Бір күн ішінде сіздің денеңіз шамамен 2000 килокалория жұмсайды, бұл орташа есеппен сағатына 100 ватт қуатқа тең. Бұл ескі үлгідегі қыздыру шамын немесе он жаңа жарықдиодты (LED) шамды жағуға қажетті қуатпен бірдей. Жаттығу велосипедін тепкенде, қуатыңыз 200 немесе тіпті 250 ваттқа дейін жетуі мүмкін (егер сіз «Тур де Франс» жарысының үш дүркін жеңімпазы Крис Фрум сияқты кәсіби велошабандоз болмасаңыз, ол 30 минут ішінде тұрақты түрде 400 ваттан асатын қуат шығарады).² Ұйықтағанда қуат тұтынуыңыз шамамен 25 ваттқа дейін төмендейді, ал дәл қазір осы кітапты оқып отырғанда сіз 50 ватт шамасында қуат жұмсап жатырсыз, оның жартысын миыңыз тұтынады. Бұл дегеніміз, соңғы бетке жету үшін сізге шамамен 500 килокалория — шамамен екі шоколад немесе бес алмаға тең тамақ жеу керек деген сөз. Сіз дәл қазір тамақты білімге айналдырғалы жатырсыз.

Бала кезімдегі алғашқы таныстығымнан білгенімдей, компьютерлер оқиға айтпайды. Оның орнына олар «екілік цифрлар» (немесе «биттер») деп аталатын нәрсені бөлісу арқылы байланысады. Бірақ қазір, адамдар сияқты, олар да заңдылықтарды тани бастады, ақпараттан үйреніп, тіпті белгілі бір мағынада ойлана бастады. Жасанды интеллекттің қалай ойлайтынын түсінуге уақыт бөлгендер Жердің мұрагері болады.

Іске қосылғаннан кейін ЖИ-ге деген қызығушылық күрт өсті. Небәрі екі айдан кейін 100 миллионнан астам адам жүйені қолданып көрді, бұл оны тарихтағы ең тез өсетін қосымшаға айналдырды. Бірақ тіпті ChatGPT-дің ең соңғы нұсқасы да мінсіз емес және сіз бәрібір машинамен сөйлесіп жатқаныңызды сезе аласыз. Ең бастысы, ол әлі де қателіктер жібереді. Бірақ бұл өте сенімді диалог жүргізе алатын алғашқы ЖИ жүйесі еді. ChatGPT аясы шектеулі техникалық тақырыптарда жақсы, бірақ кейбір әңгімелер кезінде оның фактілерді ойдан шығарып, қате жауап беруі мүмкін екенін ескеру керек. Пайдаланушылар тез байқағандай, ол өзіне тым сенімді «стохастикалық тотықұс» сияқты әрекет етуге бейім, яғни ол тақырыптың мәнін түсінбесе де, қисынды болып көрінетін мәтінді құрастыра береді — сөздерді шебер тізбектейді, бірақ кейде қателеседі. Өкінішке орай, ол өз жауаптарының дұрыстығына күмәнданбайды, керісінше, қате ақпаратты нық сеніммен ұсынады.

Бұл жүйелердің орасан зор коммерциялық әсері болатыны қазірдің өзінде белгілі болды. Microsoft OpenAI-ге тілдік модельдер саласындағы жұмысын қолдау үшін миллиардтаған инвестиция салды және қазір ChatGPT-ді танымал Google іздеу жүйесінің бәсекелесі болып табылатын өздерінің Bing іздеу жүйесіне қосты. Бұл хабарландырудан кейін олардың Bing қосымшасын жүктеп алу көрсеткіші он есе өсті. Бұл диалогтық ЖИ жүйесі Google-ға және оның іздеу саласындағы монополиясына үлкен қауіп төндірді. Google бірден өз инженерлеріне «қызыл код» жариялап, бәсекелес Bard өнімін асығыс шығарды. Өкінішке орай, алғашқы жарнамалық роликте көрсетілген Bard жүйесі жіберген қателік компания құнының 100 миллиард долларға төмендеуіне себеп болды.

Қазіргі генеративті тілдік ЖИ жүйелері соншалықты жетілген, тіпті олар заңгерлік емтиханды тапсыра алады. OpenAI GPT-4 жүйесі Американың Multistate Bar Examination көп нұсқалы емтиханын ғана емес, сонымен қатар ашық сұрақтары бар Multistate Essay Exam және Multistate Performance Test емтихандарын да тапсырып, Бірыңғай адвокаттық емтихан бойынша жалпы 75 пайыз жинады. Бұл тек өту үшін ғана емес, оны үздік 90 пайыздың қатарына қосу үшін де жеткілікті. Бірақ үлкен тілдік модельдер әлі мінсіз емес. Олар жаттанды оқу тесттерінде жақсы нәтиже көрсеткенімен, әлі де қарапайым логика жетіспейді. Олар жыл сайын керемет прогреске жетуде, бірақ біз қазірдің өзінде жасанды интеллектпен жұмыс істейтін әлемде өмір сүріп жатқанымызды түсіну маңызды.

Қазіргі автомобильдер де жасанды интеллект технологияларына толы. Менің көлігімде жылдамдықты шектейтін белгілерді танитын және маған қандай жылдамдықпен жүру керек екенін айтып, тым жылдам айдағанда ескертетін керемет функция бар. Ол тас жолда басқа көлік мені басып озғанын сезеді және егер мен дәл сол уақытта жолақ ауыстыруға тырыссам, маған дыбыстық белгі береді. Ол менің жолақ шетіне жақындағанымды анықтайды және алдағы көлікке тым жақын келгенімді білдіреді. Төтенше жағдайда ол апаттың алдын алу үшін тежегішті қатты басуға көмектеседі — бақытыма орай, бұл функцияны әлі тексеріп көрген жоқпын. Бұл күрделі жүргізушіге көмек көрсету функцияларының барлығы жасанды интеллекттегі соңғы жетістіктердің арқасында мүмкін болды.

2023 жылдың қаңтарында Mercedes «3-деңгейлі» автономды автокөлікті жариялады (бірақ ол бастапқыда тек Невадада, АҚШ-та қолжетімді болды). 3-деңгейлі автономды көлік барлық қалыпты жүргізу функцияларын орындай алады, бірақ жүргізушінің сергек болуын және қажет болған жағдайда басқаруды өз қолына алуға дайын болуын талап етеді — бұл тәжірибесіз жүргізушінің жанында отырғанмен бірдей. Дегенмен, жақын арада бізде ешқандай көмексіз жұмыс істей алатын толық автономды «5-деңгейлі» көліктер болады.

Интернетті шолу кезінде сіз бүкіл планетадағы деректер орталықтарындағы көптеген әртүрлі серверлерде белсенділікті тудырып, артыңызда цифрлық із қалдырасыз. Мысалы, іздеу жүйесін пайдаланған кезде сіз сұрауыңызды өңдейтін бірнеше түрлі компьютерлерді іске қосасыз. Сіз кіретін іздеу жүйесінің беті бір машина арқылы жұмыс істейді, оның бір бөлігі сіздің сұрауыңызға арналады. Сіз енгізген іздеу термині содан кейін сұрауыңыздың мәнін түсінуге көмектесетін үлкен тілдік модельдер сияқты ең озық жасанды интеллекттің «табиғи тілді өңдеу» (NLP) әдістерін қолданатын басқа машиналар жиынтығына жіберіледі. Сіз көретін іздеу нәтижелері кез келген басқа адамнан өзгеше болады және сіздің алдыңғы іздеу тарихыңызға, орналасқан жеріңізге, іздеу жүргізіп жатқан құрылғыңызға және тіпті экрандағы тышқан қозғалыстарына негізделеді. Бұл есептеулердің барлығы көп энергия жұмсайды және шамамен 100 секундтық есептеу уақытын — немесе компьютер мамандары жай ғана «есептеу» деп атайтын нәрсені — алатын әрбір іздеу шамамен 10 ватт тұтынады. Бұл соншалықты көп емес сияқты көрінгенімен, күн сайын 10 миллиардтан астам іздеу жүргізілетінін ескерсек, бұл өте көп энергияны құрайды. Қазір ЖИ осы деректер орталықтарының тиімділігін арттыру үшін қуат тұтынуды оңтайландыру мақсатында қолданылуда.

Ай сайын бұл ЖИ жүйелері жетілдіріліп отырады. Соңғы ЖИ әдістерін зерттеу көбінесе осы ірі онлайн компаниялар тарапынан жүргізіледі немесе қаржыландырылады және дәл осы зерттеу жұмыстары жасанды интеллекттегі соңғы прогрестің негізгі қозғаушы күші болды. Мен осы уақытқа дейін сипаттаған ЖИ мысалдары әлі де қарапайым, тіпті ChatGPT де. ChatGPT бастапқыда негізделген OpenAI GPT-3 тілдік моделінде шамамен 175 миллиард параметр бар — бұл сіздің миыңыздағы ақпаратты құрылымдайтын синапстық байланыстарға тең. GPT-4-те шамамен 1,7 триллион бар, бұл сіздің миыңыздағы 100 триллионмен салыстырғанда әлі де аз. ЖИ жүйелерінің келесі буыны біз күнделікті қолданатын көптеген өнімдер мен қызметтерде түбегейлі өзгерістер тудырады және бұл жаңа серпінді технологияның әлеуеті өте зор.

Салыстырмалы түрде алғанда, компьютерлер өте ақымақ және оларда мұндай дағдылардың ешқайсысы жоқ. Біз оларға әр қадамда не істеу керектігін айтуымыз керек. Жасөспірім кезімде компьютерлер қымбат еді, сондықтан әкемнің көмегімен мен өз машинамды құрастырдым. Ол жинақ түрінде келді, мен жартылай өткізгіштерді дәнекерлеп, бәрін біріктіріп, пернетақтаны, дисплей ретінде ескі теледидарды және бағдарламаларды сақтау үшін кассеталық магнитофонды қостым. Сондай-ақ базалық операциялық жүйесі алдын ала бағдарламаланған чипті сатып алуға болатын еді, бірақ ол қосымша шығынды талап еткендіктен, мен өзімдікін жасап көруге бел будым. Машина қосылған кезде ол жай ғана тұрды. Пернетақта жұмыс істемеді, дисплей бос болды — ештеңе болған жоқ.

Балалардың жұмыс істеуі үшін бізге операциялық жүйені жүктеудің немесе қандай да бір басқа бағдарламалық жасақтаманы қосудың қажеті жоқ. Адамдар сияқты жануарлар да — бұл бұрыннан керемет қабілетті операциялық жүйемен және барлығы бірқалыпты жұмыс істейтін көптеген өте күрделі әрі интеллектуалды бағдарламалық қосымшалармен алдын ала жүктелген интеллектуалды машиналар. Біздің адамдық бағдарламалық жасақтамамыздың көп бөлігі біздің ДНҚ-мызда сақталған сияқты және ол эволюция арқылы беріліп, дамып отырады.

Адамдар да өте жақсы бағдарламаланады. Қарапайым тілмен айтқанда, біз үйренуге компьютерден әлдеқайда шеберміз. Мысалы, сіз теннис добын ұрған кезде, менің бағдарламалық жасақтамама өте ұқсас процесс жүреді. Бұлшықеттер жұлынның қозғалтқыш нейрондары арқылы басқарылады, олар аяқ-қолдарыңызды созу немесе жиыру туралы бұйрықтар береді. Сіздің миыңызда бұлшықет қозғалысының ішкі бағдарламаларының иерархиясы бар, ол осы қозғалтқыш нейрондарға бұлшықет қозғалыстарының әртүрлі тізбегін орындау үшін командалар жібереді. Сіз барлық әртүрлі қозғалыстарды есептеп немесе әрбір бұлшықет әрекетін тікелей басқарып, содан кейін келесі теннис соққысы үшін барлық кодты өзгертіп жатқан жоқсыз. Керісінше, сіз жоғары деңгейлі командадан бастайсыз, ол мидағы қозғалтқышқа дейінгі ішкі бағдарламалар жиынтығын іске қосады, олар өз кезегінде қозғалыстың дұрыс тізбегін жоспарлайды. Содан кейін бұл қозғалыс тізбегін аяқ-қолдарыңызға қажетті координаттар жиынтығына айналдыратын қозғалтқышты басқарудың тағы бір иерархиялық ішкі бағдарламасын басқарады. Бұл нақтырақ ақпарат, өз кезегінде, бұлшықеттердің дұрыс қозғалысын тудыратын қозғалтқыш нейрондарды басқаратын ми бөлігіне жіберіледі. Бұл күрделі естіледі, бірақ мен мұның бәрін айтарлықтай жеңілдетіп айттым, өйткені нақты механизмдер бұдан да күрделірек. Сіз тенниске жаттығуға уақыт бөлгенде, осы ішкі бағдарламалардың барлығын жақсартуды үйренесіз. Теннис жаттықтырушысы мұны «бұлшықет жадын жақсарту» деп атайды. Жеткілікті жаттығудан кейін теннис добын ұру санадан тыс әрекетке айналады. Корт арқылы топспинмен (үстінен айналдыра) соққы жасау тиісті ішкі бағдарламалар жиынтығын іске қосатын бір ғана ойды қажет етеді, ал олар өз кезегінде соққының орындалуына қажетті барлық бұлшықет қозғалыстарын басқарады. Теннис добын ұру сияқты қарапайым әрекетті орындау үшін сізге іс жүзінде санадан тыс интеллекттің айтарлықтай көп мөлшері қажет.

Кез келген теннисші доптың траекториясын, секіру әсерін және кез келген айналудың ықпалын шамамен бағалайды және қайтару соққысын жасау үшін ең жақсы позицияға тұруға тырысады. Жақсы ойыншы ұпайды жеңіп алу үшін допты корттың бүйір сызығының ішіне дәл түсетіндей етіп бағыттай алады. Көздеріңіздің, көру жүйеңіздің және миыңыздың жиынтығы мұның бәрін шамамен бір секундта есептеп шығуы керек — бұл доптың тордан өтіп, сіз қайтаруға дайындалған кезде жететін уақыты.

Кәсіби теннис матчында доп беру жылдамдығы жиі сағатына 100 мильден асады, нәтижесінде реакция беру және қайтару соққысы үшін позицияға жылжу уақыты жарты секундтан аз уақытқа дейін қысқарады. Швейцариядағы Лозанна федералды политехникалық мектебінің (EPFL) ғалымдары — теннис жұлдызы Роджер Федерердің туған қаласынан — әуесқой ойыншылардың реакция уақыты кәсіпқойлармен ұқсас екенін көрсетті, сондықтан кәсіпқойлар басқаша бірдеңе жасауы тиіс. Олардың зерттеулері көрсеткендей, кәсіби ойыншылар уақытқа байланысты белгілі бір қабылдау дағдылары бойынша қалғандарымызға қарағанда әлдеқайда жақсы. Бұған қозғалатын нысанның жылдамдығы мен бағытын тану жатады. Бұл дағдыларды ертедегі Homo sapiens аң аулауға көмектесу үшін жоғары бағалаған. Енді біз адамдарды керемет аңшылық қабілеттері үшін танудың орнына, осы қабілеттерде жоғары нәтиже көрсететін адамдарды спорт чемпиондары ретінде бағалаймыз және марапаттаймыз. Біз мұны интеллект деп ойлауға дағдыланбаған болуымыз мүмкін, бірақ бұл — есептеудің таңғажайып ерлігі.

Теннисті жақсы ойнай алатын робот жасау мүмкін болуы мүмкін, бірақ ол өте күрделі және сондықтан өте қымбат болып шығады. Адамдар үшін әлдеқайда оңай көрінетін кейбір нәрселер бар, ал машиналар жақсырақ орындайтын басқа нәрселер бар екені белгілі болды. Біздің дәстүрлі болжамдарымызға қайшы, жоғары деңгейлі пайымдау шын мәнінде өте аз есептеуді қажет етеді, бірақ төмен деңгейлі сенсомоторлық дағдылар орасан зор есептеу ресурстарын талап етеді. Біз допты ұруды немесе велосипед тебуді үйренуді өте қарапайым деп тапсақ та, қиын сөзжұмбақты шешуді немесе шахматта жеңуді қиынырақ деп санасақ та, қарапайым болып көрінетін тапсырмалар үшін қажетті есептеу көлемі шын мәнінде әлдеқайда жоғары.

Әлеуметтік ғылымдардағы түсініктерге назар аударатын автор Малкольм Гладуэлл, егер сіз бір нәрсемен 10 000 сағат айналыссаңыз, онда сіз сарапшы бола аласыз деп жазған болатын. Өкінішке орай, мен мұны дұрыс деп ойламаймын. Менің ойымша, біздің нейрондарымыз туылған кезде белгілі бір түрде қосылған. Кейбіреулеріміздің белгілі бір әрекетке бейімділігіміз басқаларға қарағанда көбірек болады. Біз әлі де жаттығып, жақсара аламыз, бірақ кейбіреулеріміз басқаларға қарағанда көбірек дағдымен туылады. Электрлік импульстердің бәрі біздің денеміз арқылы шамамен бірдей жылдамдықпен өтеді, бірақ олар жеткенде сәл дәлірек, сәл жақсырақ басқарылатын ішкі бағдарламаларды іске қосады. Кейбір адамдар үшін керемет нәтижеге қол жеткізу әлдеқайда табиғи түрде келеді. Ал нәрселер табиғи түрде келгендіктен, бұл табиғи дарынды адамдарды көбірек жаттығуға итермелейді және олар одан да жақсара түседі.

Барлық адамдар таңғажайып және адамдардың қабілеттері арасындағы айырмашылық өте аз болуы мүмкін. Біздің теннис мысалымыз бізге бір белгі береді. Кәсіби ойыншы сағатына 100 миль жылдамдықпен жіберілген допты қайтара алады, ал әуесқой тек 50 миль жылдамдықпен келгенін ғана қайтара алады. Жақсы мен кереметтің арасындағы айырмашылық шамамен екі есе болуы мүмкін. Біз спортқа бейімі жоқ адам біздің әуесқой ойыншымыздан сәл нашар деп болжауымыз мүмкін, бірақ жеткілікті жаттығумен бұл алшақтықты жоюға болатын шығар. Гений мен жай ғана ақылды адамның арасындағы жағдай да дәл осындай болуы мүмкін — мүмкін айырмашылық тек екі есе, әрине, он есе емес. Homo sapiens іс жүзінде бәрі бір-біріне өте ұқсас. Бір адам мен келесі адамның ДНҚ-сындағы айырмашылық тек шамамен 1 пайызды құрайды. Біз әртүрлі көрінуіміз мүмкін, теріміздің түсі әртүрлі болуы мүмкін, әлемнің әртүрлі бөліктерінен келуіміз мүмкін; кейбіреулеріміз спортқа бейім, ал кейбіреулеріміз математикаға немесе тілге шебер болсақ та, біз бәріміз дерлік бірдейміз. Біз бәріміз бірдей негізгі ақпаратпен бағдарламаланғанбыз, бәріміз де үйрене аламыз және бәріміз де жақсара аламыз.

Бірақ компьютерлер үйрене ала ма? Мен үшін бұл сұраққа жауап 2015 жылы Nature журналында Лондонда орналасқан DeepMind жасанды интеллект зерттеу компаниясының инженерлері жазған «Тереңдетілген оқыту арқылы адам деңгейіндегі басқару» атты мақала жарияланғанда анық болды. Бұл мақала бастапқыда 2013 жылы NeurIPS AI конференциясында жарияланған жұмысқа негізделген және DeepMind-тың компьютерді компьютерлік ойындарда қалай жеңуге болатынын үйрету әдісін қалай жасай алғанын көрсетті. Бұл әдіс компьютерге ойынды адамның көмегінсіз ойнауды үйренуге мүмкіндік беріп қана қоймай, сонымен қатар жүйенің тек сарапшы ойыншы ғана білетін амалдарды үйреніп, адамнан тыс дағдылар деңгейіне жетуіне мүмкіндік берді. Пайдаланылған ЖИ әдісі «Deep Q-Network» деп аталды және оған келетін жалғыз мәліметтер — экрандағы пиксельдер мен ойын есебі болды. Оған ойынның негізгі мақсатынан басқа, қалай ойнау керектігі айтылмады. Оның жалғыз басқару құралы джойстик қозғалыстары мен ату түймесін имитациялау болды. Atari 2600 ойын консоліне арналған қырық тоғыз түрлі бейне-аркадалық ойындар жиынтығында (оған Нисикадоның түпнұсқа Space Invaders ойыны да кірді), ЖИ жүйесі адам ойын сарапшыларының ұпайларына сәйкес келе алды немесе олардан асып түсті. Жасанды интеллект әдісі экрандағы элементтерді тани алатын үлгілерді сәйкестендіру тәсілін, сондай-ақ оның жеңіп немесе жеңіліп жатқанын түсіндіру жолын қамтыды. Осы нығайту арқылы оқыту (reinforcement learning) әдісімен жабдықталған компьютер «тәжірибеден үйренуді» айқын меңгерді.

