспекты человеческого поведения. Они совершенно отличаются от мозга по своему принципу действия, хотя такое прямое физическое сравнение почти бесполезно. Мозг делает огромное количество вещей одновременно, но довольно медленно; большинство современных компьютеров делают за раз только одно, но с умопомрачительной скоростью.
Однако, можно представить себе аппаратные средства ИИ, построенные, чтобы подражать мозгу не только в функции, но и в структуре. Это могло бы следовать из подхода нейронного моделирования, или из развития программ ИИ, чтобы они могли работать на аппаратных средствах со стилем организации, подобным тому, который существует в мозгу. Так или иначе мы можем использовать аналогии с человеческим мозгом, чтобы оценить минимальную скорость для продвинутых систем ИИ, построенных с помощью ассемблеров.
Синапсы нейронов реагируют на сигналы за тысячные доли секунды; экспериментальные электронные переключатели реагируют в сто миллионов раз быстрее (а наноэлектронные переключатели будут ещё быстрее). Нейронные сигналы движутся со скоростью сто метров в секунду; электронные - в миллион раз быстрее. Это грубое сравнение скоростей даёт представление, что электронные устройства, подобные мозгу будут работать примерно в миллион раз быстрее чем мозг, состоящий из нейронов (со скоростью, ограниченной скоростью электронных сигналов).
Это, конечно, грубая оценка. Синапс нейрона сложнее переключателя; он может изменять реакцию на сигналы, изменяя структуру. При прошествии какого-то времени могут даже появляться новые синапсы и исчезать старые. Эти изменения в волокнах и связях мозга являются материальной основой долговременных изменений ума, которые мы называем обучением. Они подтолкнули профессора Роберта Джастроу из Дартмауса описать мозг как заколдованный станок, ткущий, распускающий и ткущий заново свои нейронные структуры на протяжении всей жизни.
Чтобы представить себе подобное мозгу устройство с сопоставимой гибкостью, изобразите его электронные схемы как окруженные механическими нанокомпьютерами и ассемблерами, с «переключателями», по одному на эквивалент синапса. Также, как молекулярные машины синапса отвечают на схемы нейронной активности изменяя структуру синапса, также нанокомпьютеры будут реагировать на схемы активности давая команду наномашинам изменить структуру переключателей. С правильным программированием и с коммуникациями между нанокомпьютерами для моделирования химических сигналов, такое устройство должно вести себя во многом подобно мозгу.
Несмотря на сложность, устройство будет очень небольшим. Нанокомпьютеры будут меньше чем синапсы, а соединения, построенные ассемблерами, будут тоньше, чем аксоны и дендриты мозга. Тонкие провода и маленькие переключатели будут делать для компактных схем, а плотно упакованные схемы ускорят потоки электронных сигналов, сокращая расстояния, которые сигналы должны проходить. Похоже, что структура, подобная мозгу будет умещаться меньше, чем в кубический сантиметр (как это обсуждается в Примечаниях). Более короткие пути для сигналов тогда соединятся с более быстрой передачей, и в результате этого получится устройство более чем в десять миллионов раз быстрее человеческого мозга.
Только проблема охлаждения могла бы ограничивать такие машины и замедлять средние скорости работы. Представьте себе консервативную конструкцию, которая в миллион раз быстрее чем мозга и рассеивает в миллион раз больше тепла.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87