Даже если говорить об отдельных технологиях, то интерес к ним вовсе не обязан осуществлять строго периодические взлёты и падения. Много ли зим и вёсен было в истории двигателя внутреннего сгорания или, скажем, обыкновенной булавки? Конечно, век одних технологий долог, других — короток, иногда устаревшая, казалось бы, технология эффектно возвращается на сцену. Порой это сопровождается медийным шумом, а порой — нет. Вообще медийные образы технологий и отраслей науки и техники часто слабо соотносятся с реалиями, а некоторые понятия и вовсе лишены конкретного содержания и судьбою уготованы на роль очередных баззвордов из наборов для игры в булшит-бинго. Иногда завышенные ожидания негативно отражаются на развитии какой-либо отрасли, а иногда даже в какой-то мере помогают её развитию. Бешеная мода на радиоактивность в начале XX в. привела к появлению радиоактивного мыла, шоколада, кремов, зубной пасты и порошка с радием, напитков с торием, специальных приборов для добавления радия в питьевую воду и так далее[1334]. Но вся эта волна не только бесполезной, но в ряде случаев смертельно вредной ерунды, распространение которой сопровождалось чудовищным потоком рекламы, не помешала появлению ядерного оружия, атомной энергетики и других технологий, до неузнаваемости изменивших облик современного мира.

В мае 2016 г. на конференции EmTech Digital в MIT Эндрю Ын, доцент [associate professor] искусственного интеллекта Стэнфордского университета и один из основателей платформы онлайн-обучения Coursera, произнёс слова, позже продублированные в его твиттере и ставшие сегодня крылатыми: «ИИ — это новое электричество» [AI is the new electricity].

Использование человеком электричества поначалу воспринималось как некая второстепенная технология, неспособная быстро и существенно изменить нашу жизнь, отмечает Ын. Сейчас мы знаем, что в действительности электричество поменяло всё. Ын приводит два простых примера неожиданных эффектов, произведённых электричеством: заморозка продуктов изменила всю систему поставок продовольствия, а электродвигатели осуществили революцию практически во всех областях промышленности. Ын считает, что технологии ИИ окажут столь же масштабные воздействия на многие сферы человеческой деятельности[1335].

Множество специалистов во всём мире прошли онлайн-курсы Ына по машинному обучению, и авторитет этого учёного, особенно в среде молодых исследователей, чрезвычайно высок. Тематические сообщества в социальных сетях пестрят разнообразными мемами, героем которых является Ын и его знаменитые цитаты, начиная от слов про новое электричество и заканчивая взятым из его лекции эпическим «Если вы это не понимаете, то не переживайте об этом» [Don’t worry about it if you don’t understand].

Сегодня мы наблюдаем небывалый расцвет технологий машинного обучения, основанных на коннекционистских методах. Новая весна ИИ, которую, быть может, уже пора с полной ответственностью переименовать в лето, затронула множество областей общественной жизни. На протяжении нескольких лет произошли серьёзные прорывы в решении многих задач, традиционно являвшихся сложными для технологий искусственного интеллекта. Вполне осязаемые успехи и быстрый прогресс вызывают у людей множество вопросов. Что могут и чего не могут современные технологии ИИ? Какие проекты реалистичны, а какие — завиральные? Будет ли прогресс и дальше развиваться столь стремительными темпами? Как новая технологическая революция отразится на нашем обществе? С какими рисками мы можем столкнуться в ближайшее время? И наконец, почему всё это происходит именно сейчас? С последнего вопроса мы и начнём попытку размотать этот клубок несчётных «почему».

Каковы три источника и три составных части революции машинного обучения? Если мы посмотрим на процесс машинного обучения, то обнаружим, что он представляет собой применение к некоторым данным некоторого алгоритма, представленного в виде программы для некоторой машины. Из этой формулы легко вычленить три ключевых фактора успеха: наличие подходящего алгоритма, подходящей машины и подходящего набора данных. Анализ «анатомии» современных систем, успешно решающих задачи распознавания образов или обработки естественного языка, показывает, что создание подобных систем даже в сравнительно недалёком прошлом было просто невозможно по причине недостаточного развития каждого из трёх компонентов: у наших предшественников не было ни подходящих алгоритмов, ни достаточно быстрых машин, ни достаточных объёмов данных. Вряд ли можно всерьёз говорить о заметном влиянии медийных или личностных факторов на приближение или отдаление технологического прорыва в области ИИ — даже если бы Фрэнк Розенблатт каким-то чудом изобрёл современные алгоритмы машинного обучения, то ограничения современных ему технологий всё равно не позволили бы создать подходящую для них вычислительную машину и собрать необходимые объёмы информации для обучения моделей.

Давайте попробуем подробнее взглянуть на то, как за последние несколько десятилетий изменились перечисленные выше компоненты (алгоритмы, машины и данные) и как это привело к революционным достижениям в области машинного обучения. Это позволит нам лучше разобраться, что же именно произошло и на что мы можем рассчитывать в ближайшем будущем в жизненно важных для развития ИИ направлениях.

1965 год был знаменательным для советской кибернетики не только потому, что в Советский Союз впервые приехал Джон Маккарти с коллегами, но и потому, что именно в этом году в издательстве «Мир» впервые увидел свет перевод на русский язык книги Фрэнка Розенблатта «Принципы нейродинамики». Идеи Розенблатта нашли в среде советских учёных как сторонников, так и критиков. Одним из самых горячих поклонников коннекционизма в СССР стал Алексей Ивахненко, профессор Киевского политехнического института. В 1965 г. Ивахненко уже был признанным учёным. Его книга «Техническая кибернетика» не только выдержала два издания на русском языке, но также была опубликована в английском, немецком, болгарском, польском и румынском переводах. Множество остроумно решённых прикладных задач сделало имя Ивахненко широко известным среди специалистов[1337], а его научный интерес к самоорганизующимся системам проявился ещё в 1950-е гг.: в 1959 г. Ивахненко успешно собрал и испытал собственную версию перцептрона — машину, получившую название «Альфа»[1338], по всей видимости в честь α-перцептрона Розенблатта. С 1963 г. Ивахненко работал под руководством академика Глушкова, с которым его, впрочем, связывали весьма непростые отношения. В 1959 г. Глушков раздражённо писал Ляпунову: «Вышедшая на днях книга Ивахненко „Техническая кибернетика“ содержит ряд грубых ошибок <…> Кроме того, там сделано программное заявление о том, что вычислительные машины имеют для автоматики весьма ограниченное значение и являются чуть ли не уже давно пройденным этапом. Говоря громкие слова о персептроне и самонастраивающихся системах, Ивахненко фактически склонен понимать под ними всё те же экстремальные регуляторы, которыми он занимается уже давно. В приведённой им таблице в качестве примеров самонастраивающихся систем приведён и трактор, и локомотив и т. п. В общем, сделана попытка объявить элементарные самонастраивающиеся системы более высокими кибернетическими устройствами, чем вычислительные машины, которые якобы способны реализовать лишь жёсткие алгоритмы». На фоне конкуренции разных групп исследователей за ресурсы и влияние Глушков обвинял Ивахненко в желании «подмять под себя кибернетику»[1339].