Адамдар да, жануарлар да тәжірибеден үйрену үшін нығайту арқылы оқыту формасын пайдаланады. Біз әртүрлі сенсорлық мәліметтерді пайдаланып айналамыздағы ортаны түсінуге тырысамыз, содан кейін сынақтар мен қателіктер арқылы осы ортаны қалай басқаруды үйренеміз. Тәжірибе арқылы үйрену жақсы нәтиже беретін әрекеттерді талдау және нашар нәтиже берген әрекеттерді түсіну арқылы әртүрлі тәсілдерді жалпылауға тырысуды қамтиды. Басты мәселе — нақты жағдайды жаттап алу ғана емес, сонымен қатар бұл оқуды ұқсас жағдайларда қолдану үшін жалпылау. Сіздің дәл осы жағдайға қайта тап болуыңыз екіталай, сондықтан бұл нақты естелік өте пайдалы емес. Дегенмен, егер сіз жалпылауды және ережені ұқсас жағдайларға қолдануды үйренсеңіз, онда сіз әлдеқайда жылдам ілгерілей аласыз.

Егер бізде жеткілікті уақыт болса және біз нейрондарымыз бен жүйке жүйемізді толық бақылай алсақ, онда бәріміз кез келген нәрсенің сарапшысы бола алар едік. Бұл жерде компьютердің артықшылығы бар. Біз машиналық оқыту әдісін жасағанда — машинаның бағдарламадағы қадамдық нұсқаулардың орнына ақпараттан үйрену тәсілін жасағанда — біз бүкіл машинаны бақылай аламыз. Машина ешқашан жалықпайды және жаттығуларды қайта-қайта қайталай алады, әрбір бірнеше әрекет сайын кішкене жақсартулар жасайды. Тіпті бірдеңе дұрыс болмай бастаса да, әдіс артқа қайтып, басқа жолды байқап көре алады. DeepMind-тың Deep Q-Network жағдайында Space Invaders ойынында сарапшы деңгейіне жету үшін шамамен 50 миллион жаттығу қадамы қажет болды. 2D компьютерлік ойынын ойнау теннисті үйренуден сәл оңайырақ шығар, бірақ солай болса да, небәрі 1 миллион жарым сағаттық жаттығудан кейін мен де теннистен кәсіби деңгейге жете аламын деп есептейік. Бұл маған 500 000 сағатты немесе шамамен алпыс жылдық үздіксіз жаттығуды қажет етер еді, бұл өте қарқынды болар еді. Дегенмен, адамзаттың ата-бабалары Жер бетінде шамамен 2 миллион жыл бойы болғандықтан, біздің басымдығымыз бар екені таңқаларлық емес және кейбір адамдар әлдеқайда аз уақыт ішінде спортта үздік шығуға мүмкіндік беретін деңгейдегі сенсомоторлық басқару дағдыларын дамытты.

Біз сондай-ақ адамдардың жаңа жасушалар жасай алатынын білеміз; шын мәнінде, біз күн сайын миллиардтаған жасуша жасаймыз және мұны бүкіл өміріміз бойы жалғастырамыз, бірақ бұл процесс қартайған сайын баяулайтын сияқты. Егер сіз саусағыңызды кесіп алсаңыз, теріңіз жаңа сау жасушаларды шығару арқылы өзін-өзі емдей алады. Дәл осылай біз нейрогенез деп аталатын процесс арқылы жаңа нейрондарды да жасаймыз. Бұл процесс біздің миымыздың емделуіне және бейімделуіне мүмкіндік береді. Миымызды қалай сау ұстауға болатынын түсіну үшін көбірек зерттеулер жүргізілуде және халқымыз қартайған сайын бұл барған сайын маңызды бола түсуде.

Бүгінгі жартылай өткізгішті интегралды схемалар құрастыруға мүмкіндік берген компьютерлердің көмегімен біз ЖИ машиналарына ақпараттан үйренуге мүмкіндік беретін әдістерді жасап жатырмыз. Кейбір салаларда машиналық оқыту жүйелері адамнан тыс мүмкіндіктерді дамытуда. Компьютерлерге анық ережелері бар жабық әлемдер болып табылатын ойындарда жеңіске жетуді тапсыру — бұл машинаға ақпараттан үйренуге мүмкіндік беретін ең жақсы әдістерді түсінудің бір жолы ғана. Егер біз бұл әдістерді басқа салаларға қолдана алсақ, біз қазіргі уақытта адамдар үшін мүмкін емес болып көрінетін мәселелерді шешуге көмектесетін құралдар жасай алар едік.

Біз адамдар мен компьютерлердің өте әртүрлі тәсілдермен жұмыс істейтінін аша бастадық. Енді біз бір қадам артқа шегініп, компьютерлердің қалай соншалықты қуатты болғанын және бүгінгі таңда бізде бар әсерлі ЖИ жүйелерін құру қалай мүмкін болғанын түсінуіміз керек.

Зерттеулер көрсеткендей, американдықтардың тек 12 пайызы өздерін «мысық сүйер қауым» ретінде анықтаса, 42 пайызы иттерді жақсы көретінін айтқанына қарамастан, интернетте адамдарға мысықтар көбірек ұнайтыны анық. Мысықтарды «Интернеттің бейресми бойтұмары» деп атайды. Бұл бақылау 2012 жылдың маусымында Стэнфорд университеті мен Google тобы жүргізген және Стэнфордтың компьютерлік ғылымдар профессоры Эндрю Ын басқарған ертедегі ЖИ зерттеу жобасында расталды. Олар

Олар 16 000 компьютерден тұратын деректер орталығында жұмыс істейтін нейрондық желіні сипаттайтын ғылыми еңбек жариялады. Бұл жүйе YouTube-тен алынған кескіндерді қарауға бағытталды. Жүйе үш күн бойы үздіксіз жұмыс істеді. Ешқандай белгілер немесе нұсқаулар берілмесе де және не нәрсеге қарап тұрғанын білмесе де, бұл ерте кезеңдегі «терең» оқыту жүйесі YouTube-те «мысықтар» деп аталатын нысандардың кескіндері басқаларға қарағанда әлдеқайда көп екенін анықтады.

Мүмкін болған жетістіктердің мысалы ретінде, Нью-Йорктегі Икан медицина мектебі мен Оңтүстік Калифорния университетінің Кек медицина мектебінің зерттеушілер тобы бірігіп, тек сканерлеу кескіндері арқылы простата обырының төмен және жоғары қауіпті түрлерін ажырата алатын терең оқыту ЖИ жүйесін жасап шығарды. Бұл жүйе дәрігерлерге қандай араласу қажет болуы мүмкін екенін білуге көмектеседі. Дәрігерлер енді емдеу нұсқаларын тезірек анықтап, қажетсіз хирургиялық араласулар санын азайта алады. Бірақ ЖИ технологиясының дамуы мұндай серпінді сәттерге жету үшін ұзақ уақытты қажет етті.

Дедукцияда жауап анық болады, өйткені ол кейбір белгілі фактілерге негізделген және шешім нақты, логикалық процеске сүйене алады. Индукцияда жауап ықтимал болады, өйткені сіз шешімді қандай да бір ақпаратқа негіздейсіз, бірақ сізде қажетті барлық ақпарат болуы міндетті емес. Сіз толық логикалық шешім қабылдай алмайсыз.

Мұндай мәселенің тағы бір мысалы — үстел ойындары. Ықтимал жүрістердің шектеулі жиынтығы ғана бар сияқты көрінеді, бірақ шахмат және стратегиялық Го ойыны сияқты күрделі ойындарда олардың саны өте көп болып шығады. Математик және ақпарат теоретигі Клод Шеннон (біз оны 7-тарауда кездестіреміз) 1950 жылы «Шахмат ойнауға арналған компьютерді бағдарламалау» атты мақала жариялады, онда ол шахматта шамамен 10^43 ықтимал позиция бар екенін есептеді (бұл бір саны және оның артындағы қырық үш нөл). Ойын басталғаннан кейін әр ойыншы небәрі бес жүріс жасағаннан соң, шахмат фигуралары үшін 69 триллион ықтимал позиция болады. Сонымен, барлық жүрістерді толық іздеу немесе тіпті бес қадам алға қарауға тырысу тым көп есептеу қуатын қажет етеді. Алдаусыратып оңай көрінетін Го ойыны бұдан да күрделірек. Іс жүзінде Го ойынындағы ықтимал жүрістер бүкіл ғаламдағы атомдар санынан әлдеқайда көп. Шахмат немесе Го ойынынан әлем чемпионын жеңе алатын қазіргі ЖИ жүйесі қандай жүрістер мүмкін екенін дедукция арқылы анықтамайды: оның орнына ол жеңіске жететін стратегияны қалай жасау керектігін үйренеді.

Содан кейін, 2012 жылдың қыркүйегінде Канаданың зерттеу тобы жыл сайынғы ImageNet Large Scale Visual Recognition Challenge байқауында басымдықпен жеңіске жетті. ImageNet — бұл компьютерлік кескіндеу жүйелерін дамытуға көмектесу үшін құрылған жарыс және бұл байқауда алғаш рет ЖИ жүйесі жеңіске жетті. Жеңімпаз ЖИ моделі AlexNet деп аталды, оны Алекс Крижевский Илья Суцкевермен (кейінірек OpenAI негізін қалаған) және олардың жетекшісі, Торонто университетінің компьютерлік ғылымдар профессоры Джеффри Хинтонмен бірлесіп жасап шығарды, олар тағы бір әйгілі ЖИ зерттеу тобын құрады. Осыдан он жылдан астам уақыт бұрын болған бұл серпілістер біз соңғы жылдары көріп жүрген ЖИ-дің қарқынды дамуына жол ашты.

Эйзенхауэр бұл хабарламаның егжей-тегжейлерін бөлмедегі басқа жоғары лауазымды адамдармен бөлісе алмады. Нацистердің ең қауіпсіз «Lorenz» шифрлау технологиясының бұзылғаны өте құпия факт болды, оны санаулы адамдар ғана білетін. Бұл дешифрленген хабарлама берген мәлімет Эйзенхауэрге жеткілікті әскер мен техниканы қондыруға және плацдарм құруға бес күн уақыт берді, осылайша ол кейінгі сөзсіз қарсы шабуылға төтеп бере алды.

1930 жылдары, транзисторлар мен жартылай өткізгіш чиптерден ондаған жылдар бұрын, Томми Флауэрс Лондондағы Доллис-Хиллдегі телекоммуникациялық зерттеу орталығында электронды лампаларды пайдалану бойынша ізашар зерттеулер жүргізді. Электронды лампалар сол кезде қолданылған баяу және сенімсіз электромеханикалық релелерді алмастыра алатын еді. Флауэрс байқағандай, тізбекті жылдам ауыстырып қосу үшін электронды лампаларды пайдалану «әлі де зерттеу аясында болатын және әлемнің санаулы жерлерінде санаулы адамдарға ғана белгілі еді. Кездейсоқ Доллис-Хилл сол орындардың бірі болды» — және Флауэрс лампаларды пайдалану бойынша әлемдегі жетекші сарапшылардың бірі болды.

Желтоқсан айына қарай Доллис-Хиллде 1600 электронды лампаны қолданатын прототиптік жүйе жұмыс істеп тұрды. Флауэрстің әріптестерінің бірі еске алғандай, «ол қанша лампа қолданғанына мән бермеді». Бірінші жүйе 1944 жылдың 18 қаңтарында Блетчли-паркке жөнелтілді. Машина өте үлкен болды, үлкен залды толтырды және операторлар оны «Колосс» (Colossus) деп атады. Бұл бірінші Mk1 Colossus машинасы соншалықты жақсы жұмыс істегені сонша, Блетчли-парк дереу көбірек тапсырыс берді.

Екінші машина үшін Томми Флауэрс пен оның командасы бірнеше жақсартуларды жоспарлап қойған болатын. Mk2 нұсқасы бір электронды есептеу жүйесі ретінде жұмыс істейтін 2400 лампадан тұрды. Бұл Colossus алдыңғы жағындағы көптеген штекерлері мен коннекторлары бар арнайы тақта арқылы бағдарламалануы мүмкін еді, бұл әртүрлі операцияларды конфигурациялауға мүмкіндік берді. Ақпарат тесілген қағаз таспа арқылы енгізілді. Жүйе өңдеу кезінде қажет болатын аралық ақпаратты электронды сақтауды қамтыды және ол бес бөлек ағынды параллель өңдеуге қабілетті болды. Бұл Colossus Mk2-нің алдыңғы жүйеден жүз есе жылдам екенін білдірді. Жылдамдықтың артуы өте күрделі шифрланған кодтарды бірнеше күн емес, бірнеше сағат ішінде (кейде минуттарда) дешифрлеуге мүмкіндік берді және одақтас күштер үшін дер кезінде барлау мәліметтерін берді.

Әр көзіңізде 150 миллионға жуық фоторецепторлық нейрон бар: ортасында түсті ажырататын 6 миллионға жуық «колбашалар» және тек қара-ақ түсті көретін, бірақ ең кішкентай қозғалыстарға сезімтал 144 миллионға жуық «таяқшалар» орналасқан. Көздеріңіз (көптеген жәндіктердің көзі сияқты) статикалық емес, керісінше, негізгі нысандарға назар аударып және кез келген өзгерісті жылдам байқай отырып, көріністің толық бейнесін жасау үшін үнемі қозғалыста болады.

Сөздерді алғаш үйренгенде сіз эпизодтық жадыңызды пайдаландыңыз, бірақ бұл ақпарат сақталған сайын ол семантикалық қоймаңыздың бөлігіне айналады және екі жүйе жалпылама еске түсіруді қамтамасыз ету үшін тығыз жұмыс істейді. Бұл деңгейлі жады жүйесі, бәлкім, оқиғалардың бізге тартымды болуының себебі шығар, өйткені олар өз тәжірибемізді пайдалана отырып, ақпаратты еске түсіруге мүмкіндік береді. Мен жақсы жазылған романның ойымда кез келген фильм көрсете алатыннан әлдеқайда қуатты бейнелерді салатынын байқаймын. Соның нәтижесінде маған ұнаған кітаптың фильмін көргенде, мен әрқашан аздап көңілім қалады. Ол ешқашан менің өз ойымда салған суреттерімдей бола алмайды. Егер керісінше, фильмді көргеннен кейін кітапты оқысам, ол ешқашан дәл сондай әсерлі кітап оқу тәжірибесі болмайды.

Біздің миымыздағы естеліктер қандай да бір индекстелген мұрағат шкафында ұқыпты жиналып тұрмайды. Тиісті естелікті табу үшін сізге индекс коды немесе арнайы мекенжай қажет емес. Сіздің миыңыз қазіргі ой ағынына немесе қазіргі іс-әрекетіңізге қатысты ақпаратты лезде еске түсіре алатын сияқты. Сіздің есте сақтауыңыз ассоциативті, ой картасы сияқты және тиісті ақпарат миыңыздағы нейрондар арасындағы байланыстарда жасырылған. Ол тіпті бір ғана импульстен іске қосуға болатын бұлшықет қозғалыстарын орындайтын тізбектер ретінде нейрондар мен синапстарға енгізілген.

Олар сондай-ақ бір тілді екінші тілге аудару үшін де қолданылады. Көбінесе ағылшын тілі сияқты бір тілдегі сөздердің реті басқа тілдермен салыстырғанда өзгеше болады. ЖИ жүйесі сөйлемді бір тілден екінші тілге аударуы үшін ол сөздерді сақтап, аударып, содан кейін оларды жаңа тілге сәйкес қайта реттеуі керек.

Бұл RNN және LSTM әзірлемелері пайдалы, бірақ тек 2017 жылдың желтоқсанында ғана үлкен серпіліс жасалды. Google Brain жобасы мен Торонто университетінің командасы «Attention is all you need» («Зейін — саған керектінің бәрі») атты қазіргі таңда әйгілі техникалық мақаланы жариялады. Бұл көп сілтеме жасалатын мақалада сөйлемдер мен абзацтардағы негізгі сөздерге «зейін» аударуды үйренудің жетілдірілген механизмі ұсынылды. Мақалада ол «көп жақты зейін» (multi-headed attention) деп атаған процесс анықталды. Бұл жердегі идея — сөздерді қатаң ретпен қараудың орнына, тізбекті жеке сөздерге бөліп, олардың бастапқы сөз тізбегінде қай жерде орналасқанын көрсететін идентификатор қосу. Содан кейін сіз осы сөздердің әрқайсысының маңыздылығын параллельді түрде үйренуге және олардың тізбектегі басқа сөздермен қалай байланысатынын түсінуге тырысасыз. Идея — тілдің семантикалық түсінігін қалыптастыру және қай сөздерге көбірек зейін аудару керектігін анықтау.

Бұрын ұзағырақ іздеу терминін енгізсеңіз, іздеу жүйесі шатасып қалатынын байқаған боларсыз. Трансформерге негізделген ЖИ жүйелері енді іздеу жүйесіне осы ұзақ тізбектерді түсінуге көмектеседі. Толық сөйлемді енгізіп көріңіз, сонда трансформерлік ЖИ жүйесі осы ұзын сөз тізбегін іздеп, зейін қою керек негізгі сөздерді бөліп алады. Бүгінде іздеу жүйесі сұрақ-жауап жүйесіне әлдеқайда жақын және бұл мүмкіндік трансформерге негізделген табиғи тілдегі ЖИ жүйелерінің келесі буыны қолжетімді болған сайын тез жақсарып келеді.

Өте күрделі ақуыз тізбегін және оның қалай бүктелетінін түсіну — ғылымдағы іргелі мәселе, ол дәрі-дәрмектерді ашу мен денсаулық сақтау саласында жаңа серпілістерге жол ашады. ЖИ бізге әрбір ақуыздың қалай бүктелетінін көрсете алады, бұл ғалымдарға оның атқара алатын функциясын түсінуге мүмкіндік береді және осы ақуызды жасушалық деңгейде белгілі бір функцияны орындау үшін қалай пайдалану керектігін үйретеді. Мысалы, дәрі молекуласын қатерлі ісік жасушасындағы ақуызбен дәрі ісіктің өсуін тоқтататындай, бірақ ешқандай жанама әсерлері болмайтындай етіп қосуға болады. Ақуыздардың қалай бүктелетінін түсіну үшін жасалған трансформерге негізделген ЖИ жүйелеріндегі соңғы серпілістер керемет нәтижелер берді.

Көп жақты зейін және өзін-өзі бақылайтын оқыту тұжырымдамасы (бірге «көп жақты өзін-өзі зейін қою» [multi-headed self-attention] деп сипатталады) өте үлкен ЖИ жүйелерін құру мүмкіндігін ашты. Зерттеушілер қазір миллиардтаған, тіпті триллиондаған параметрлері бар модельдерді құруда және бұлар өте тиімді екенін дәлелдеді. Дегенмен, соның салдарынан қажетті есептеу қуатының мөлшері де жеделдей түсті. OpenAI жариялаған мақалада 2012 жылдан бастап ең ірі ЖИ модельдерін оқыту үшін қажетті есептеу қуаты экспоненциалды түрде артып келе жатқанын және әр 3,4 ай сайын екі есе өсетінін көрсетті. Бұл 2012 және 2019 жылдар аралығында ең ірі модельдерді оқыту үшін қажетті есептеу қуатының 300 000 есе артуына әкелді. Мысалы, ChatGPT жүйесін орналастыруға арналған есептеу шығындары өте үлкен.

Егер AI жүйелеріне егжей-тегжейлі ақпаратқа қолжетімділік берілсе, олар құқықтық жүйенің нақты аспектілерін түсінуге үйретілуі мүмкін. Олар заңгерлерге құжаттарды қарап шығуға немесе жаңа құқықтық құжаттардың жобасын жасауға көмектеседі. Мұндай жүйелер қазірдің өзінде қолжетімді бола бастады. Дегенмен, заңгер сияқты, бұл ақпарат жүйеде ең соңғы мәліметтер мен барлық жаңа құқықтық прецеденттер болуы үшін үнемі жаңартылып отыруы қажет.

Грейс Хоппер компьютерлік индустриядағы әріптестері арасында «Таңғажайып Грейс» (Amazing Grace) деген атпен танымал болды және өзінің қызықты баяндамаларымен және көрнекі сипаттамаларымен танымал болды. Компьютерлердің неліктен кішкентай болуы керектігін көрсету үшін ол 30 см-лік сымның кесіндісін ұстатып: «Бұл — наносекунд», — деп түсіндіретін. Бұл электр тогының осы қысқа сым бойымен жүріп өтуіне кететін уақыт еді. Содан кейін ол 300 метрлік сыммен бұл жолдың бір миллисекундты алатынын атап өтетін. Ол жылдам компьютерлердің кішкентай болуының себебі кодтауда емес, физикалық әлем қойған қатаң шектеу екенін көрсетті.

Кей Макналти, Бетти Дженнингс, Бетти Снайдер, Марлин Мельтцер, Фран Билас және Рут Лихтерман Пенсильвания университетінің Мур атындағы электротехника мектебінде адам-компьютер болып жұмыс істеген үздік математиктер болды. Олар 1946 жылы жасалған ең алғашқы электронды компьютерлердің бірі — ENIAC-та жұмыс істеген алғашқы компьютерлік бағдарламашылар болды.

3. Мысықтың AI арқылы жасалған суреті Жақында фотореалистік кескіндерді жасау тәсілі ретінде «диффузиялық модельдер» (diffusion models) деп аталатын жаңа AI әдісі пайда бола бастады. Бұлар белгіленген суреттерді алып, суреттегі детальдар жойылғанша біртіндеп бұрмаланулар қосу арқылы жұмыс істейді, соңында сурет жай ғана кездейсоқ пиксельдерге айналады. Содан кейін бастапқы кескінді қайта жасау үшін осы бұрмалау процесін кері қайтаруға нейрондық желі үйретіледі. Бұл оқыту процесі нәтижесінде алынған диффузиялық модельге тек қарапайым мәтіндік сұрау (prompt) беру арқылы жаңа фотореалистік суреттерді жасауға мүмкіндік береді.

Сіздің миыңыздағы 86 миллиард нейронның әрқайсысы орта есеппен басқа 10 000 нейронмен байланысады. Миыңыздың кездейсоқ болып көрінетін ақпарат жиынтықтары арасында байланыс орнату және ассоциация табу қабілеті таңғаларлық және бүгінгі машиналардан әлдеқайда жоғары.

Шын мәнінде, бұл сіздің миыңыздың коннектомасына — миыңыздағы нейрондар арасындағы байланыстардың жаппай жиынтығын көрсететін сымдар схемасына өте ұқсас. Математикада бұған қатысты «графтар теориясы» деп аталатын тұтас бір пән бар. Сізге екі шама арасындағы байланысты көрсететін қарапайым сызықтық және бағандық графиктер таныс болуы мүмкін. Бірақ сізге таныс болуы мүмкін әлдеқайда күрделі графтардың мысалдары бар. Әлеуметтік желілер — бұл сіз бен достарыңыздың, тіпті достарыңыздың достарының арасындағы байланыстарды қамтитын граф. Бұл әлеуметтік медиа платформасына барлығының қалай байланысқанын анықтауға мүмкіндік береді. Осының негізінде олар сіздің әлеуметтік желідегі жазбаларыңыздың қайсысына басқа адамдар қызығушылық танытуы мүмкін екенін шешуге тырысады.

Транзакциялар мен әлеуметтік өзара әрекеттесулер өте динамикалық – сізді жаңадан шыққан кітап қызықтыруы мүмкін, бірақ бұл кітапты табу үшін граф жаңартылып, бұл толықтыру GNN (графтық нейрондық желіге) белгілі болуы керек. Графтағы мұндай толықтырулар мен өзгерістерді «temporal graph network» (уақытша графтық желі) деп аталатын графтық нейрондық желінің арнайы түрінде модельдеуге болады.

Адамдар өздері тәжірибе жинақтаған салаларда ассоциациялар құруға өте шебер. Алайда, AI (жасанды интеллект) жүйелері адамдар барлық күрделі детальдарды меңгеруге қиналатын салаларға назар аудара алады. Егер бізде AI жүйесін оқытуға арналған ақпарат болса, ол белгілі бір тақырыпты өте терең түсіне алады.

Мәселен, Дүниежүзілік өрмектегі барлық байланыстарды түсіну немесе молекулалардағы атомдардың байланысы сияқты күрделі құрылымдарды зерттеу. Графтық нейрондық желілер мен онымен байланысты AI тәсілдері адамдарға өз бетінше шеше алмайтын мәселелерді шешуге көмектесуде, бұл AI зерттеулерінің жаңа жетістіктерге уаде беретін қызықты саласына айналуда.

Молекулалар мен ақуыздардың қалай әрекеттесетіні сияқты күрделі қатынастарды түсінетін бұл жүйелер жасанды интеллекттегі жаңа бағытты көрсетеді. Тағы бір өте маңызды болатын сала — оқуды үйрене алатын AI жүйелерін дамыту.

Табиғатта біз нығайту арқылы оқытудың жұмысын өз қозғалысын бағыттай алатын қарапайым ағзадан да көре аламыз. Микроб сынақ пен қателік арқылы өзіне энергия бере алатын глюкоза көзіне жету үшін қай бағытта қозғалу керектігін үйренеді. Сол сияқты, сенсорлары бар және кез келген бағытта қозғалу мүмкіндігі бар робот өз ортасын сезіну және сынақ пен қателік арқылы қонақ бөлмеңізде жол табуды үйрене алады. Мұны еден жуу жүйесіне қосқанда, сізде автономды шаңсорғыш пайда болады.

AI-да нығайту арқылы оқыту идеясы Швейцариядағы информатика профессоры Маркус Хуттердің жұмысынан бастау алады, ол «Universal Artificial Intelligence» (Әмбебап жасанды интеллект) моделін ұсынды. Бұл концепция Тьюринг ұсынған «әмбебап машина» идеясына ұқсас болды, онда ол машинаның кез келген есептеуді орындай алатынын көрсетті. Хуттер жасанды интеллект үшін математикалық дәлелдеме жасап, машиналардың интеллектін қалай өлшеуге болатыны туралы негізді ұсынды. Хуттердің моделі тәжірибеден үйрене алатын интеллектуалды машинаның ресми әдісін сипаттайды. Бұл әдісті іс жүзінде бір жолға сыятын жалғыз математикалық теңдеумен сипаттауға болады.

Хуттердің PhD студенттерінің бірі Шейн Легг осы Әмбебап жасанды интеллект жобасында Хуттермен бірге жұмыс істеп, кейін Мустафа Сулейман және Демис Хассабиспен бірге DeepMind компаниясының негізін қалаушылардың бірі болды. 2-тарауда біз көрген, компьютерлік ойындар ойнауды үйренген DeepMind Deep Q жүйесі нығайту арқылы оқыту тәсілін қолданды. Содан кейін команда AlphaGo деп аталатын нығайту арқылы оқыту AI жүйесін құрды, ол көптеген адамдардың Го ойындары туралы ақпаратты пайдалана отырып, күрделі Го үстел ойынын ойнауды үйренді. Бұл жүйе әлемнің қазіргі Го чемпионы Ли Седольды жеңді.

Го ережелері алдамшы қарапайым. Тақта — бұл он тоғызға он тоғыз тор, оған ойыншылар кезек-кезек кішкентай тастарды қояды, бір ойыншы қара, екіншісі ақ түсті алады. Аз ғана ойынды тамашалау арқылы сіз түпкі мақсатты тез түсіне аласыз, ол — қарсыластың тастарын қоршау арқылы басып алу. Ең қиын бөлігі — жеңіске жету үшін стратегия құру. Ойын мұқият және шыдамды орналастыруды талап етеді, бұл соңында қарсыластың тастарын баяу қоршауға әкеледі. Әр жүрісте 250 түрлі мүмкін қозғалыс бар және әдеттегі ойында ойыншылар барлығы 150 жүріс жасайды, бұл ойында 250^150 мүмкін жүріс береді, бұл 10^360-қа тең (немесе 1-ден кейін 360 нөл). AI жүйесінің бұл күрделі ойынды меңгеруі үлкен жетістік ретінде бағаланды.

Бұдан да әсерлісі 2017 жылы DeepMind жасаған AlphaGo Zero жүйесі болды. AlphaGo Zero-ға негізгі мақсаттардан басқа ойынды қалай ойнау керектігі айтылмады және ол адам ойындарынан ешқандай ақпарат пайдаланбады. Ол жай ғана «өзін-өзі бақылайтын» (self-supervised) оқыту әдісін қолдана отырып, өзіне қарсы ойын үстіне ойын ойнау арқылы үйренді. Қырық күн бойы тоқтаусыз жаттыққаннан кейін AlphaGo Zero адам ақпаратымен оқытылған барлық алдыңғы жүйелердің мүмкіндіктерінен асып түсті. Дәл осындай тәсіл AlphaZero үшін де қолданылды, ол шахмат фигураларының қалай қозғалатыны және фигураны басып алудың негіздері айтылған жалпыланған ойын жүйесі болды, содан кейін ол сарапшы болғанша өзіне қарсы ойын ойнады. Сонымен қатар басқа ойындарды үйрену үшін де осы тәсіл қолданылды. Тіпті негізгі қозғалыстардан басқа қалай ойнау керектігі туралы арнайы оқытылмаса да, ол тез арада адам мүмкіндігінен тыс нәтижелерге қол жеткізді.

Маркус Хуттер Әмбебап жасанды интеллект туралы сипаттамасында Байеске, сонымен қатар басқа да бірнеше математиктер мен философтарға сілтеме жасады. Олардың қатарында барлық оқиғалардың себептері белгілі немесе белгісіз болғанына қарамастан себептері бар екенін айтқан грек философы Эпикур (б.з.б. 341–270) бар. Ағылшын францискандық монахы Уильям Оккам (1287–1347) «Оккам ұстарасы» теориясын ұсынды, ол ең қарапайым шешім ең ықтимал шешім екенін айтады. Көргеніміздей, Томас Байес оқиғалардың ықтималдығы оларды не тудыратыны туралы көбірек ақпарат білген сайын артады деді. Математик Рэй Соломонофф осы идеялардың барлығын 1964 жылы аяқталған «A Formal Theory of Inductive Inference» (Индуктивті қорытындының ресми теориясы) атты еңбегінде тиімді біріктірді.

Соломоноффтың жаңалығы кез келген бақыланатын нәтиже үшін ең жоғары ықтималдыққа ие болатын ең қарапайым гипотеза екенін және барған сайын күрделі гипотезалардың ықтималдығы азаятынын ресми түрде көрсету болды. Бұл Хуттердің машиналық оқыту жүйесі алдымен ортаны түсінуі керек, содан кейін әрекеттерден осы орта туралы көбірек білуі керек деген идеясына әкелді, бұнда ең қарапайым әрекеттер жиынтығы оң нәтиже беру ықтималдығы ең жоғары болып табылады. Осы итерациялық процесс арқылы машина сыйақы түріндегі оң нәтижеге қарай қалай ілгерілеу керектігін үйрене алады.

Осы нығайту арқылы оқыту тәсіліне ұқсас, «ықтималдық машиналық оқыту» Байестің идеяларын қолданады және жауаптардың дәлдігін арттыруға тырысады. Ықтималдық негіздері оқыту жүйелері ретінде өз бетінше жұмыс істей алады, бірақ олар басқа машиналық оқыту әдістерімен біріктірілгенде анағұрлым қуатты болады. Олар белгісіздікті сандық бағалау үшін қолданылуы мүмкін, содан кейін неғұрлым дәл жауаптар беру үшін осы белгісіздікті азайтуға жұмыс істейді.

Үңгір суреттері 44 000 жылдан астам уақыт бұрын сақталған адам ақпаратының ең көне түрі болуы мүмкін. Ең алғашқы үлгілер Франция мен Испания шекарасындағы үңгірлерден, сондай-ақ Индонезиядан табылды.

Жазбаша ақпараттың әртүрлі формалары кейін пайда болды, бұл адамдардың аграрлық қоғамға өтуімен байланысты болуы мүмкін. Шамамен б.з. 100 жылы Қытайда қағаздың ойлап табылуы ақпараттық революцияға серпін берді, бұл Қытайдың Өнеркәсіптік революцияның басына дейін жетекші жаһандық экономика болып қалуын қамтамасыз етті. Қытай сонымен қатар жылжымалы типті баспаны бірінші болып дамытты, мұндағы ең көне басылған кітаптар шамамен б.з. 1040 жылы пайда болды.

Керісінше, Еуропада б.з. 500 жылдан 1400 жылға дейінгі уақыт жиі «Қараңғы ғасырлар» деп аталады. Рим империясының құлауынан басталып, Ренессанс дәуірінің тууымен аяқталған бұл 900 жылдық кезең кейбіреулер тарапынан ғылыми және мәдени прогрестің әлдеқайда аз болған кезеңі ретінде қарастырылады. Орта ғасырлар деп аталатын бұл кезең көбінесе өз заманының ең білімді адамдары – монахтармен байланыстырылады, олар суық, қараңғы монастырларда отырып, веллум (тері) парақтарына әдемі «иллюминацияланған» қолжазбалар жасаған.

Сол кезеңде жаңа жетістіктер санының азаюының көптеген себептері болуы мүмкін, бірақ бір қарапайым түсініктеме — қағаздың жоқтығынан ақпарат ағынының айтарлықтай шектелуі болуы мүмкін. Римдіктер бастапқыда ежелгі мысырлықтар жасаған папирусты қолданған. Олар папирустың қолданылуын батыс Еуропаға таратты, бірақ олардың империясы құлағаннан кейін папирус жеткізілімі тоқтап қалды. Жануарлардың терісінен жасалатын бұдан да көне веллум (немесе пергамент) сирек және қымбат болды; ол тек сол кездегі ең маңызды құжаттар үшін, мысалы, ұлы діни мәтіндер мен маңызды заң құжаттары үшін сақталды. Рим кезеңінде папирус арқылы мүмкін болған ақпаратты оңай тасымалдау тоқтаған кезде, нәтижесінде прогресс баяулады. Тек 1380 жылдарға қарай Еуропаға ағаш целлюлозасына негізделген қағаздың келуімен, одан кейін тез арада жылжымалы типті баспа машинасының пайда болуымен ақпараттың жаңа ағыны басталды. Бұл өз кезегінде Ренессансқа серпін берді, одан кейін «ғылыми әдістің» енгізілуі, Ағарту дәуірі, капитализмнің тууы (алдымен голландтар дамытқан, содан кейін 1688 жылғы «Даңқты революция» кезінде Британияға жеткен) және соңында Өнеркәсіптік революция келді.

Ағылшын өнертапқышы Томас Ньюкоменнің 1712 жылғы «атмосфералық қозғалтқышы» – алғашқы практикалық отын жағатын бу қозғалтқышы – Өнеркәсіптік революцияның басталуына жол ашты. Жаһандық экономикалық өнімнің өсуі 1880-жылдары теміржолдардың кеңеюімен, алғашқы электр станцияларымен, күнделікті газеттердің кеңінен таралуымен (тезірек тасымалдау арқылы мүмкін болды) және телеграфтың таралуымен күрт өзгерді. Кейінірек, электр қуатының жаппай енгізілуімен ақпараттық революцияның алғашқы белгілері пайда болды.

Алайда, тіпті 1993 жылға дейін адамдардың ақпаратты сақтауы мен тасымалдауы шектеулі болды. Есептеулер бойынша, сол кезде болған барлық кітаптар, музыка, фотосуреттер, кинофильмдер мен бейнетаспалар жиынтығы сақталған адам ақпаратының жалпы көлемі 50 миллиард гигабайттан аз екенін көрсетеді. Бұл көп, бірақ алда күтіп тұрған нәрсемен салыстырғанда ештеңе емес.

1993 жылдан бері интернет арқылы тасымалданатын ақпараттың өсу қарқыны таңғалдырарлық болды. Қазір жыл сайын 1993 жылға дейін болған ақпараттан әлдеқайда көп ақпарат жасалады және бөлісіледі. АҚШ-тың Cisco желілік компаниясы дайындаған есепке сәйкес, жаһандық интернет трафигі 1992 жылы, коммерциялық қызмет үшін ашылар алдында, секундына шамамен 1 мегабайтты құрады, бірақ 2016 жылға қарай бұл көрсеткіш секундына 26 000 гигабайттан астамға дейін өсті (26 миллион есе өсу). Бұл өсу қарқыны интернет трафигінің әр он үш ай сайын екі еселенетінін көрсетеді. 2021 жылы интернет арқылы секундына шамамен 100 000 гигабайт дерек тасымалданды, бұл жылына шамамен 3 000 миллиард гигабайтқа немесе 3 зеттабайтқа тең. Мұны 1993 жылға дейінгі бүкіл адамзат ақпаратының жалпы көлемі шамамен 50 миллиард гигабайт болғанымен салыстырсаңыз, біз қазір жыл сайын 1993 жылға дейін болғаннан 150 есе көп цифрлық ақпаратты бөлісетінімізді көре аласыз.

Біз бүгін қолданатын ондық сандар санаудың стандартты тәсіліне айналды. Сөздер сияқты, сандар да қарым-қатынас үшін ақпарат бөліктерін ұсынудың тәсілі болып табылады. Санау үшін сандар мен саусақтарды пайдалану ғасырлар бойы жалғасып келеді. Біздің дәуіріміздің шамамен 700 жылына жататын монах-ғалым Мәртебелі Беденің қолжазбаларында (пергаментке жазылған) кестелермен бірге саусақтарды қолданатын санау және есептеу әдістерін бейнелейтін түрлі диаграммаларды табамыз.

1937 жылы, небәрі жиырма бір жасында Шеннон магистрлік дәрежесі үшін электронды инженерияның ең маңызды мақалаларының бірін жазды, онда қосқыштардың комбинацияларын кез келген логикалық немесе сандық қатынасты құру үшін қалай қолдануға болатынын көрсетті. Бұл мақала кейіннен барлық цифрлық электрониканы, барлық компьютерлер мен барлық жартылай өткізгіштерді құру үшін қолданылған цифрлық схемалар дизайны теориясының негізін қалады.

Клод Шеннон үшін оның логикалық дизайн теориясы тек бастамасы ғана болды. 1940 жылы PhD дәрежесін алғаннан кейін ол Принстондағы (Нью-Джерси) Перспективалы зерттеулер институтында математик және логик Курт Гёдель және Альберт Эйнштейн сияқты адамдармен бірге жұмыс істеді, содан кейін Мюррей-Хиллдегі (Нью-Джерси) жетекші телекоммуникациялық зерттеу орталығы Bell Labs-қа басқару жүйелері мен криптографиямен айналысу үшін барды. Осы уақыт бойы Шеннон жалғыз өзі мүлдем революциялық теориямен айналысып жүрді: 1948 жылы ол Bell System Technical Journal журналында өзінің «Байланыстың математикалық теориясы» атты іргелі еңбегін жариялады. Бұл мақаланың байланыс жүйелері мен біздің заманауи Ақпараттық дәуіріміз үшін маңыздылығын асыра бағалау мүмкін емес.

Ақпарат бөлісу бізге білім жинауға және интеллектімен бөлісуге мүмкіндік береді. Мысалы, денеміздегі жасушалар денеміздің жұмыс істеуі үшін бірге әрекет ету мақсатында ақпарат бөліседі; тіпті өсімдіктер де ақпарат бөліседі. Біз сондай-ақ эволюция процесі бір ұрпақтан келесі ұрпаққа ақпарат беру екенін байқай аламыз. Шеннонның жұмысы сонымен қатар кез келген берілген байланыс арнасы арқылы ақпаратты сенімді түрде жіберуге болатын максималды теориялық жылдамдықты сипаттады, бұл қасиет «ақпараттық арнаның өткізу қабілеті» немесе Шеннон шегі ретінде белгілі. Бұл ақпарат алмасудың жылдамдық шектеуі сияқты.

Қызығы, мен Шеннонның идеяларының тамаша сипаттамасын ақпарат теориясы туралы кітаптан емес, нейробиология туралы кітаптан таптым: Питер Стерлинг пен Саймон Лафлиннің «Нейрондық дизайн принциптері» (Principles of Neural Design). Ол кітаптағы бір қарапайым мысал Шеннон шегінің адам миының эволюциясында да қалай қолданылатынын көрсетеді. Миыңыз бір нейроннан екіншісіне бір ақпарат бөлігін жіберуі керек деп елестетейік. Бұл ақпаратты екінші нейронға жіберуге болатын хабарламаға айналдыру қажет болады (сіздің миыңыз төмен жиілікті электр зарядының импульсін қолданады). Бұл ақпаратты жіберу үшін бізге нейрондарыңыз арасындағы байланысты құрайтын кішкентай «сым» сияқты синапс деп аталатын байланыс арқылы екі нейрон арасында хабарлама жіберудің қандай да бір жолы қажет. Хабарламаның мақсаты — қабылдаушы нейронда қандай ақпарат жіберілгені туралы белгісіздікті азайту. Егер хабарлама сигналының күші тым әлсіз болса, онда қабылдаушы нейрон ақпарат битін дұрыс «ести» алмауы мүмкін. Егер хабарлама ұзақ қашықтыққа жіберілсе немесе хабарлама өтетін арна тым шулы болса, хабарлама шатасуы немесе бұрмалануы мүмкін, бұл ақпараттың дұрыс қабылдану ықтималдығын азайтады. Егер хабарлама тым жылдам жіберілсе, қабылдаушы нейрон хабарламаны мүлдем өткізіп алуы мүмкін.

Біздің миымыз және басқа жануарлардың миы да Шеннон шегіне сәйкес келетіні белгілі болды. Бұл жылдамдық шегі әуесқой және кәсіби теннисшілердің реакция уақытының неге шамамен бірдей екенін түсіндіреді: бүкіл денеге сигналдар жіберу Шеннон шегімен анықталады және бұл физикалық шек негізінен бір адамнан екіншісіне өзгермейді. Жәндіктер мен жануарлар миының нейрондық карталарына қарасаңыз, олар осы әртүрлі көлемдегі миларға қолжетімді өлшем мен қуат үшін оңтайландырылған. Жәндіктің миы кішкентай және ақпаратты тасымалдау өте тиімді, тек аз ғана энергияны қажет етеді. Сүтқоректілердің немесе адамның миы әлдеқайда үлкен және тиімділігі төмен, сондықтан көбірек энергияны қажет етеді. Біздің жағдайда, үлкенірек ми бізге аман қалуға көмектеседі, бірақ оның есесіне бізге тамақ түрінде көбірек энергия қажет. Ричард Рангэм ұсынған «пісіру гипотезасы» біздің ертедегі ата-бабаларымыз отты басқаруды үйреніп, содан кейін оны тамақ пісіру үшін пайдалануы бізге үлкен миды дамытуға мүмкіндік бергенін айтады. Ол былай дейді: «Мен Homo тегінің пайда болуына себеп болған, өмір тарихындағы ұлы көшулердің бірі болған өзгермелі сәт отты бақылау мен пісірілген тамақтың пайда болуынан басталды деп сенемін».

Тамақты пісіру энергия өнімділігін және калория мен ақуызды тұтыну жылдамдығын айтарлықтай арттырады. Рангэм бұл Homo erectus пен Homo sapiens арасында мидағы нейрондар санының шамамен екі есе артуына әкелді деп болжайды. Дегенмен, нейрондардың көптігіне қарамастан, біздің айтарлықтай жетілдірілген Homo sapiens миының әлі де жылдамдық шегі бар.

Дислексия генетикалық түрде беріледі. Клод Шеннон 1940 жылғы «Теориялық генетикаға арналған алгебра» атты докторлық диссертациясында осы тақырыпты зерттеуге уақыт бөлді. Оның генетиканың математикалық теориясы ДНҚ-ның егжей-тегжейлері ашылғанға дейін жазылған және оның жұмысы 1993 жылға дейін кеңінен жарияланбаған болатын, бірақ ол кейіннен ашуға жылдар қажет болған генетиканың аспектілерін болжаған еді. Ол әртүрлі гендік комбинациялардың отбасында бірнеше ұрпақ арқылы қалай өтетінін зерттеу үшін математиканы қолданды. Оның генетика саласындағы жұмысы ақпарат алмасудың бүкіл эволюцияның негізі екенін анық көрсетті.

Менің ойымша, қала қарлығаштарының ақылды тіршілік иелері екендігіне ешқандай шүбә жоқ. Олардың адамдар үшін мүмкін емес физикалық қабілеттері бар — ұшу соның бірі ғана. Сондай-ақ, олар ұя салады және оны жылдан-жылға қайта пайдаланады, бұл олардың шеберлік қабілеті менің қабілетімнен әлдеқайда жоғары екенін көрсетеді. Олар топ болып әрекет етіп, өзара байланысатындай көрінеді. Олар алыс қашықтықтарға бағыт тауып, әртүрлі қыстау жерлерінен бір үйір болып жиналады және жыл сайын жаз мезгілінде өздері туған жерге қайтып оралады. Мен олардың қабілеттерін адамға теңеп антропоморфизациялаудың қажеті жоқ деп есептеймін; бұл — өте жоғары дамыған, ақылды, өзін-өзі қамтамасыз ететін жануарлар. Мүмкін, қарлығаштар айнала ұшып жүріп, менің ұша алмайтыныма және аузыммен жәндіктерді ұстай алмайтыныма қарап, мені «ақылсыз» деп бағалайтын шығар. Біздің «зерде» немесе «интеллект» туралы сипаттамамыз — бұл адамның өз қабілеттерімен анықталатын түсінік. Мүмкін, қарлығаштардың бұл туралы өз анықтамасы бар болар.

Қоғам ретінде біз зердені білімді адамдарға қиын соғатын дүниелермен байланыстырамыз: шахмат немесе Го сияқты күрделі ойындарды ойнау; математикалық есептеулер жүргізу; немесе Шекспир сонетіне сыни талдау жасау. Бұлар саналы пайымдаудың айқын көріністері, бірақ ойлау сезім мүшелерінен алынған ақпаратты түсіндіру және физикалық әрекеттерді бағыттау сияқты нәзік формаларда да болады.

Машиналық оқыту әдісін жұмыс істету үшін бізге көп ақпарат және үлкен есептеу қуаты қажет. Бүкіләлемдік желі (World Wide Web) бізге үлкен көлемдегі цифрлық ақпаратты берді, ал жартылай өткізгіштердегі елеулі жетістіктер қажетті есептеу қуаты деңгейін қамтамасыз етті. Енді адамдар адамның нейрондық желілеріне ұқсас есептеу тәсілін қолдана отырып, мәселелерді шешетін ЖИ шешімдерін жасай алады. Біз бұрын қол жетімді болмаған мәселелерді шеше алатын болдық.

Адам миындағы есептеулердің қалай жұмыс істейтіндігі туралы негізгі идея алғаш рет 1943 жылы математик Уолтер Питтс пен нейрофизиолог Уоррен Мак-Каллоктың Алан Тьюрингтің ертедегі теориялық жұмыстарына негізделген «Жүйке қызметіндегі идеялардың логикалық есептелуі» атты еңбегінде ұсынылды. Авторлар нейрондық желіге қосылған қарапайым элементтер біздің миымыздағы нейрондық желі сияқты орасан зор есептеу қуатын бере алатынын көрсетті. Дәл осы нейрондық желі тәсілі қазір жасанды интеллектте қолданылуда.

Адамдар мен жасанды интеллекттің бұл «ықтималдық» табиғаты олардың екеуінің де кейде қателесетінін білдіреді. «Адасу — адамға тән...» дейді мақал, бірақ ЖИ-ге қатысты біз мұны былай өзгертуіміз керек шығар: «Қателесу — бұл адамдардың да, машиналардың да жеткіліксіз ақпаратпен жасаған ықтималдық пайымдауларының нәтижесі». Бұл соншалықты тартымды естілмеуі мүмкін, бірақ дұрысырақ.

Альберт Эйнштейн: «Мәселенің тұжырымдамасы көбінесе оның шешімінен маңыздырақ», — деген және технологияның дамуынан алынған екі мысал мұның шындық екенін көрсетеді. Мәселені тұжырымдаудың бір айқын мысалы — жартылай өткізгіштердің пионері Гордон Мурдың «интегралды схемалар технологиясының мүмкіндігі әр екі жыл сайын екі есе артады» деген болжамы. Біз қазір Мур заңы деп атайтын бұл қағида жартылай өткізгіштер өнеркәсібін соңғы алпыс жыл ішінде қазіргі компьютер мен ұялы телефоныңызды қуаттандыратын жартылай өткізгіш құрылғыларды 25 миллиард есе жақсартуға итермеледі. Дегенмен, Мур заңы физика заңы емес. Бұл болжам да, сонымен қатар жартылай өткізгіштер өнеркәсібіне әрнеше жыл сайын транзисторлар санын екі есе көбейту туралы қойылған міндет те болды. Ол Гордон Мур өнеркәсіп шеше алады деп сенген мәселені сипаттады.

Сол сияқты, Алан Тьюринг өзінің 1936 жылғы «Есептелетін сандар туралы...» атты еңбегінде баяндаған математикалық теориясы, онда ол өзінің «әмбебап машина» (біз қазір Тьюринг машинасы деп атаймыз) теориясын сипаттаған, негізінен, егер шешілсе, жалпы мақсаттағы есептеу машинасын беретін мәселені сипаттады. Бұл керемет маңызды теория эксперименттер мен жақсы инженерия арқылы қазір біз күнделікті қолданатын компьютерлерді жасауға мүмкіндік берген мәселенің тұжырымдамасы болды.

Түрлердің әртүрлі ортада бейімделуді қаншалықты жақсы үйренетіні және олардың қаншалықты жақсы өмір сүріп, өркендейтіні олардың зерде деңгейін анықтайды. Әрине, жасанды интеллектке өмір сүрудің қажеті жоқ; ол тек адамдар жасаған құрал. ЖИ біздің өз адамдық зердемізді толықтыру үшін осында. Ол ақпаратты жинайды және пайдаланады, тіпті бейімделеді. Бірақ жасанды интеллект пен биологиялық зерденің кеңірек анықтамасы арасында бір маңызды айырмашылық бар: ЖИ-дің «мақсаттарын» біз анықтаймыз. Ол бізге бейімделуге және өмір сүруге көмектесе отырып, біздің мақсатымызға қызмет етеді.

Homo sapiens бұл зерде өлшемі бойынша жақсы нәтиже көрсетеді. Біз құралдар жасаймыз, ғимараттар саламыз және әртүрлі ортаға бейімделуге көмектесетін киімдер тігеміз. Біз егін егеміз және азық-түлік үшін жануарларды қолға үйреттік. Әртүрлі көздерден энергия алу арқылы біз дамыған қоғам құрдық. Сондай-ақ, біз бүкіл планета бойынша ынтымақтастық орнатуға және ақпарат бөлісуге көмектесетін интернет сияқты озық технологияларды жасап шығардық.

Зерденің бұл кең сипаттамасы спорттық шеберлік пен практикалық дағдылар сияқты басқа қабілеттерді де мойындауға мүмкіндік береді және оларды зерде белгілері ретінде қарастырады. Біздің зердеге арналған ұсынылған анықтамамыз тек бірнеше сарапшылар ғана меңгерген зияткерлік әрекеттермен ғана шектелмейді.

Миыңыз барлық әртүрлі сезім мүшелерінен ақпарат алады және осы мәліметтерді біріктіріп, осы алма туралы жан-жақты түсінік қалыптастырады. Сондай-ақ, сіз осы алманы тапқан ортаңыз және оны қай жерде жеп жатқаныңыз туралы білетін боласыз. Алма сізге ұнағандықтан, сіз бұл тәжірибені қайталау үшін жадыңызда сақтайсыз. Сөзсіз, сіз бұл алманы бұрын жеген басқа алмалармен салыстырасыз. Бұл сізге барлық алмалар туралы жалпы түсінік қалыптастыруға мүмкіндік береді. Содан кейін сіз дәл осы алманың сүйіктіңіз екенін шеше аласыз.

Көпсенсорлы (multisensory) оқыту тек сізге ғана тән емес. Ит те солай істейді, мысықтар мен қала қарлығаштары да солай. Тіршілік иелерінің оқыту әдістері жасанды интеллект машиналық оқыту жүйелерін жасау үшін осы уақытқа дейін қолданылған қарапайым, бір немесе екі сенсорлы оқыту әдістерінен әлдеқайда күрделірек.

7. ЖИ адамдар сияқты көрмейді Жоғарыдағы фотосурет сонымен қатар бір оқиғаны меңзейтін сұрақтар туындатады. Неліктен ол адам сонда тұр? Мүмкін ол дүкеннің ішін қарап жатқан әйелін күтіп тұрған шығар? Оның таяғы бар және қабырғаға сүйеніп тұрған сияқты — оған бұлай тұру қиын ба? Біздің эмоцияларымыз бен әлем туралы түсінігіміз фотодағы ақпаратпен ұштасып, түсінігімізді кеңейтеді және эмоционалды реакция тудырады. Керісінше, ЖИ жүйесі жай ғана «таяғы бар адамды» тануы мүмкін.

Сіздің миыңыз тағам дәмінің өзгеру жылдамдығына көбірек көңіл бөледі. Дәм өзгеруін тоқтатқанда немесе әсері бәсеңдегенде, миыңыз бұл сигналдарға бөлетін назарын азайтады. Бұл темпоралды (уақытша) әсерлер біздің қоршаған әлемді тануымыз бен түсінуіміз үшін өте маңызды. Түс, иіс, дәм және текстураның үйлесімі — үздік аспаздар жаңа кулинарлық тәжірибелер жасағанда сіздің түйсіктеріңізді ояту үшін қолданатын құралдар. Тамақтану — бұл тек дәм ғана емес; бұл сіздің миыңызда тоғысатын мультисенсорлық тәжірибе. Ұлыбританияның Брей қаласындағы «Fat Duck» мейрамханасының марапатқа ие аспазы Хестон Блюментальдың зерттеу зертханасы бар, онда ол және оның командасы сезім мүшелеріне сынақ тастайтын жаңа кулинарлық әсерлерді әзірлейді. Жұмыртқа мен беконнан жасалған балмұздақ қалай, жеп көресіз бе?

Енді сіздің көру жүйеңізді тексеріп көрейік. Орныңыздан тұрып, айналаға көз салыңыз. Бәрін де қамтуға тырысыңыз. Көздеріңіздің үнемі айналаны шарлап, бір затқа, содан кейін екінші затқа назар аударатынын байқайсыз. Сіздің көзіңіз смартфон сияқты бір кадрлық сурет түсірмейді. Керісінше, сіз әртүрлі кескіндерден құралған тұтас мозайканы жинап, алдыңызда не тұрғанын түсіну үшін оларды миыңызда біріктіресіз. Көз алмаларыңыз жаңа ақпаратты табу үшін үнемі қозғалады және олар назарын өзгерген нәрселерге аударады. Бұл сіздің миыңызға көріністің толық бейнесін жасауға мүмкіндік береді.

Біздің көзіміздегі фоторецепторлар мен миымыздағы нейрондар осы цифрлық сығымдау жүйелеріне ұқсас жұмыс істейтін сияқты. Біз бейнелерді және олардағы нысандарды әлем туралы көзқарасымызды қалыптастыратын жоғары деңгейдегі дерексіз (абстрактілі) ұғымдар ретінде есте сақтаймыз. Бұл тәсілдің артықшылығы — біздің миымыз көру жүйесіндегі ақпаратты өңдеуге және сақтау үшін қажетті деректер көлемін айтарлықтай азайтады.

Ортақ түйсік бізге алда не болатынын болжауға мүмкіндік береді, бірақ біз бұл дағдыны жетіспейтін ақпаратты үнемі толықтыру үшін де қолданамыз. Біз әлемдік модельдерімізді кеңейту үшін жаңа ақпаратты пайдаланамыз. Біз бұрыннан қалыптасқан модельді жалпылау арқылы жаңа ортамен қалай жұмыс істеу керектігін үйренеміз, содан кейін оны жаңа жағдайға қолданамыз. Жад жүйелерінің иерархиясы болғаны сияқты, біз белгілі бір жағдайларға тән көптеген әртүрлі әлем модельдерінің иерархиясын құратын сияқтымыз. Сізде жақсы білетін жеріңіз туралы нақты модель болады — мысалы, қараңғыда өз жатын бөлмеңізді табу — бірақ сіз ешқашан болмаған қонақүй бөлмесі сияқты басқа жерлер үшін, сіз бұрын көрген жағдайларға негізделген «шамамен» алынған модельді тез құрасыз.

Тіпті жаңадан бастаған жүргізушілер де сақ болу және қауіп сигналдарын түсіну үшін өздерінің әлемдік модельдерін қолданады. Олар бұрылыстарда жылдамдықты бәсеңдетуді және алдағы қауіптерді болжауды тез үйренеді. Алайда, бұл дағдылар жасанды интеллектпен жұмыс істейтін автономды көліктерге оңай келмейді. Адам мамандардан үлкен көлемдегі ақпарат алғаннан кейін, виртуалды ортада миллиондаған түрлі оқыту жаттығуларынан өткеннен кейін және негізгі мінез-құлық ережелерімен бағдарламаланғаннан кейін де, олар әлі де қиындықтарға тап болады. Калифорнияда Alphabet/Google еншілес компаниясы болып табылатын Waymo автономды көлік компаниясы берген ресми деректерге сүйенсек, олардың автономды көліктері 2022 жылы тек Калифорния штатында 2,9 миллион мильден астам жол жүрген, бұл ретте рөлде әрқашан басқаруды өз қолына алуға дайын адам отырған. Олар адам араласуы қажет болған оқиғалардың арасында орта есеппен 17 000 мильден астам жол жүрілгенін хабарлады.11 Ортақ түйсікті дамыту адамдар үшін өте табиғи нәрсе, бірақ бұл жасанды интеллект үшін ең қиын міндеттердің бірі болуы мүмкін.

Ақпаратты талдау арқылы біз мағынаны ашатын заңдылықтарды таба аламыз. Ақпарат арасындағы бұл байланыстар мен қатынастар білімді береді. Білім бізге саналы шешім қабылдауға мүмкіндік беретін түсініктер бере алады. Осы білімді ашуға және оны күнделікті өмірімізде қолдануға көмектесу үшін, біз айналамыздағы әлемді түсінікті болуы үшін қарапайымдандырамыз. Біз күнделікті қолданатын әлем модельдері — бұл тек шамамен алынған болжамдар ғана.

Біздің әлеміміз біз ойлағаннан әлдеқайда күрделі. Біз кеңістік-уақыт континуумында өмір сүреміз, ал уақыт (сағатта көрсетілгендей) — бұл әлеммен өзара әрекеттесуімізді қарапайымдандыру үшін қолданатын адамдар ойлап тапқан құрылым. Көптеген елдер қолданатын әлемдік уақыт стандарты Лондоннан белгіленеді және ол Гринвич корольдік обсерваториясында өлшенген орташа күндізгі уақыт ретінде анықталады, бұл күн өзінің ең биік нүктесінде Гринвич меридианынан өткен сәті. Алайда, Жердің күн айналасындағы орбитасындағы біркелкі емес жылдамдығына және оның осьтік еңістігіне байланысты, тал түс дәл осы сәтте өте сирек болады. Сондай-ақ, «гравитациялық уақыттың баяулауы» деп аталатын құбылыстың нәтижесінде, егер сіз төбенің басында тұрсаңыз, уақыт теңіз деңгейіндегі өмірмен салыстырғанда сезілмейтіндей жылдам өтеді. Сондықтан уақыттың өзі де шартты ұғым.

Мүмкін сіз білетін де боларсыз, алыстағы жұлдыздың жарығы ондаған мың жыл бұрын пайда болған болуы мүмкін. Бөлменің екінші жағындағы қабырғаға орнатылған экраннан «тікелей» теледидар көргеніңізде, кескін телехабар таратқыштан спутник арқылы үйіңізге жету үшін шамамен секундтың оннан бір бөлігін жұмсайды. Кванттық деңгейде заттар одан да түсініксіз бола түседі, мұнда кванттар, суперпозиция және кванттық байланыс (киілісу) түсіну өте қиын ұғымдар болып табылады.

Менде ағаштың менің санаымнан тыс жерде бар екенін айтатын нақты ақпарат бар. Біз бұл жерде солипсизмге ауытқып отырған жоқпыз. Дегенмен, мен ағаштың әрдайым сол жерде болатынына сенімді бола алмаймын. Болашақта бір кездері ағаш желден құлауы немесе найзағай тиюі мүмкін. Тұманды күні ағаш туралы ақпарат әкелетін арна бұлдыр болады және ағаштың жай-күйі онша айқын болмайды. Өткен шақты білуге болады, бірақ болашақты білу мүмкін емес. Физик Вернер Гейзенберг ғаламдағы ақпарат көлемінің шектеулі екенін көрсетті.12 Барлық нәрсені квант деп аталатын кішкентай, жеке бөлшектерге дейін жинақтауға болады және одан кішірек болу мүмкін емес. Қандай да бір бастапқы күй (айталық, Үлкен жарылыс) болды деп есептесек, бұл өткен шақтағы барлық нәрсе теориялық тұрғыдан білуге болатынын білдіреді. Алайда, болашақты білу мүмкін емес. Болашақ — ықтималдық пен белгісіздікке толы. Біз болжамдар жасай алсақ та, әрі қарай не болатынын нақты біле алмаймыз. Болашақ бұлдыр болып қала береді.

Біздің әлеміміздің негізінде жатқан күрделі процестердің егжей-тегжейлері соншалықты күрделі, оларды күнделікті өмірде қолдану өте қиын. Біз бұл күрделіліктің көп бөлігін тиімді түрде елемейміз және оның орнына әлемнің әлдеқайда қарапайым сипаттамаларын құрастырамыз. Біз мұны айналамыздағы әлем үшін шектеулер қою арқылы жасаймыз, сонда ол азырақ күрделі орынға айналады. Біз әлемді сәл түсінікті етуге тырысамыз — адамдар ойлап тапқан «уақыт» ұғымы соның бір мысалы ғана. Көптеген инженерлер әлі күнге дейін көпірлер мен зәулім ғимараттар салу үшін өте жақсы жұмыс істейтін Ньютонның классикалық физика заңдарын қолданады. Құрылыс инженерлеріне Эйнштейннің салыстырмалылық теориясы немесе оғаш кванттық әсерлер туралы алаңдаудың қажеті жоқ. Салыстырмалылық пен кванттық физиканы арнайы түсінсек те, ғаламның шынайы күрделілігі туралы біздің адамдық түсінігіміз әлі де үстірт. Төтеп беру үшін біз бұдан әрі қарапайымдандырулар мен болжамдар жасаймыз. Біздің интеллектіміз алатын ақпаратымызбен және осы ақпаратты өңдеу қабілетімізбен шектеледі. Ол білім модельдерін қаншалықты жақсы құратынымызбен және бұл білімді интеллектке қалай айналдыратынымызбен шектеледі.

Сондай-ақ ЖИ-дің әлдеқайда кеңірек салада жалпы интеллектуалды болуы және бізге өнімдірек болуға көмектесетін немесе ауыр әрі жалықтыратын жұмысты алмастыратын сарапшы болуы мүмкін. Бірақ бұл жалпы интеллекттің бәрібір белгілі бір шектеулері болады. ЖИ жүйесі біз белгілеген әдіс арқылы үйренетіндіктен, ол кенеттен толық сезімтал (саналы) бола алмайды. Ол өте үлкен көлемдегі ақпаратқа қол жеткізе алатындықтан көп нәрсені білуі мүмкін және бұл ақпаратты адам біле алғаннан әлдеқайда көп нәрсені білу үшін пайдалана алуы мүмкін. Ол адам сарапшысының білімінен әлдеқайда асып түсетін негізгі пәндік салаларда нағыз сарапшы бола алады. Машина шахмат пен Го ойынынан әлем чемпионын жеңе алады және біз жетекші адвокатқа қарағанда құқықтық прецеденттер туралы көбірек білетін немесе ең тәжірибелі инженерге қарағанда ұшаққа техникалық қызмет көрсету процедуралары туралы көбірек білетін машинаны көреміз деп күтуіміз керек.

Физиктер «энтропия» терминін материяның күйін сипаттау үшін де қолданады және ол Термодинамиканың екінші заңымен тығыз байланысты. Энергия жоғалып кетпейді, бірақ ол уақыт өте келе шашырауға бейім; физиктер мұны энтропияның артуы деп атайды. Максималды энтропия кезінде материя жансыз болады — атомдардың энергиясы теңеседі. Тірі әрі жігерлі, айқын құрылымы бар жануардың энтропиясы төмен, бірақ ол өлгенде және жансыз күйге ауысқанда, оның максималды энтропияға қарай бет алғаны айтылады. Энтропия сыртқы энергия көзін қосу арқылы азаяды, бұл өз кезегінде ақпаратты жеткізуге қолдау көрсетеді. Энергия мен ақпарат энтропияны азайту үшін бірлесіп жұмыс істейді.

Атақты Нобель сыйлығының лауреаты, физик Эрвин Шрёдингер де осы мәселеге тоқталып: «Өмірдің сипаттамасы қандай?» деп сұрап, оның «бірдеңе істеуді» жалғастыруында, қозғалуында, қоршаған ортамен материал алмасуында екенін айтқан, бұл «жансыз материя кесегіне» айналуға қарама-қарсы күй.16 Шрёдингер әрі қарай: «Тірі организм ыдыраудан қалай сақтанады? Бұған анық жауап: жеу, ішу, тыныс алу және ассимиляциялау арқылы» дейді. Ол атап өткендей, өсімдіктер мен жануарлардағы бұл процесс үшін қолданылатын техникалық термин грек және көне ағылшын тілдерінен шыққан: метаболизм, яғни алмасу — зат алмасу дегенді білдіреді.

Көбінесе сана тек адамдарға ғана тән деп есептеледі және өсімдіктер мен жәндіктерде, тіпті басқа жануарларда жоққа шығарылады. Адам ретінде біз саналы ойлар немесе саналы пайымдаулар деп санайтын өзіміздің мақсатты ойлау процестерімізге көбірек көңіл бөлеміз және теннис добын ұру үшін қажетті жасырын интеллектуалды өңдеуді ескермейміз. Біз саналы тәжірибемен бөлісетін оқиғаларды айту қабілетімізді саналы ойлаудың мысалы ретінде сипаттаймыз, бірақ жануарлар да оқиғаларды баяндайды — тіпті аралар да.

Эрвин Шрёдингер 1944 жылғы «What is Life?» (Өмір деген не?) кітабында3 сана мәселесіне тоқталады, оған «Ақыл және материя» деп аталатын мақалалар жинағы енген. Ол бәрімізге таныс болуы мүмкін белгілі бір қайшылықты сипаттайды: «биология бізге денеміз Табиғат заңдарымен басқарылатын механизм ретінде жұмыс істейтінін көрсетеді, бірақ біз өзіміздің даусыз жеке тәжірибемізден өзіміздің жеке қозғалысымызды [саналы түрде] бағыттайтынымызды білеміз. Біз бұл қозғалыстың қандай әсер беретінін алдын ала болжай аламыз және осы іс-әрекеттер үшін толық жауапкершілікті өз мойнымызға аламыз». Шрёдингер «сана тірі заттың үйрену процестерімен байланысты» екенін атап өтеді; ал біз бір нәрсені істеуді үйреніп алғаннан кейін, бұл әрекет көбінесе бейсаналыққа айналады. Сонымен, сана — бұл жай ғана үйрену немесе жаңа білімді игеру процесі ме?

Есептеуіш нейробиолог мәселеге басқа тұрғыдан қарауы мүмкін. Дэвид Марр алдымен Кембридж университетінде математиканы оқыды, ал 1969 жылғы кандидаттық диссертациясында ол мидың есептеулерді қалай орындайтыны туралы жаңа тақырыпты зерттеді. Ол мишық (cerebellum), неокортекс және гиппокамптың егжей-тегжейлі анатомиялық ақпаратын жинап, олардың қалай жұмыс істейтінін түсінуге тырысты. Марр осы күрделі нейробиологиялық сұрақтарды шешу үшін қарапайым болып көрінетін үш қабатты есептеу құрылымын жасап шығарды.

Маррдың нейробиологиялық мәселелерді осы әртүрлі деңгейлерге бөлу тәсілі миды зерттеудегі іргетасқа айналды. Марр небәрі отыз бес жасында лейкемиядан қайғылы түрде қайтыс болды, бірақ оның 1982 жылы қайтыс болғаннан кейін жарық көрген «Vision» (Көру) кітабы нейробиологияға және соңғы уақытта ЖИ зерттеулеріне айтарлықтай әсер етті.4

Нейробиологтардың келісетін бір нәрсесі — мида біздің саналы ойларымызға жауап беретін аймақ бар сияқты. Біз жұлынның немесе жүйке жүйесінің үлкен жарақаттан зақымдануы сал ауруына әкелуі мүмкін болса да, өмірдің алуан түрлілігін сезінуге және ләззат алуға болатынын білеміз — саналы ойлауға бұл әсер етпейді. Миымыздың түбінде орналасқан мишық (cerebellum) эволюциялық тұрғыдан ең көне болып саналады және ол біздің ми затымыздың ішінде ең көп нейрондары бар бөлігі болып табылады. Мұнда орналасқан нейрондық жолдардың орасан зор саны біздің өте күрделі сенсомоторлық қабілеттерімізді басқарады, бұл бізге тепе-теңдікті сақтауға және екі аяқпен жүруге, содан кейін жүгіруге және теннис добын ұруға мүмкіндік береді. Ол Даниэль Канеман біздің 1-жүйелік миымыз деп атайтын нәрсемен анық байланысты. Бұл аймақтағы нейрохирургия, мысалы, ісікті алып тастау, біздің тепе-теңдігімізге немесе фортепианода ойнау қабілетімізге әсер етуі мүмкін, бірақ бұл біздің өмірді сезіну және бастан кешу қабілетімізге ешқандай әсер етпейтін сияқты.

Мидың тағы бір үлкен бөлігі — ми қыртысы (cerebral cortex) деп аталатын қатпарлы сыртқы беті. Мидың бұл күрделі аймағы нейрондарымыздың шамамен 15-20 пайызын құрайды. Осы сыртқы қабаттағы көптеген қатпарлар мен аңғарлар мидың басқа бөліктеріне қарағанда әлдеқайда күрделі нейрондық байланыстары бар үлкенірек бетті қамтамасыз етеді. Бұл байланыстар әлдеқайда көп ақпаратты сақтауға және тез өңдеуге мүмкіндік береді. Бұл — көру, кеңістікті сезіну, есту, тіл, ойлау, эмоция, пайымдау және жад сияқты жоғары деңгейлі өңдеуімізбен байланысты аймақ. Бұл сондай-ақ нейробиологтар біздің санамыз үшін маңызды деп санайтын аймақ.

Тонони мен оның әріптесі Марчелло Массиминидің эксперименттері саналы ойлау біздің қыртысты құрайтын төрт бөліктің (лобтың) үшеуін қамтитын аймақпен байланысты екенін көрсетті. Анықталған аймақтарға төбе (parietal), самай (temporal) және шүйде (occipital) бөліктері кіреді. Саналы ойлаудағы негізгі белсенділік олар «артқы ыстық аймақ» (posterior hot zone) деп сипаттайтын аймақта шоғырланған сияқты. Магниттік энергия импульсін қолдана отырып, олар мидың нейрондарында қысқа мерзімді электр тогын тудыра алды. Бас сүйегінің айналасында орналасқан электроэнцефалограмма (ЭЭГ) сенсорларының жиынтығы осы электрлік сигналдарды өлшеп, белсенділіктің үш өлшемді суретін құра алды. Осы ақпараттан олар мидың осы әртүрлі аймақтардағы реакциясының күрделілігін бағалай алды және осы артқы «ыстық аймақты» саналы ойдың көзі ретінде анықтады. Адамдар ұйықтап жатқанда күрделілік төмен болды, ал ояу және белсенді болғанда бұл аймақтағы реакцияның күрделілігі жоғары болды. Ми жарақаты бар, бірақ жауап бере алатын және ояу пациенттерге жүргізілген сынақтарда бұл әдіс осы аймақтағы сананың дәлелдерін растай алды. Байланыс орнатудың барлық әрекеттері сәтсіз аяқталған миы зақымдалған қырық үш пациентке жүргізілген сынақтар отыз төрт пациенттің шынымен де бейсаналық күйде екенін растады, бірақ тоғызы олай болмады, бұл өте өкініштісі — осы тоғыз пациенттің бәрін сезіп, саналы күйде болғанын, бірақ жақындарымен байланыса алмағанын көрсетеді.8

Ол бұл «жеңіл мәселелерді» редукциялық процесс арқылы қарапайым ішкі процестер жиынтығына бөлуге болатын әрекеттерге немесе «функцияларға» жатқызады. Дэвид Маррдың әдісін қолдана отырып, егер біз бір нәрсенің қалай жұмыс істейтінін түсіндіре алсақ, онда біз жоғары деңгейлі функцияны да түсіндірген боламыз. Мысалы, егер біз көзіміздің айналамыздағы әлем бейнесін қалай құратынын түсіндіре алсақ, онда біз қоршаған ортаны қалай көретінімізді сипаттаймыз, содан кейін бұған мүмкіндік беретін негізгі нейрондық өңдеуді анықтауға көше аламыз. Дәл осы нәрсе ұйқы мен ояу күйі арасындағы айырмашылыққа да қатысты.

Адамдарда да ұқсас қуат режимі жүйесі бар сияқты және мидың кейбір бөліктерінде қажетті қуатты азайту, бірақ шағын аймақтарды сақ болып, жауап беруге дайын ұстау жолдары бар. Мұны, бәлкім, досыңызбен серуендеп жүргенде, әңгіме қыза түссе, өзіңіз де сезінген боларсыз: миыңыз осы маңызды талқылауға көбірек энергия жұмсауы үшін сіз тоқтап қаласыз. Миыңыз жүруге қажетті бұлшықеттерді басқаратын санадан тыс (субсаналы) бөлікті өшіріп тастайды.

Шеннон ақпараттық күйлерді ақпараттық кеңістікке ендірілген деп сипаттаған. Бұны түсіндіру сәл қиынырақ, бірақ негізінен, ақпараттық кеңістік – бұл өте күрделі, көп өлшемді орта, яғни ол көптеген түрлі айнымалылардан тұрады және әрбір айнымалы нәтижеге әсер етеді. Бұл ақпараттық кеңістік бізге жаңа ақпаратты өзімізге таныс ақпаратпен салыстыруға көмектеседі (басқаша айтқанда, көптеген түрлі ақпарат бөліктері арасында күрделі ассоциацияларды табу). Ол сондай-ақ бұл жаңа ақпараттың біздің алдыңғы тәжірибемізбен салыстырғанда қаншалықты өзгеше екенін түсінуге мүмкіндік береді.

Біздің мультисенсорлық ақыл-ойымыз сезім мүшелеріміз арқылы қоршаған ортадан жинайтын негізгі ақпаратты ғана алып қоймайды, ол оны ассоциативті процесс арқылы естеліктерімізбен және эмоцияларымызбен араластырады. Осы жаңа ақпаратты бойымызға сіңіре отырып, біз бұл ақпараттың қаншалықты жаңа екенін, оның қаншалықты тез өзгеретінін және оның эмоцияларымызға қаншалықты әсер ететінін ескереміз.

Негізгі технологияны, оның мүмкіндіктері мен шектеулерін білу өте маңызды. Осы уақытқа дейін ЖИ-де орын алған мәселелердің көбі нашар дизайн мен әлсіз оқыту әдістерінен немесе қазіргі ЖИ жүйелерінің көпшілігінің тек бір ғана мақсатқа немесе міндетке бағытталғандығынан туындады. Танымал «Әлеуметтік дилемма» (The Social Dilemma) деректі фильмінде біз әлеуметтік желідегі сілтемені басқан сайын әлеуметтік желі платформалары үлкен ЖИ суперкомпьютерінің барлық есептеу қуатын қалай жұмылдыратынын көреміз. Әлеуметтік желінің ЖИ жүйесі сізді қайтадан басуға мәжбүрлеуге бағытталған. Бұл деректі фильм сізді платформада көбірек уақыт өткізуге мәжбүрлеу деген осы бір ғана мақсатқа назар аударудың орнына, машинаны «пайдаланушылардың тиімді өткізген уақыты» сияқты күрделірек, көп өлшемді мақсатқа назар аударуға үйретуіміз керек шығар деп ұсынады.

Адамдар шешімдерінің көбін қалай қабылдайтынын толық түсіндіре алмайды – шындығында біз өз әрекеттерімізді кейіннен ақтаймыз (пост-рационализация). Шешім қабылдау процесінің көп бөлігі біздің бейсаналық ақыл-ойымызды құрайтын терең биологиялық нейрондық желілерде жасырылған. Біздің адами шешімдерімізге эмоцияларымыз, құндылықтарымыз бен тәжірибеміз де қатты әсер етеді. Робототехник Ганс Петер Моравек жазғандай:

Адам миы керемет және біз көбінесе беткі қабаттың астында қаншалықты көп нәрсе болып жатқанын мүлдем білмейміз. Біздің саналы ақыл-ойымыз әлі күнге дейін жұмбақ болып қала береді және біз ақыр соңында жоғары деңгейлі пайымдауды еліктейтін машиналық оқыту әдістерін ойлап тапсақ та, біз машинаны ешқашан саналы ойлауы бар деп сипаттамауымыз керек. Ең бастысы, біз машинаның, қаншалықты қуатты болса да, тәуелсіз саналы әрекет жасағанына ешқашан сенбеуіміз керек. Біз көретін нәрсе адам сипаттаған машиналық оқыту әдісінің нәтижесі болады. Біз машина саналы (сентентті) болды деп ойлау қателігіне бой алдырмауымыз керек. Ол өте саналы болып көрінетін мінез-құлыққа еліктеуі мүмкін, бірақ ол тек адамдар сипаттаған машиналық оқыту әдісімен жүреді.

Америкалық футурист Рэй Курцвейл өзінің 2005 жылғы «Сингулярлық жақын» атты кітабында сингулярлық 2045 жылға қарай болады деп мәлімдеді. Мен бұл көзқарасты сәл идеалистік деп санаймын. Көріп отырғанымыздай, адамнан асатын зерде сыйымдылығы бар машина жасау қазір қолжетімді жерде. Бірақ мен бұл машинаның өз бетінше бұдан да жақсы машиналарды жобалай және құра алмайтынын да көрсетемін. Ультра-зерделі машина адамдарға қуаттырақ машиналарды жобалауға көмектесуі мүмкін, бірақ машина адамның бағыттауысыз немесе бақылауынсыз бұған өздігінен қол жеткізе алмайды. Оған адамдардың көмегі қажет болады – адамдар мен машиналар бірге жұмыс істеуі керек. Бұл мәселе өте маңызды және жиі ескерусіз қалады. Сондықтан біз ЖИ жүйелерінің қалай жұмыс істейтінін түсінуіміз керек, сонда біз не мүмкін екенін көре аламыз, сонымен қатар шектеулерді де танимыз.

Джек Гуд анықтағандай, адамдардың өзіндік шектеулері бар. Әдеттегі адам миының салмағы шамамен 1,4 кг және ол шамамен 25 ватт қуат тұтынады. Өте қуатты болса да, біздің миымыз өзімізбен бірге алып жүруге жеткілікті кішкентай болуы керек. Ол бізге тиімдірек аң аулау үшін жетілдірілген көру жүйемізді қуаттандыруға және басқалармен тиімді қарым-қатынас жасау үшін естуіміз бен сөйлеуімізді қолдауға қажет. Осы талаптарға байланысты біздің миымыз бассүйегіміздің ішіне сыюы керек, сондықтан оның нақты қаншалықты үлкейе алатындығы шектеулі болады.

Электронды компьютермен салыстырғанда, біздің миымыз баяу компоненттерді пайдаланады, нейрондық-импульстік жолдардың көбі (олар... [MӘТІН АЯҚТАЛДЫ]

...миымыздағы байланыс) небәрі бірнеше жүз герц жиілігінде жұмыс істейді, ал ноутбук немесе смартфон процессоры гигагерцпен есептеледі. Бұл ми операцияларын заманауи компьютерден шамамен 10 миллион есе баяу етеді, сондықтан компьютерлер арифметикалық есептерді сізден әлдеқайда жылдам орындайды. Дегенмен, миыңызда параллельді есептеу жолдары әлдеқайда көп және шамамен 86 миллиард нейрон мен ақпаратты сақтайтын 100 триллионнан астам параметрдің арқасында ол компьютерлерге тану қиын болатын заңдылықтарды көре алады. Сондай-ақ, адам миы жартылай өткізгішті интегралды схемалардан жасалған компьютерге қарағанда энергияны әлдеқайда тиімді тұтынады. Осындай айырмашылықтарды ескере отырып, Джек Гуд алғаш болжаған «аса зияткер машинаға» ұқсас нәрсені құрастыра аламыз ба?

Адамның бір жасушалы ағзадан қазіргі кейпіне дейін дамуына 3000 миллион жылдан астам уақыт кетті. Ұрпақтан-ұрпаққа жалғасқан өте біртіндеп оқу процесінен туындаған бұл эволюциялық жол қазіргі таңда жоғары дамыған және тиімді зияткерлік жүйенің пайда болуына әкелді. Адам дүниеге келгенде, оның биологиялық нейрондық желілерінің оңтайландырылған иерархиясы дайын болады. Көптеген құрылымдар алдын ала жаттықтырылған, сондықтан адамдар қоршаған ортаға тез бейімделуге мүмкіндік беретін ақпаратты жылдам жинай алады.

Біз, адамдар, барлық ақпаратты өз процессорымыз — миымыздың ішінде сақтаймыз. Ақпарат пен естеліктерді сыртқы жад жүйесіне жіберудің қажеті жоқ. Жаңа ойлар туындаған бойда ақпарат қолжетімді болады. Адамдар мен жануарларға нейрондық жолдардың шытырман лабиринтінен қажетті байланысты (немесе ассоциацияны) табу ғана керек. Керісінше, электронды компьютер ақпаратты жад чипіне жіберуі керек, ал мәселелер күрделенген сайын, бұл жадқа қол жеткізу жылдамдығы жиі «тар өткел» (bottleneck) тудырады. Ең үлкен суперкомпьютерлерде жоғары жылдамдықпен жұмыс істейтін, деректерді сыртқы жадқа алға-артқа тасымалдайтын мыңдаған процессор ядролары бар, ал сіздің миыңызда параллельді жұмыс істейтін, бірақ барлық естеліктер ішінде сақталған миллиардтаған өте кішкентай өңдеу элементтері (нейрондар) бар.

Біздің миымыздың есептеу өнімділігінің баламасы қандай екенін ешкім нақты білмейді, бірақ зерттеушілер оны секундына 1 миллиард миллиард есептеу жасай алады деп болжайды — бұл қуаты бір Эксафлоп (Exaflop) болатын суперкомпьютерге тең. Бұл көрсеткіштің қаншалықты орынды екені белгісіз, себебі балама процессорға қажет есептеу қуаты машиналық оқыту әдісінің тиімділігіне және машинаның қаншалықты ақпарат сыйымдылығына тиімді қол жеткізе алатынына байланысты түбегейлі өзгереді. Көліктің отын шығыны сияқты, компьютердің нақты атқара алатын жұмысы процессор мен жад жүйесінің қаншалықты тиімді екеніне және олардың ЖИ қолданбасына қаншалықты бейімделгеніне байланысты болады.

Аса зияткер компьютерге бір жартылай өткізгішті интегралды схемаға сыймайтын әлдеқайда көп есептеу өнімділігі мен жад қажет болады. Аса зияткер машина жасау үшін бізге бір-бірімен байланысқан көптеген процессор чиптері керек, және бұл байланысқан процессорлардың барлығы үйлесімді жұмыс істеуі тиіс.

Осы қиындықтарға қарамастан, біз триллиондаған параметрлерді өңдей алатын, Эксафлоптық есептеулерді орындайтын мыңдаған арнайы ЖИ процессорларын біріктіретін өте үлкен машиналар құрастыруға болатын уақытқа жақындап қалдық. Мұндай машинаға ондаған мегаватт энергия қажет болуы мүмкін және ол қойма көлеміндей деректер орталығын алып жатады, бірақ қағаз жүзінде ол адам миының білім сыйымдылығына сәйкес келуі немесе тіпті одан асып түсуі мүмкін. Адам миымен салыстырғанда, бұл машинаға шамамен 1 миллион есе көп энергия қажет болады және оған тек «бұлтты» (cloud) сервис арқылы қол жеткізуге болады. Бірақ мұндай машина жасанды интеллектте және басқа да көптеген салаларда келесі серпілістерді жасауға арналған платформаға айналады.

Біз 5-тарауда талқылаған жартылай өткізгішті интегралды схемалардың мида қолданылатын биологиялық жүйелермен салыстырғанда бір іргелі кемшілігі бар. Жартылай өткізгіш жады мен процессорлары өте қуатты болғанымен, олар компьютер құрастырудың ең тиімді жолы емес. Эволюция әлдеқайда тиімді өңдеу қозғалтқыштарын жасады, ал зерттеулер заманауи компьютерлердің биологиялық жүйелерге қарағанда шамамен 1 миллион есе аз тиімді екенін көрсетті.

11-тарауда көргеніміздей, адам миының білім сыйымдылығына сәйкес келетін жартылай өткізгішті интегралды схемалардан жасалған компьютерге ондаған миллион ватт қажет болуы мүмкін, ал біздің адам миы небәрі 25 ватт тұтынады. Бірақ тіпті біздің жоғары дамыған сүтқоректілер кортексіміз теориялық тұрғыдан мінсіз биологиялық машинадан шамамен 100 есе аз энергия тиімділігіне ие. Бұл есептеу қуатының шегін 1961 жылы IBM зерттеуші-ғалымы Рольф Ландауэр сипаттаған. Ол ақпарат ДНҚ тізбектері, нейрондар және транзисторлар сияқты физикалық жүйелермен анықталады деп сенді. Соның салдарынан жасушалардың, мидың және жартылай өткізгіштердің ақпаратты өңдеу тәсілдеріндегі шектеулер физика заңдарымен белгіленеді.

Ол осы әртүрлі жүйелерді өлшеп, теориялық шектің бар-жоғын есептеуге кірісті. Біз қазір Ландауэр принципі деп атайтын нәрсе ақпарат пен физикалық жүйелер арасындағы іргелі өзара байланысты көрсету арқылы біздің түсінігімізді өзгертті. Ландауэр принципі жартылай өткізгіштер үшін транзистордың бірден нөлге ауысуы үшін қажетті минималды қуат ақыры жартылай өткізгішке негізделген компьютерлердің дамуын тежейтінін көрсетеді. Сайып келгенде, тым көп энергия қажет болады және компьютерлер жақсара отырып, өлшемдерін кішірейте алмайды. Өкінішке орай, біз бұл шекке жақындап қалдық.

Салыстыру үшін: адам шашының ені шамамен 70 микрон (микрон — метрдің миллионнан бір бөлігі); сіздің көзіңіз шамамен 40 микронға дейінгі кішкентай заттарды көре алады; микроскоппен көрінетін эритроцит шамамен 8 микрон; ең кішкентай адам жасушалары шамамен 4 микрон. Заманауи жартылай өткізгіште адам жасушаларынан жүз еседен астам кіші сызықтар болуы мүмкін.

Деннард пен оның командасы байқағандай, егер сіз транзистордың өлшемін екі есе азайтсаңыз (кремнийде алатын ауданын екі есе азайту), онда бұрын бір транзистор сыйған жерге екі транзисторды сыйғыза аласыз. Транзистор кішірейген сайын оның жылдамдығы да артатыны соншалықты айқын емес, себебі электр тогы құрылғы арқылы қысқарақ қашықтыққа жүреді. Іс жүзінде жылдамдықтың артуы транзистор ұзындығының азаюына тікелей пропорционал және бұл аудан екі есе азайғанда жылдамдықтың шамамен 40 пайызға артуына әкеледі. Алайда, Деннард жұмысындағы басты жаңалық — осы кішірек транзисторлардың әрқайсысы тұтынатын қуаттың ауданның азаюына тікелей пропорционал кемуі болды. Транзистор өлшемі екі есе азайғанда, қуат та екі есе азаяды. Бұл дегеніміз, бұрын бір транзистор болған жерде біз екі транзисторға ие боламыз, олардың екеуі де 40 пайызға дейін жылдам және әрқайсысы тұтынатын қуат алдыңғы ұрпақпен салыстырғанда екі есе аз. Әрбір технологиялық жақсарту сайын сіз бір бағаға екі транзистор аласыз. Сондықтан сіздің ұялы телефоныңыз үнемі жақсарып отырады, ал батареясы бұрынғыша ұзақ уақытқа жетеді. Жартылай өткізгіш өнеркәсібі 1960-жылдардан бері осы «сиқырлы масштабтауды» жалғастырып келеді, сондықтан біз бір адамның өмірінде мүмкіндіктері 25 миллиард есе жоғары электронды өнімдер жасай алдық.

Транзисторлардың өлшемі әр екі жыл сайын екі есе азайып, жиырма жылдан кейін сіз өлшемді 1024 есе, ал қырық жылдан кейін 1 миллионнан астам есе азайттыңыз. Біздегі қазіргі микропроцессорлар мен жасөспірім кезімде алғашқы компьютерімді құрастыру үшін пайдаланған ертедегі 6502 микропроцессорынан шамамен 1 миллион есе қуатты. Мен алғаш қолданған ертедегі чиптер, өз кезегінде, 1960 жылы жасалған алғашқы жартылай өткізгішті интегралды схемалардан 20 000 есе қуатты болған еді.

8. Пунктирлі сызық Мур заңын көрсетеді; тұтас сызық нақты қол жеткізілген масштабтауды көрсетеді.

Адам миының архитектурасын зерттей отырып, нейробиолог профессор Эдвард Буллмор мен оның Кембридж университетіндегі командасы әртүрлі масштабта қайталанатын ұқсас заңдылықтарды анықтады. Олар байқаған нәрсе — нематода құртында кездесетін әлдеқайда қарапайым құрылымдармен таңқаларлық ұқсастық. Нематода құрты зияткерлік зерттеулері үшін аса келешегі бар тіршілік иесі болып көрінбеуі мүмкін, бірақ бұл өте кішкентай және қарапайым көп жасушалы ағза бізге нейрондар мен синапстардың қалай жұмыс істейтінін тереңірек түсінуге мүмкіндік берді. Құрылымы қарапайым болғандықтан, зерттеушілер оның нейрондық байланыстарын толық картаға түсіре алды. Оның жүйке жүйесі мұқият зерттелді және бұл қарапайым тіршілік иесі барлық тіршілік иелерінің ішіндегі ең жақсы зерттелгендерінің бірі болып табылады. Таңқаларлық жайт, нематода құртындағы нейрондар мен нейрондық байланыстардың қатынасы адамдардың, жануарлардың немесе тіпті жәндіктердің миында кездесетін қатынастарға сәйкес келеді.

Адам миында көлемнің шамамен 77 пайызын байланыс алады деп есептеледі. Сүтқоректілердің ми көлемі ұлғайған сайын, байланысқа арналған көлем функционалды нейрондарға арналған көлемге қарағанда жылдамырақ өседі және екеуінің арасындағы қатынас «дәрежелік заң» (power law) деп аталатын нәрсеге жуықтайды.fn5 Экспоненциалды масштабтаудың әсерін елестету кейде бізге қиын соғады, бірақ оны танымал логикалық сұрақпен сипаттауға болады:

Егер сіз бұл сұраққа жай ғана көз жүгіртіп өтсеңіз, жауап — 24 күн, яғни бүкіл көлді жабуға кететін уақыттың жартысы деп айтуыңыз мүмкін. Бірақ дұрыс жауап — 47 күн. Күн сайын лалагүл жапырақтары алып жатқан аудан екі есеге артады, сондықтан 47-ші күннен 48-ші күнге дейін лалагүлдер көлдің жартысын жабудан бүкіл көлді жабуға ауысады. 24-ші күні лалагүлдер көл бетінің небәрі 1/16 000 000 бөлігін ғана алып, мүлдем көрінбейтін еді. Бұл логика бізді технологияның дамуы туралы жиі айтылатын дәйексөзге әкеледі. Оны алғаш рет 1977 жылы американдық ғалым және Болашақ институтының президенті Рой Амара айтқан, ол қазір Амара заңы ретінде белгілі: «Біз технологияның қысқа мерзімді әсерін асыра бағалауға, ал ұзақ мерзімді әсерін жете бағаламауға бейімбіз».

Байланыс құрылымдарындағы бұл дәрежелік заңдылықты алғаш рет 1960-жылдары IBM зерттеу зертханасының тағы бір зерттеушісі Э. Ф. Рент анықтаған, ол алғаш рет электронды схемалардағы Рент масштабталуы (Rentian scaling) деп аталатын құбылысты ашты. Болашақта жаңа компьютерлер құрастыру кезінде бізге Рент масштабталуының әсерін ескеру қажет болады. Біздің жартылай өткізгішті ИС-тарда көбірек аудан байланыстың ерекше формаларына арналуы керек. Процессорлардың жадпен сөйлесу тәсілі де өзгеруі тиіс және процессорлар арасында ақпарат алмасу үшін жадты пайдалану тәсілі өте маңызды болады. Біз енді процессорларымыздың тек жылдамдай түсуіне сеніп отыра алмаймыз. Керісінше, бізге мүмкіндіктерімізді арттыруды жалғастыруға мүмкіндік беретін жаңа компьютерлік архитектураларды әзірлеу өте маңызды.

Біз алғашқы ультра-интеллектуалды машиналарды осы жаңа әдістерді қолдана отырып, алдағы бірнеше жылда әлі де құра аламыз, бірақ жақын арада ішінде аз қуат тұтынатын, ультра-интеллектуалды кремний чипі жасырылған гуманоидты роботтарды күтпеңіз. Одан да ақылды машиналарға қарай ілгерілеу үшін бізге басқа материалдарды зерттеу керек болады. Кремний технологиясы өзінің қазіргі даму деңгейіне жету үшін алпыс жыл қажет етті және жартылай өткізгішті интегралды схемалар — адамдар жасайтын ең күрделі өнім, бірақ біз ақырында осы материалдардың физикалық шектеулеріне тап бола бастадық. Оның орнын басатын нәрсе бір күнде пайда бола қоймайды.

Кванттық компьютерлер «үйлесімділікті» (entanglement) пайдалануды мақсат етеді, бұл басқа жағдайда өздерін мүлдем кездейсоқ ұстайтын кубиттердің өзара байланысты болуына әкеледі. Бұл кубиттердің бірге жұмыс істеуіне (немесе айналуына) мүмкіндік береді және осы үйлесімділікті пайдалану арқылы есептеулер жүргізілуі мүмкін. Жүйеге қосылған әрбір кубит машинаның мүмкіндігін екі есе арттырады, сондықтан егер сіз көптеген кубиттердің бірге жұмыс істеуіне қол жеткізе алсаңыз, онда өте қуатты машина құра аласыз. Бүгінде бірнеше жүз кубиті бар машиналар жасалды, бірақ саладағы сарапшылардың айтуынша, олар шынымен пайдалы жұмыс істей алуы үшін бізге 1 миллион немесе одан да көп кубиті бар кванттық компьютерлер қажет болуы мүмкін. Өйткені әлі де еңсерілуі тиіс бірнеше кедергілер бар, олардың ең үлкені — шу. Кванттық компьютерлер өте нәзік және олардың қоршаған ортамен болған ең аз әрекеттесуі нәтижелерді бұрмалайды. Кванттық компьютерлер өте тез кездейсоқ шу генераторларына айналады, бұл олардың мағынасыз жауаптар беретінін білдіреді. Бұл шу мәселесін шешу және кубиттердің көбірек санына дейін масштабтау — қазіргі уақытта көптеген компаниялар мен зерттеушілер жұмыс істеп жатқан мәселе.

Көріп отырғанымыздай, кремний компьютерлері соңғы алпыс жылда көрген қарқынмен масштабтауды жалғастыра алмайды. Дегенмен, жақын арада бізде жасанды интеллектте таңғажайып жаңа жетістіктерге жол ашатын ультра-интеллектуалды машиналар болады, олар кванттық машиналар арқылы тездетіледі деп үміттенеміз. Бәлкім, біз осы жасанды интеллекттерді компьютердің жаңа түрін қалай құру керектігін анықтау үшін пайдалана алармыз? Джек Гуд айтқандай, «ультра-интеллектуалды машина бізге одан да жақсы машиналарды жобалауға мүмкіндік береді», және ультра-интеллектуалды машина бізге көмектесе алатын салалардың бірі — молекулалық есептеулер.

Дегенмен, тек жад жүйелері ғана мүмкін болмайды. Жасанды жолмен жасалған белокты пайдаланып және оның бүктелген күйін химиялық басқарылатын процесс арқылы өзгерту арқылы біз керемет кішкентай және өте энергия үнемдейтін молекулалық ауыстырып-қосқыштар жасай аламыз. Бұл молекулалық ауыстырып-қосқыштар логикалық схемаларды құру және ДНҚ құрылымдары түріндегі сақтау элементтерімен әрекеттесу үшін пайдаланылуы мүмкін. Терең жасанды нейрондық желі құрылымдарын құру мүмкін болуы мүмкін. Сондай-ақ бұл жүйелерді әлдеқайда үлкен молекулалық компьютерлер құру үшін масштабтау мүмкін болуы мүмкін. Белок молекулаларын ауыстырып-қосу кремний транзисторларын ауыстырып-қосумен салыстырғанда өте баяу болады, бірақ олардың өлшемі мен энергия тиімділігі масштабтаудың орнын толтыра алатынын және өте қуатты машиналарды құруға мүмкіндік беретінін білдіреді. Бәлкім, ақырында ең қуатты жартылай өткізгішті машиналардан асып түсетін, бірақ 10 000-нан 1 миллион есеге дейін аз энергиямен жұмыс істейтін молекулалық компьютерлерді құру мүмкін болады. Бұл қашан болатынын айту қиын. Өте ерте зерттеулер жүріп жатыр, бірақ тіпті кішігірім жүйелердің өзіне үш онжылдық қажет болуы мүмкін. Ультра-интеллектуалды компьютерлер бізге бұл уақыт кестесін тездетуге көмектесуі мүмкін.

Біз ерте өнеркәсіптік революцияны смог пен ластану кезеңі деп санаймыз және 1800 жылы қазба отынын жағудан және өнеркәсіптік процестерден жыл сайынғы дүниежүзілік көмірқышқыл газының шығарындылары жылына шамамен 30 миллион тоннаны құрады. 1950 жылға қарай біздің әлдеқайда индустрияланған әлемдік экономикамыз шамамен 6 миллиард тонна шығарды. 2022 жылы біздің постиндустриалды деп есептелетін қоғамымыз 36 миллиард тоннадан астам өнім шығарды (1800 жылдан бері 1200 есе өсті). Көбірек елдер «дамыған» экономикаға айналған сайын бұл сан өсуде.

Көріп отырғанымыздай, адам ағзасы біз жейтін тағам арқылы келетін сағатына шамамен 100 ватт энергия тұтынады. Дегенмен, адамдарға дамыған қоғамдарымызды қуаттандыру үшін бұдан әлдеқайда көп энергия қажет. Ұлыбританияда жан басына шаққандағы энергия тұтыну сағатына шамамен 4000 ватт (немесе 4 кВт/сағ). Қытайда жан басына шаққандағы тұтынылатын энергия шамамен 3 кВт/сағ, бірақ ол тез өсіп келеді, ал АҚШ-та бұл көрсеткіш әлдеқайда жоғары — 9 кВт/сағ. Әлемдік орташа көрсеткіш қазіргі уақытта бір адамға 2 кВт/сағ-тан сәл асады, бірақ көбірек елдер «модернизацияланған» сайын, бізге қажет болатын энергия мөлшері өсе береді. Дүниежүзілік жалпы энергия тұтынуы 18 миллиард кВт/сағ екі еседен астам өсуі мүмкін және жақын арада 40 миллиардқа жетуі мүмкін. Энергия тұтынуды азайтып, қазіргі өмір сүру деңгейімізді сақтап қаламыз немесе жақсартамыз деп ойлау аңғалдық. Қазіргі қоғамымызды сақтап қалу және кедейліктің өткеннің еншісінде қалуын қамтамасыз ету үшін бізге жаһандық энергия өндірісін арттыру қажет болады, бірақ біз бұл өсіп келе жатқан сұранысты нөлдік көміртегі түрінде қамтамасыз ету жолдарын табуымыз керек.

Электр энергиясы біздің энергия тұтынуымыздың шамамен 20-30 пайызын құрайды, бұл елден елге өзгеріп отырады. Тіпті электр энергиясының үлкен бөлігі күн энергиясынан келетін Германия сияқты елдерде немесе белгілі бір күндері бүкіл электр энергиясын желден алатын Данияда да, бұл жаңартылатын энергия көздерінің толығымен ауа райына тәуелді екендігі мәселе болып қала береді. Электр қуатының үзілуін болдырмау үшін энергетикалық компанияларға резервтік көздердің қашан қажет болатынын анықтау үшін ауа райының ең дәл болжамдарына қол жеткізу керек. Әрбір ауысып-қосылу уақытын мүмкіндігінше дәл жасау, егер біз көміртегі шығарындыларын барынша азайтқымыз келсе, өте маңызды.

Батареялар және энергияны ұзақ сақтаудың басқа технологиялары жаңа жаңартылатын көздерге негізделген энергия желісінің бөлігі ретінде өте маңызды болып келеді. АҚШ-тың Лоуренс Беркли ұлттық зертханасы мен Берклидегі Калифорния университетінің зерттеушілері келесі буын батареяларында қолдануға болатын әлеуетті жаңа материалдарды зерттеу үшін ЖИ-ді қолдануда. Біздің энергия желісінде энергияны сақтау үшін қажет батареялар үлкен болады және ұзақ уақыт бойы зарядты сақтай алуы керек. Олар электромобильдерде қолданылатын кішкентай, жеңіл және портативті батареялардан мүлдем басқаша болуы мүмкін. Артық энергияны газды сығымдау үшін пайдалану және кейінірек осы қысымды энергия өндіру үшін пайдалану сияқты басқа сақтау тәсілдері де перспективалы. Жаңартылатын көздерден алынған бос энергияны кейінірек энергия өндіре алатын жаңа химиялық зат жасау үшін пайдаланатын химиялық процестер де зерттелуде. Бұл ұзақ мерзімді маусымдық энергияны сақтауға көмектеседі. Тағы бір мысал — суды сутегіне айналдыру, оны кейін балама нөлдік көміртекті отын ретінде пайдалануға болады. ЖИ осы тәсілдердің барлығын ілгерілету үшін қолданылуда.

Физик Эрнест Резерфорд өзінің 1934 жылғы әйгілі экспериментімен синтездің мүмкін екенін көрсетті және «орасан зор әсер пайда болғанын» хабарлады. Бірақ 1950 жылдарға дейін зерттеушілер энергия өндіру үшін ядролық синтез процесін қайталау мүмкіндіктерін шындап қарастыра бастаған жоқ. Бүгінгі атом электр станцияларында қолданылатын ядролық ыдыраудан (fission) айырмашылығы, ядролық синтез өте қауіпсіз, өйткені ол ұстап тұрусыз жалғаса алмайды, сондықтан синтез реакциясының Чернобыль немесе Фукусимадағыдай апатпен аяқталуы мүмкін емес. Қажетті материал мөлшері де өте аз және синтез реакторындағы «жанған» отын қалдықтары — фондық радиация деңгейі өте төмен инертті газ. Бұл тегін және шексіз энергияны өндірудің тамаша жолы, егер біз...

Бұл плазманы ұстап тұрудың бір әдісі — «токамак» деп аталатын тоқаш тәрізді құрылғыны пайдалану. Оның құрамында сутегі атомдарын біріктіріп, тұрақты синтез реакциясын жасау үшін өте қуатты электромагниттер бар. Энергия алу үшін плазманы 100 миллионнан 200 миллион градус Цельсийге дейін толық қыздыру үшін оны бақылауда ұстау керек. Электромагниттердің осы аса ыстық плазманың токамак камерасының қабырғаларына тиюіне жол бермеуі өте маңызды. Әйтпесе, бұл реакторды зақымдауы мүмкін, ең бастысы — синтез реакциясын баяулатады немесе тіпті тоқтатады.

Энергия өндіруден бөлек, ЖИ бүгінде көміртегіні көп бөлетін өндірістік процестерді жақсарту үшін де қолданылады. Цемент, болат, химия және пластик сияқты өнеркәсіп салалары энергияны көп тұтынып қана қоймай, өндіріс процесінің жанама өнімі ретінде көмірқышқыл газы мен басқа да парниктік газдарды шығарады. ЖИ қалдықтарды азайтатын, ең бастысы көміртегі шығарындыларын төмендететін жаңа қоспаларды іздеу үшін қолданылуда.

Әлем халқының 90 пайыздан астамы электр қуатына және мобильді интернет сигналына қол жеткізе алғанымен, әлемдегі барлық жас ересектердің шамамен 50 пайызы ғана орта білімді аяқтайды. Тек 7 пайызы ғана бакалавр дәрежесіне тең білім алады. Біріккен Ұлттар Ұйымының мәліметінше, бүгінде бүкіл әлем бойынша 600 миллионнан астам бала мен жасөспірім (жалпы санның 55 пайызы) әлі күнге дейін оқу, жазу және математика бойынша минималды біліктілік деңгейіне жете алмай отыр.

1940 жылдардағы Американың статистикасы да осыған ұқсас болды: адамдардың тек 40 пайызы ғана орта мектепке барған және тек 6 пайызы бакалавр дәрежесін алған. Бар болғаны төрт ұрпақтан кейін жағдай мүлдем басқаша көрінеді: қазір жастардың 88 пайызы орта мектепті бітіреді және 60 пайызы колледжде немесе университетте жоғары білім алады. Дегенмен, 16 мен 74 жас аралығындағы американдықтардың жартысынан көбінің (54 пайыз) оқу дағдылары алтыншы сынып деңгейінен төмен (орташа есеппен 11 немесе 12 жастағы балаға тең). ЖИ осы білім беру мәселелерін шешуге көмектесе ала ма?

Нәтижелері таңқаларлық. Қызықты анимациялық кейіпкерлер жас студенттердің назарын аударуға көмектессе, мұғалімдер қажет болған жағдайда араласады, осылайша оқушылар тез ілгерілейді. ЖИ оқыту жүйелері тіпті студенттердің бет-әлпетін бақылап, олардың тақырыпты қашан түсінгенін немесе қиналғанын біле алады. Кейбір жүйелерде дұрыс жауап беру көрсеткіші 50 пайыздан 80 пайызға дейін өсті.

Вашингтондағы киберқауіпсіздікке бағытталған Alperovitch институты өткізген қарқынды бағдарламалық қамтамасыз етуді әзірлеу бойынша оқу сессиясында ChatGPT-ні қолданып көрді. ChatGPT-тің қолжетімді болуы студенттерге негізгі сұрақтарға жауап табуға мүмкіндік беріп, олардың бейтаныс мәселелер бойынша білімін жылдам жетілдіруге көмектескенін анықтады. Бұл сыныптың тек бірнеше студентке ғана қажет сұрақтармен үзілуінен сақтады.

Егер сіз 1900 жылы дүниеге келген болсаңыз, орташа есеппен небәрі отыз бір жыл өмір сүрген болар едіңіз. Қазіргі заманғы ғылым мен денсаулық сақтау саласындағы серпілістер бұл жаһандық орташа өмір сүру ұзақтығын жетпіс үш жастан асырды. Денсаулық сақтаудағы революция келе жатыр. Шынында да, біздің денсаулығымыз — жаңа технологиялардан ең жағымды әсер алатын сала болуы мүмкін.

Қан анализі мен ДНҚ сынамаларынан алынған ақпаратты пайдалана отырып, ЖИ біздің денеміздің ішінде не болып жатқаны туралы білімнің жаңа әлемін ашады. Дәстүрлі тесттер қуатты, бірақ ЖИ біздің денеміздегі жасушалар мен олардың қалай жұмыс істейтіні туралы әлдеқайда бай суретті қалыптастыруға көмектеседі.

Бірақ кейде дәрігерлерге физикалық ақпарат та қажет. Рентген сәулелерін қолданатын компьютерлік томография (КТ) немесе радио толқындарды қолданатын магнитті-резонанстық томография (МРТ) арқылы дененің үш өлшемді сканерлеуі біздің денеміздің өте егжей-тегжейлі физикалық көрінісін жасайды. ЖИ рентгенологтар мен онкологтарды алмастырудың орнына, жұмыс процестерін жақсартуға және жаңа түсініктерді ашуға көмектеседі. Бұл әдістер қатерлі ісікті анықтау және мүшелеріміздің ішкі құрылысын егжей-тегжейлі зерттеу үшін қазірдің өзінде қолданылуда.

КТ сканерлеудегі негізгі мәселе — әртүрлі уақытта түсірілген кескіндерді бір-бірінің үстіне қою және салыстыру. Бұл процесс пациенттің жағдайындағы өзгерістерді бақылау үшін маңызды, бірақ кескіндер жиі шамалы өзгеше болады және КТ сканерлеу кезіндегі тыныс алудан немесе сканерлеу арасындағы пациенттің салмақ өзгерістерінен туындаған дене пішінінің өзгеруіне оңай әсер етуі мүмкін.

Үндістанның Тіркеуші басқармасы мен Халық санағы жөніндегі комиссарының мәліметтері бойынша, әйелдердің өмір сүру ұзақтығы қалалық жерлерде шамамен жетпіс төрт жасты құраса, ауылдық қауымдастықтарда бұл көрсеткіш небәрі алпыс тоғыз жасқа дейін төмендейді. Ерлер үшін дәл осы көрсеткіштер жетпіс бір жасты құраса, ауылда алпыс алты жасқа дейін азаяды.

Бір жаңа дәріні толық клиникалық сынақтан өткізу орташа есеппен 1,3 миллиард долларға (шамамен 1 миллиард фунт стерлинг) түседі және бұл шығындар зертханалық зерттеулер мен мақұлдау сынақтарының күрделенуіне байланысты өсіп келеді. Бүгінгі таңда әзірленіп жатқан жаңа дәрілердің тек 10 пайызы ғана осы күрделі процестен сәтті өтіп, нарыққа шығады.

Бұл микроскопиялық соғысты түсіну және осы жасушалық деңгейде жұмыс істей алатын дәрілермен айналысу — озық компьютерлік симуляциялар арқылы ашыла бастаған зерттеулердің жаңа саласы. AI жүйелері біздің денемізді құрайтын интеллектуалды жасушалық жүйелердің күрделілігін шешуге көмектеседі. Олар ақуыздардың үш өлшемді құрылымын болжай алады және бұл — 5-тараудағы AlphaFold жүйесін сипаттау кезінде көргеніміздей, таңғажайып прогресске қол жеткізілген сала.

AI-ға негізделген дәрі-дәрмектерді ашудың бұл жаңа саласы әлі де ерте кезеңде, бірақ соңында өте терең әсер етуі мүмкін. Оны компьютерлік ойын сияқты елестетіп көріңізші, мұнда ойын ортасы — AI жүйесі түсінуге тырысатын біздің жасушаларымыздың симуляциясы. AI жүйесі зақымдалған жасушалардағы ақуызға жабыса алатын және вирусты өлтіретін, қатерлі ісіктің өсуін тоқтататын немесе бізге зиян келтіретін бактерияларды блоктайтын дәріні жеткізе алатын дәл сол химиялық молекуланы қалай табуға болатынын үйрене алады.

Бұл мүмкін емес тапсырма сияқты көрінуі мүмкін, бірақ ол қазірдің өзінде орындалып жатқан дүние. Есептеу әдістері іс жүзінде 1970 жылдардан бастап шағын молекулалы дәрілерді жобалау үшін қолданылып келеді. Осы шағын молекулалар үшін сандық ақпараттың уақыт өте келе жинақталуы бұл саланы жаңа AI әдістерін қолдану үшін белсенді етеді. Жасанды интеллект әртүрлі шағын молекулалы кандидаттардың қасиеттерін болжау үшін қолданылуы мүмкін, бұл клиникалық сынақтардағы сәттілік сенімділігін күрт арттырады.

2019 жылы Гонконгтық Insilico Medicine стартапының зерттеушілері Nature журналында AI-ды фиброзда (тіннің қалыңдауы немесе тыртықтануы) және басқа ауруларда ингибитор ретінде қолданылуы мүмкін жаңа молекуланы жобалау үшін сәтті қолданғаны туралы мақала жариялады. Олар бұл таңғажайып нәтижеге небәрі жиырма бір күнде қол жеткізді, содан кейін оны тағы жиырма төрт күн ішінде растай алды.

ДНҚ — тіл сияқты ақпарат тізбегінің кодталуы. AI қазір бір тілден екінші тілге аударуға қабілетті болғандықтан, ДНҚ-ны түсіну үшін осы тізбектен тізбекке аудару әдістерінің нұсқалары қолданылуда. AI біздің ДНҚ-мыздан генетикалық жағдайларды болжай алатын және қатерлі ісік немесе басқа күрделі мәселелер туралы ерте ескерту белгілерін бере алатын идентификаторларды табу перспективасын ашады.

Сирек кездесетін аурулар да, ақырында, назар аудара бастады. Дәрі-дәрмектерді ашудың құны соншалықты жоғары, сондықтан осы уақытқа дейін фармацевтикалық компаниялар сирек кездесетін жағдайларға назар аудара алмады. Алайда, Ұлыбританияның Кембридж технологиялық хабында орналасқан Healx стартап компаниясы осы маңызды мәселені шешу үшін AI-ды қолдануда. Олар сирек кездесетін аурулар туралы ақпаратты қамтитын AI-мен жұмыс істейтін биомедициналық білім графигін әзірледі.

Мақұлданған дәрілер бұрыннан өте қатаң сынақ процесінен өткен, сондықтан біз олардың адамдар үшін қауіпсіз екенін білеміз. Healx өздерінің AI жүйесін осы белгілі химиялық нысандар мен сирек кездесетін аурулар арасындағы жаңа байланыстарды анықтауға көмектесу үшін құрды.

Біздің қартайған халқымыз бүкіл әлем бойынша денсаулық сақтауды жүйелі сәтсіздіктің алдына итеріп отыр. Кезектердің көбеюімен, созылмалы жағдайлардың жиілеуімен және білікті қызметкерлерді жалдаудағы үлкен қиындықтармен бұл маңызды қызметтер күресуде. AI жалғыз шынайы шешім болуы мүмкін.

Бүгінгі күні адамдар балаларды аз туып жатыр, ал бала туу көрсеткіші төмендеп, қарттар ұзағырақ өмір сүргендіктен, біздің халқымыздың орташа жасы артып келеді. Бұл әсер Жапонияда қазірдің өзінде байқалады, онда 2021 жылдың қыркүйегінде халықтың 29 пайызы 65 және одан жоғары жаста екені, рекордтық 80 000 жүз жастан асқан адамдар бар екені хабарланды.

Жапонияда туу көрсеткіші әр әйелге небәрі 1,36 баланы құрайды, бұл АҚШ-тағы 1,76-мен салыстырғанда, екеуі де халықты сақтап қалу үшін қажетті 2,1 туу деңгейінен әлдеқайда төмен. 2036 жылға қарай Жапонияда 65 және одан жоғары жастағы адамдар халықтың үштен бірінен астамын құрайды, бірақ Еуропа мен Қытай да одан қалыс емес. 2050 жылға қарай бүкіл әлемдегі егде және гериатриялық халықтың жалпы саны 2 миллиардқа жетеді деп болжануда.

Смарт-сағаттар жаттығуларымыз бен жүрек соғу жиілігін өлшеу арқылы денсаулығымыз туралы тұрақты ақпарат беріп отырады, тіпті қан ағымын бақылауды да қамтиды. Диабетпен ауыратын адамдарға қандағы қант деңгейін білегінен бақылауға мүмкіндік беретін жаңа технология пайда бола бастады. Ол сондай-ақ біздің ұйқы режимімізді тексере алады.

Контекстті білу «қалыпты» денсаулық ақпаратынан нақтырақ болжам жасауға мүмкіндік береді. Мысалы, адамның температурасы мен жүрек соғу жиілігі жоғары екенін анықтауымыз мүмкін — егер біз оның велосипедпен серуендеуге шыққанын білсек, бәрі қалыпты екенін түсінеміз. Контекстсіз біз бұл қорытындыны жасай алмас едік. Жүйе алдын алу шараларын қолдану үшін күтім жасаушы қызметкерді қашан тарту керектігін білуі тиіс. AI-мен жұмыс істейтін мұндай жүйелердің құпиялылықты құрметтей отырып және тәуелсіздікті қолдай отырып, адамдардың өмірін шынымен жақсарта алатын кешенді денсаулық сақтауды қамтамасыз етуге үлкен әлеуеті бар.

Жапония үкіметі қартайған халқына көмектесу үшін күтім жасаушылардың жетіспеушілігін жою және жалғыздықтың алдын алу мақсатында қарттарға күтім жасайтын роботтарды әзірлеуді қаржыландыруда. Сөйлесе алатын үлпілдек робот-итбалықтар мен робот-иттер, сондай-ақ қозғалыс жаттығуларына көмектесетін гуманоидты роботтар жасап шығарылды. Бұл қорқынышты естілуі мүмкін, бірақ жапондықтардың байырғы діні — Синтоизм бойынша, рухтар (ками) тек адамдарға ғана емес, жануарларға, тауларға, ас үй пышақтарына, тіпті қарындаштарға да тән деп есептеледі.

Нәтижесінде, жапондықтар әдетте адамдар, жануарлар, өсімдіктер мен заттар, соның ішінде роботтар арасында ешқандай айырмашылықты көрмейді. Жапонияның көптеген қарттары адамның немесе жануардың мінез-құлқын көрсететін роботтан ешқандай оғаштық сезбейді — бұл жай ғана ками.

Клиникалық тұрғыдан расталған технология адамдардың мәліметтерін жүздеген мың тиісті ақпараттан құралған ЖИ модельдерімен салыстырады, осылайша пациенттерді бетпе-бет немесе қашықтан қабылдау үшін тиісті маманға бағыттайды. Мұндай дербестендірілген жүйелер қазірдің өзінде адамдардың саулығын сақтауда нақты нәтижелер беруде.

Әлемнің кейбір бөліктерінде адамдардан әжетханасы туралы сұрасаңыз, олардың жүздері нұрланып кетеді. Ағын сусыз немесе таза санитарлық жағдайсыз өмір сүрген адамдар үшін бұл қарапайым қондырғының келуі өмірді түбегейлі өзгертеді. ЮНИСЕФ-тің мәліметінше, дүние жүзінде 3,6 миллиард адам (шамамен жартысы) қауіпсіз басқарылатын санитарлық нысандарға қол жеткізе алмайды.

Ашық әжетханалар жаңбыр жауғанда суға толып, шыбын-шіркейлерді тартады, олар кейін су арқылы тарайтын ауруларды таратады. Шыбындар мен иістерді өткізбейтін герметикалық қақпағы бар қарапайым жабық әжетхананың орнатылуы адамдардың өмірін өзгерте алады. Сонымен қатар, 1 миллиардқа жуық адам Африка мен Азиядағы көптеген ауылдардың негізгі орталығы болып табылатын қоғамдық су шүмектеріне сенім артады.

Ауыз су алу үшін күн сайын екі сағат жаяу жүрудің орнына, бұл тіршілік көзі енді бірнеше қадам жерден табылады. Өкінішке орай, бұл су және санитарлық ресурстар бірнеше жылдан кейін жиі істен шыға бастайды және бұл маңызды қызметтердің шамамен 25 пайызы кез келген уақытта жұмыс істемей тұрады, бұл олар қызмет көрсететін қауымдастықтарға үлкен әсер етеді. Бұл қызметтер физикалық шешімдерге негізделген, олардың көбі өте төмен технологиялық (low-tech). Бірақ ЖИ бұл қызметтердің сақталуын, тиімді басқарылуын және баршаға тезірек қолжетімді болуын қамтамасыз етуде маңызды рөл атқарады.

McKinsey консалтингтік зерттеуі көрсеткендей, Сахараның оңтүстігіндегі Африка халқының 60 пайыздан астамы — шағын фермерлер және бұл аймақ ЖІӨ-нің 23 пайыздан астамын құрайды. Бірақ өнімділікті арттыру мүмкіндігі зор: сол есепте астық пен дәнді дақылдарды екі-үш есе көп өндіруге болатыны, сондай-ақ бау-бақша және мал шаруашылығында да осындай жетістіктерге жетуге болатыны атап өтілді.

Тек телефон камерасын пайдалану арқылы фермерлер егін ауруын анықтай алады және мәселені қалай шешуге болатыны туралы көмек ала алады. Оған сондай-ақ фермерлердің сұрақтарына жедел жауап беретін ЖИ чат-боты кіреді. Болашақ қолданбалар үшін дрондар мен спутниктік кескіндерден алынған деректерді пайдалану мүмкіндіктері де зерттелуде.

Бірақ бұл есептеулерді ауа райының дәл болжамдарымен біріктіру арқылы ылғалдылық жағдайын әлдеқайда дәл болжауға болады және егін зардап шекпей тұрып суаруды енгізуге болады. Болашаққа көз жүгіртсек, ЖИ-ге негізделген ылғалдылықты түсіну климаттың өзгеруі туралы болжамдармен де біріктірілуі мүмкін, бұл егін егу қиындауы мүмкін жерлерді немесе жаңа жағдайларға жақсырақ сәйкес келетін дақылдарды анықтауға көмектеседі.

2023 жылдың басында ChatGPT іске қосылғаннан кейін және оның кенеттен әсеріне байланысты коммерциялық емес Future of Life Institute ұйымы ашық хат таратты. Илон Маск қолдайтын бұл ұйымның мақсаты — адамзат алдында тұрған экзистенциалды қауіптерді азайту. Хатта: «барлық ЖИ зертханаларын GPT-4-тен қуаттырақ ЖИ жүйелерін оқытуды кем дегенде 6 айға дереу тоқтатуға» шақырды. Сонымен қатар, олар: «ЖИ әзірлеушілері ЖИ-ді басқарудың сенімді жүйелерін әзірлеуді түбегейлі жеделдету үшін саясаткерлермен жұмыс істеуі керек» деді.

Этикаға, құпиялылыққа және басқаларға деген көзқарасыңыз — бәрі де сіздің тәрбиеңізбен, біліміңізбен, жағдайыңызбен және өскен жеріңізбен қалыптасады. Тарихшы Том Холланд өзінің Dominion атты кітабында көрсеткендей, біздің қоғамымыздың зайырлы бола бастағанына қарамастан, Еуропа мен Солтүстік Америкада өскен көптеген адамдар, тіпті ешқандай діни көзқарасы жоқ деп мәлімдесе де және шіркеуге ешқашан бармаса да, әлі күнге дейін христиандық құндылықтардың ықпалында.

Шамамен 2000 жыл ішінде қарапайым әдептілік пен төзімділік құндылықтары сіңісті болып кетті. Ғылым, гейлердің құқықтары және тіпті атеизм — бәрі де төзімділіктің осы оң мәдени мұрасының нәтижесінде пайда болды. Азияда және әлемнің басқа бөліктерінде осы құндылықтардың көбі бар, бірақ олар әртүрлі тарихтың, діндердің, жергілікті дәстүрлердің ықпалымен сәл өзгешеленуі мүмкін. Көптеген адамдар өздері де байқамай, Ибраһимдік идеялардың, басқалары конфуцийлік принциптердің немесе өзге де құндылықтардың әсерінде болады.

Сіздің жеке ақпаратыңыз мұнай сияқты. Бұл планетадағы ең ірі және ең табысты компаниялардың жұмысын жүргізу үшін пайдаланылатын өте құнды тауар. Өкінішке орай, біз бұл байлықтың көзін тегін беріп жатырмыз. Біз қаншалықты ақпаратпен бөлісетінімізді және оны кім пайдаланатынын өте аз білеміз.

Жиі біздің жеке ақпаратымыз басқа компанияларға, зерттеушілерге, компьютерлік хакерлерге, құқық қорғау органдарына және тіпті шетелдік үкіметтерге сатылады. Сіздің ең жеке ақпаратыңыз қаншалықты құпия және сіз күн сайын қаншалықты еркін бөлісесіз?

Бүгінгі таңда шетелге саяхаттаған кезде сізден биометриялық ақпарат деп аталатын мәліметтерді бөлісу талап етіледі. Өмірбаяндық мәліметтерден (аты-жөні, туған жері мен күні, паспорт нөмірі және т.б.) басқа, көптеген шекара күзеті саусақ іздерін, көздің нұрлы қабығын сканерлеуді, бет бейнесін және басқа биометриялық мәліметтерді жинайды. Бұл деректер контексті қамтиды, сондықтан ол сіз туралы ақпарат болып табылады. Оның негізгі мақсаты — сіздің расымен де өзіңіз айтқан адам екеніңізді растау.

Биометриялық ақпарат шекараларымызды қорғауға және бұрын жалған есімдермен, жалған құжаттармен саяхаттай алған адамдарды тоқтатуға ерекше әсер етті. Дегенмен, сіз бұл өте жеке ақпарат шекара қызметінің кеңселерінде ғана құлыптаулы қалады деп үміттенетін шығарсыз. Оның орнына билік өкілдері біздің қауіпсіздігімізді сақтауға көмектесу үшін паспорттық бақылау кезінде жиналған күдікті биометриялық ақпаратты бүкіл әлемдегі полиция күштерімен бөліседі.

Өзіңіз білетіндей, сіздің жеке электронды ізіңіз сізді барлық жерде бақылайды. Кредиттік картаны пайдаланған сайын немесе сатып алу жасаған сайын...

Ақпарат білім қалыптастыру үшін қолданылуы мүмкін. Компаниялар сіздің не ұнататыныңызды, кімдерді танитыныңызды, тіпті денсаулық жағдайыңызды да біле алады. Бұл ақпаратты бөлісуге келісім бере отырып, сіз өз қызығушылықтарыңызға сәйкес келетін өнімдерді, қызметтер мен контентті табуға мүмкіндік беретін құнды қызметтерді аласыз. Сіз достарыңыздан ақпарат алып, құрлықтар мен уақыт белдеулеріне қарамастан байланыста боласыз және мұның бәрі тегін. Мүмкін, сіз тіпті өтуіңіз керек медициналық тексеру туралы ерте ескерту аласыз немесе созылмалы аурудың алдын алатын медициналық құрылғы ұсынылуы мүмкін. Бірақ бұл білім сізге нақты мәселелер де тудыруы мүмкін. Жарнамалық спам хабарламалар жай ғана тітіркендіруі мүмкін, бірақ егер медициналық сақтандыру компаниясы сіздің белгілі бір қауіпті ауруға шалдығу қаупіңіз жоғары екенін біліп қойса не болады?

Еуропалық деректерді қорғаудың жалпы регламенті (GDPR) — осы бағыттағы жақсы қадам, және мұны жаһандық стандартқа айналдыруға ұмтылу құпиялылық мәселелерінің кейбірін азайтуға көмектесуі мүмкін. Сіз не нәрсеге келісіп жатқаныңызды және ақпаратыңыздың қалай қолданылатынын білуіңіз үшін қоғамдық ескерту хабарламасы (темекі қорабындағы денсаулық туралы ескертулер сияқты) орынды болуы мүмкін. Стандартталған процестер мен тегін құралдар да ашықтықты қамтамасыз етуге көмектеседі және құпиялылық ережелерінің қосымша шығындарын көтере алатын ірі компаниялармен бәсекелесетін шағын компаниялар үшін тең жағдай жасайды.

Соңғы бір айда ЖИ сіз туралы қанша шешім қабылдағанын білесіз бе? Электрондық пошта жібергенде, ЖИ сүзгісі хабарламаңызды тексереді және оны «Спамға» жіберу туралы шешім қабылдауы мүмкін. Егер сіз тұтынушыларға қолдау көрсету қызметіне сұраныс жіберсеңіз, мәселеңізбен алғашқы болып ЖИ чат-боты айналысуы мүмкін. Несие картасымен төлем жасаған сайын, ЖИ жүйесі сіздің заңды төлем жасап жатқаныңызды шешеді және алаяқтық болып жатыр деп шешсе, төлемді бұғаттауы мүмкін. Жұмысқа орналасу туралы өтінішті, несие алу туралы өтініш сияқты, алдымен ЖИ жүйесі қарап шығуы мүмкін. Біз алалаушылықты енгізбеуіміз керек, әйтпесе абайсызда көптеген азаматтардың өмірін қиындатып алуымыз мүмкін.

Біз оқитын көптеген әлсіз тұстар нашар жобаланған жүйелерден туындайды. Адам бағдарламалаған дедукцияны қолданатын және оқыту ақпаратын тым тар шеңберде бақылайтын деректерді талдау жүйелері ерекше осал келеді. Одан да күрделірек ЖИ жүйелерін құруға болады, олар көбірек жалпылай алады және әлдеқайда үлкен ақпарат жиынтығымен оқытылады, мұндай жүйелер оқыту үшін кейде қолданылатын өте тар ақпарат жиынтығынан асып түсе алады. Бұл жүйелердің қалай жетіліп жатқанына бір ғана мысал: өте үлкен ЖИ тілдік модельдері ирония мен әзіл туралы білімді меңгеруде жақсарып келеді, нәтижесінде біздің адамдық әңгімелеріміздегі нәзік тұстарды әлдеқайда жақсы түсіне алады. Технология дамыған сайын көбірек мәселелер туындайды деп күтуіміз керек. Бұл әлдеқайда қуатты ЖИ жүйелеріне сенімді қалай ұялатуға болатынын үйрену өте маңызды болады.

Біржақтылық мәселесін шешу үшін бірнеше негізгі бағыттарға назар аударуымыз керек екені анық болып отыр. Ең алдымен, жыныс пен нәсіл сияқты мәселелерге қатысты саналы немесе санадан тыс өзіміздің адами біржақтылықтарымызды сезінуіміз керек, бірақ біз көргеніміздей, біз ескеруіміз керек басқа да көптеген жайттар бар. Осы біржақтылықтардың AI жүйесіне еніп кеткен-кетпегенін тексеретін жүйелерді құру маңызды болады.

Әлеуметтік желілер мен интернеттегі іздеу платформалары сіз туралы достарыңыз бен отбасыңыздан да көбірек білуі мүмкін. Кембридж университеті мен Microsoft Research жүргізген зерттеу сіздің әлеуметтік желідегі «лайктарыңыздан» жиналған ақпаратты жасыңызды, жыныстық бағдарыңызды, этникалық тегіңізді, діни және саяси көзқарастарыңызды, тұлғалық қасиеттеріңізді, интеллектіңізді, бақыт деңгейіңізді, ата-анаңыздың ажырасуын және тәуелділік тудыратын заттарды пайдаланатын-пайдаланбайтыныңызды дәл болжау үшін қолдануға болатынын көрсетті.

Бадамша тәрізді дене мидың бүкіл бойында химиялық хабаршыларды қолданатын «сымсыз байланыс» деп атауға болатын процестің рөлінде. Ми байланыс орнату үшін тек кішкентай электрлік сигналдарды ғана пайдаланбайды, ол оларды әлі де толық түсінілмеген өте күрделі химиялық сигналдармен толықтырады. Зерттеушілерге нақты химиялық нейротрансмиттерлер мен жасуша ішіндегі байланыспен шектелетін химиялық белсенділікті ажыратудың өзі қиын болды. Химиялық тасымалдау кейбір функцияларды ынталандыру (немесе қоздыру), сондай-ақ басқа әрекеттерді тежеу және белгілі бір сезімдерді басу үшін қолданылуы мүмкін.

Флоридадағы Линн университетінің зерттеуі көрсеткендей, күлкі ми үшін марапат ретінде қызмет ететін және эйфория сезімін тудыратын допамин нейротрансмиттерінің бөлінуіне де себеп болады. Біздің миымыз өзгерістерге өте сезімтал және бұл эмоционалды тітіркендіргіштер үлкен реакция тудыруы мүмкін.

Бүгінде бәріміз смартфонымызға сенеміз. Үйден шыққанда, құрылғымыздың қалтамызда немесе сөмкемізде екеніне көз жеткіземіз. Іс жүзінде, Лондондағы UCL университетінің антропологтар тобы адамдар өз смартфондарын жай ғана құрылғы емес, өздері өмір сүретін орын ретінде сезінетінін анықтады. Біз онлайн сауда жасаймыз, контент көреміз және онлайн әлеуметтік желілер арқылы бір-бірімізбен байланысуға көп уақыт жұмсаймыз. Адамдар физикалық түрде бірге болғанның өзінде, олар өздерінің онлайн әлемдеріне оңай жоғалып кете алады.

MIT Media Lab-тың электроника және компьютерлік ғылымдар инженері Розалинд В. Пикард 1997 жылғы аттас кітабында «аффективті есептеу» (affective computing) терминін қолданды. Бұл кейіннен жасанды эмоционалды интеллект (AEI) саласына әкелді және бұл қазір, әсіресе онлайн-компаниялар үшін өте белсенді зерттеу саласы болып табылады.

5-тарауда талқылағанымыздай, бүгінгі назарға негізделген трансформерлік AI әдістері жасанды эмоционалды интеллектте жаңа серпілістерге тез жол ашты. Бұл қуатты жүйелер жазбаша мәтіндегі және ауызша тілдегі көңіл-күйді (sentiment) түсіне алады, сондай-ақ адамға тән эмпатияны көбірек қалыптастыратын жүйелерді құру үшін қолданылуда. Бұл тәсіл онлайн жүйелерді пайдалану кезінде сізді «бақытты» сезіндіру және сізді осы платформаларда ұзағырақ ұстап тұратын белсенділікті арттыру үшін қолданылады.

Егер бұл наразы топты тиімді басшылық (көбінесе адамдардың шағын тобы) басқарса және ол жалпы халық ішінде жеткілікті үлкен пайызға жетсе, онда демократиялық процесс немесе басқа құралдар арқылы үкіметте өзгерістер болуы мүмкін. Халық бәріне тұрақтылық, жеке бостандық пен экономикалық өркендеу әкелетін көшбасшыларды қалайды, бірақ бұған қол жеткізу үшін үкімет басшылары белгілі бір деңгейде бақылау орнатуы керек. Тепе-теңдікті дұрыс табу жақсы басқарудың нәтижесі болып табылады.

Мәдени нормалар мен біздің әртүрлі құндылықтар жүйесі де адамдар үшін мемлекеттік бақылау мен жеке бостандық теңдеуінде қолайлы деп санайтын тепе-теңдікке әсер етуі мүмкін. Азияның көптеген бөліктеріне тән конфуцийлік дәстүрлер күштірек көшбасшылықты қолдауға бейім және адамдар тұрақтылық пен гүлдену үшін бақылаудың жоғары деңгейін қабылдауы мүмкін. Батыстағы авраамдық дәстүрлер мен құндылықтар ашық демократиялық жүйеде талқылау мен консультативтік көшбасшылықты бағалайды, бірақ бұл да жер-жерде әртүрлі.

Біз интернет арқылы ақпараттың еркін ағыны мен қуатты AI-дың пайда болуы демократия үшін жақсы болуы мүмкін екенін түсінуіміз керек. Бірақ ол сондай-ақ үкіметтердің халықты өте егжей-тегжейлі деңгейге дейін бақылау және қадағалау мүмкіндігін арттырады. Бұл үкіметтерге қай жерде өзгерістер қажет екенін және қандай жақсартулар жасау керектігін білу үшін ұлттық көңіл-күйді нақтырақ түсінуге мүмкіндік беретін оң нәрсе болуы мүмкін. Немесе, AI жүйелері бақылау деңгейін арттыруға, сөз бостандығын шектеуге немесе халықтың кейбір топтарын шеттетуге қолданылуы мүмкін. Жасанды интеллект демократиялық нәтижелерді жақсарту үшін қолданылуы мүмкін екенін, бірақ сонымен бірге авторитарлық режимдерді қолдау үшін де оңай пайдаланылуы мүмкін екенін білуіміз керек.

1950 жылғы АҚШ халық санағында 271 түрлі мамандық тізімделген. Содан бері олардың тек біреуі ғана автоматтандырумен толық ауыстырылды — ол лифт операторы. 1900 жылдардың басында зәулім ғимараттардың пайда болуымен лифтілер маңызды қажеттілікке айналды. Бұл алғашқы лифтілердің жылдамдығын реттеу үшін шебер басқару қажет болды, ал операторлар жолаушылар үшін күрделі қос есікті механизмді қауіпсіз ашпас бұрын, лифтті таңдалған қабатқа параллель тоқтатуы тиіс еді. Электрондық басқару жүйелері бұл жұмысқа деген қажеттілікті толығымен жойды. Бірақ зерттеулер көрсеткендей, егер жұмыс тек ішінара автоматтандырылса, көбінесе жұмыспен қамту деңгейі іс жүзінде артады.

McKinsey-дің жақында жүргізген талдауына сәйкес, қазіргі жұмыс орындарының барлығында дерлік жасанды интеллект арқылы автоматтандыруға болатын қандай да бір аспект бар, бірақ олардың өте азы ғана толығымен автоматтандырылуы мүмкін.19 Бұл ЖИ іс жүзінде көптеген салаларда жұмыспен қамтуды арттыруы мүмкін екенін көрсетеді, тура ішінара автоматтандыру өткен уақытта өнімділікті арттыруға және жұмыс орындарының санын көбейтуге көмектескендей.

Технологияның жұмыс орнын қалай өзгертетіні туралы экономика мәселесі алғаш рет 1776 жылы жарық көрген өзінің атақты «Халықтар байлығының табиғаты мен себептерін зерттеу» атты кітабымен ізашар экономист Адам Смит заманынан бері талқыланып келеді.20 Өнеркәсіптік революция тәжірибесі технологиялық трансформациялардың өнімділікті арттыруға ықпал ететінін көрсетеді, бұл шын мәнінде барлығы үшін байлықтың айтарлықтай жақсаруына әкеледі, сонымен бірге жеке тұлғаларға, тіпті тұтас аймақтар мен елдерге үлкен кедергілер келтіреді. Компьютерлер мен интернеттің енгізілуінен кейінгі жақындағы тәжірибе де байлық жасаудың жаңа формаларын тудырды, бірақ бұл байлық міндетті түрде бәріне бірдей пайда әкелген жоқ. Іс жүзінде батыс экономикаларындағы әсер байлықты байлардың қолына көбірек шоғырландыру болды, ал орташа табысы бар адамдар ең көп қысымға ұшырады.21 Капитал иелері білім еңбегін автоматтандырудан біліктілігі төмен немесе тіпті орташа білікті жұмысшыларға қарағанда әлдеқайда көп пайда көрген сияқты. Жаһандану сияқты факторлар да бұл үрдісте маңызды рөл атқарды; 2001 жылдан 2011 жылға дейінгі кезеңде АҚШ-та тиімді жаһандық ақпараттық желілер мен Қытаймен сауданың ашылуы (оның 2001 жылы Дүниежүзілік сауда ұйымына кіруінен кейін) арқасында өндірістің оффшорға шығарылуына байланысты шамамен 2,4 миллион жұмыс орны жоғалды.

2020 жылдың наурызында Ливиядағы азаматтық соғыс кезінде БҰҰ Қауіпсіздік Кеңесінің Сарапшылар тобының Ливия бойынша есебіне сәйкес «өлімге әкелетін автономды қару» дроны орналастырылды.22 Есепте бұл дронның Ливия қарулы күштерінің мүшелерін тауып, автономды түрде шабуыл жасап, өлтірген болуы «мүмкін» екені айтылған. «Өлімге әкелетін автономды қару жүйелері оператор мен оқ-дәрі арасында деректер байланысын талап етпей-ақ нысанаға шабуыл жасауға бағдарламаланған: іс жүзінде бұл нағыз “атты, ұмытты және тапты” мүмкіндігі», — деп атап өтілді есепте. Бұл оқиға адам құқықтары мәселелеріне назар аударатын жетекші үкіметтік емес ұйымдардың бірі Human Rights Watch 2013 жылдан бері науқан жүргізіп келе жатқан автономды қарулар бойынша іс-қимыл жасау қажеттілігіне жіті назар аудартады.

Сол алғашқы күндерден бастап авиация саласы бақылау тетіктерін орнату мен қауіпсіздікті бірінші орынға қою үшін барынша күш салды. Бүгінгі таңда авиакомпаниялар ең қауіпсіз саяхат түрін ұсынады, тіпті реактивті ұшақтар біз жасаған ең күрделі жүйелердің бірі болса да. Қазіргі реактивті лайнердегі авионика жүйелері соншалықты күрделі, оларды қарапайым басқару жүйесінің әдістерімен толық басқару мүмкін емес. Сондықтан қосымша сақтандырғыштар мен қосымша тексерулер жүргізетін жүйелер қосылады. Авионикалық бақылау құралдарына барлық жүйелердің дұрыс жұмыс істеп тұрғанына көз жеткізу үшін бір-бірінің нәтижелерін тексеретін резервтік тізбектер мен жүйелер кіреді. Олар маңызды ақауларды іздейді және бұл мониторинг жүйелерінің өзі жалған көрсеткіш бермеуі үшін қайта тексеріледі. Қазіргі уақытта жүйелердің істен шығуы өте сирек кездеседі, ал егер істен шықса, әдетте қосалқы жүйе дайын тұрады. Төтенше жағдайларда, апат орын алған кезде, не болғанын анықтау үшін бәрін егжей-тегжейлі тексеретін өте қатаң тергеу процесі жүреді. Барлық коммерциялық ұшақтар ұшу туралы толық ақпаратты жазып алатын ұшу жазбасын алып жүреді. Ұшу жазбасы әлі күнге дейін «қара жәшік» деп аталады, себебі навигациялық құралдардың алғашқы корпусы қара түсті болған. Дегенмен, қазіргі қара жәшіктер апат орнында оңай табылуы үшін ашық қызыл түске боялуы тиіс, сондықтан бұл атау қазіргі шындыққа сәйкес келмейді. Ұшу қауіпсіздігі жөніндегі мамандандырылған инспекторлар кез келген оқиғадан алынған барлық қолжетімді ақпаратты зерттеп, содан кейін процестерге немесе жүйелерге өзгерістер енгізуді немесе ұшқыштарды даярлау бағдарламаларына толықтырулар енгізуді ұсынады.

Ұшақ ұшқыштары оқу кезінде де, одан кейінгі қайта даярлау процедураларында да үнемі бақылауда болады. Қазіргі ұшақтағы жүйелер де ұшқыштардың ұшу кезіндегі әрекеттерін үнемі тексеріп отырады. Қазіргі заманғы ұшақтар «адам қатысатын жүйелерді» (human-in-the-loop systems) пайдаланады – мұнда компьютерлер ұшуды басқару беттерін іске қоспас бұрын ұшқыштардың іс-әрекетін тексереді, осылайша ұшқыштар мен ұшуды басқару компьютерлері сіздің саяхатыңыздың қауіпсіздігін қамтамасыз ету үшін бірге жұмыс істейді.

Бүгінгі таңда ЖИ жүйелерінде көріп жүрген мәселелердің басым көпшілігі ЖИ жүйесінің нашар дизайнына байланысты. Жасанды нейрондық желі нақты архитектуралық спецификация бойынша құрылады және нақты әдістермен оқытылады. Ол оқу үлгілерінің шектеулі жиынтығын пайдаланады және нақты анықталған мақсатқа жетуге бағытталады. Адамдар машина үйренетін параметрлерге қол жеткізе алады, сондықтан жасанды нейрондық желілер «қара жәшіктер» емес, шын мәнінде біз ішіне қарай алатын «шыны жәшіктер» болып табылады. Иә, олар өте күрделі және түсіну қиын, иә, олар не істеу керектігі айтылғаннан гөрі, ақпараттан үйренеді. Дегенмен, көру жүйелерінде қолданылатын конволюциялық нейрондық желілер талданды және түсінілді; үлкен тілдік модельдер күрделірек және талдау қиынырақ болуы мүмкін, бірақ бұл әлі де мүмкін. Сондай-ақ, осы күрделі жүйелерді басқаратын жүйелерді де құруға болады.

Адамдар оқиғадан кейін қандай әрекет жасағандарын негіздеуге тырысуы мүмкін, бірақ шындық мынада: біз параметрлердің дұрыс жиынтығы бар өте күрделі биологиялық нейрондық желіні дамытып, жетілдірдік. Дәл осы миымыздың ішінде жасырылған биологиялық нейрондық желі ықтималдық қорытындысын жасап, содан кейін сол теннистік соққыны жасау үшін бұлшықеттерімізді іске қосады. Бұл адам жүйелері – біздің ішімізде жасырылған қара жәшік, бірақ біз жасанды нейрондық желілердің ішіне қарап, оларды зерттеп, не жасалғанын түсіне аламыз. Сондай-ақ біз оларды басқару жолдарын анықтай аламыз.

Мәселе мынада: реттеу әртүрлі түсіндірілуі мүмкін және белгілі бір жағдайлар қосымша мәліметтерді немесе жаңа прецедент орнатуды талап етуі мүмкін. Тағы да дәрігерлерді мысалға алсақ, Ұлыбританияда Британдық медициналық қауымдастықтың медициналық этика комитеті (MEC) бар, ол медицина мамандығына, қоғамға және мемлекетке қатысты этикалық мәселелерді үнемі талқылайды. Олар өздерінің нұсқаулықтары мен ережелерін үнемі жаңартып отырады. Жеке ауруханаларда эпидемия кезіндегі шектеулермен жұмыс істеуге немесе қызметтің тұрақтылығын қамтамасыз етуге қатысты қиын шешімдер қабылдауға жауапты этикалық кеңес болады. Дәрігерлер осы этикалық принциптерге жүгіне алады, бірақ олар әлі де қосымша түсіндіруді қажет ететін қиын шешімдерге тап болады. Оларды қолдау үшін көптеген ауруханалар қолдау көрсету үшін «үш данагөй» әдісін қолданады. Әсіресе күрделі жағдайларда, шешім қабылдауға көмектесу үшін үш аға консультанттың пікірі сұралады. Мұндай типтегі күрделі этикалық шешімдер үшін қосымша қолдау аурухананың жеке этика комитетінен де келуі мүмкін. ЖИ-де шешімдер әдетте өмір мен өлім мәселесі емес, бірақ олар өмір сапасына әсер етуі немесе ауыр реніш тудыруы мүмкін. Ережелер мен нұсқаулықтар қажет, ал мамандар олардың тиісті түрде түсіндірілуін қамтамасыз етуі керек.

Біз енгізетін ЖИ жүйелерінің дәлдігін тексеру үшін ЖИ әдістерін әзірлеудің жолдары бар. 1790 жылдары математик Томас Байес бізге жауаптар жиынтығының дұрыс болу ықтималдығын қалай түсінуге болатынын және одан да жақсы жауаптарға қол жеткізу үшін шешімді жақсарту бойынша қалай жұмыс істеу керектігін көрсетті. ЖИ қолданатын қадамдар мен процестерді бағалайтын және жетіспейтін бөліктерді анықтай алатын әдістерді әзірлеуге болады. Осы жетіспейтін элементтерді шешу арқылы жүйені дәлірек етуге болады. Жауаптарға қарай отырып, ЖИ жүйесі өз дәлдігін арттыру үшін жұмыс істейтін кері байланыс циклдерін жасай алады. Бұл тәжірибеден үйрену процесіне ұқсас, мұнда нығайту арқылы оқыту агенті (reinforcement learning agent) біздің машиналық оқыту моделіміздің дәлдігін арттыру үшін жұмыс істейді.

Лондондағы Корольдік институттың жертөле зертханасында жұмыс істеген Майкл Фарадей 1831 жылы алғашқы электр трансформаторы мен алғашқы электр динамосын жасады. Бірақ динамо мен бу қозғалтқышын біріктіріп, Лондонда пайда болған алғашқы коммерциялық Эдисон электр станцияларын құру үшін 1882 жылға дейін уақыт қажет болды.

Бүгінгі озық технологияны үйреншікті жағдай ретінде қабылдау біз үшін өте оңай. Әр таң сайын біз төсекте аунап түсіп, құрылғыларымызға келген жаңа хабарламаларды тексереміз және жаңалықтарды көру үшін қолданбаны басамыз. Бірақ егер біз әлі де электронды лампаларға сенуге мәжбүр болсақ, смартфоныңыздың ішіне жинақталған технология тек жатын бөлмеңізді ғана емес, көлемі шамамен 130 000 шаршы километрді құрайтын Англияның аумағындай деректер орталығын толтырар еді. Әлемде 4 миллиардтан астам смартфон бар, сондықтан осы құрылғылардың барлығын орналастыру үшін қажетті деректер орталығы бүкіл жер бетін 1 миллион рет жауып тастар еді. Көлемнің бұл сенгісіз кішіреюі және одан туындаған ғажайып жақсартулар небәрі бір адамның өмірі ішінде жүзеге асты. Қазіргі күнделікті өміріміздің бір бөлігіне айналған бұл керемет құрылғылар оларды қуаттандыратын озық жартылай өткізгіштерсіз, бағдарламалық қамтамасыз етусіз және ақпарат теориясынсыз болмас еді.

Транзистордан алпыс бес жыл өткен соң, терең оқытуға негізделген жасанды интеллекттің алғашқы серпілістері орын алды. Бұл оқиғаны алдыңғы Өнеркәсіптік революцияның екінші толқынын бастаған электр энергиясын өндірудің тууымен сәйкестендірейік. Осы белгіні қолдана отырып, біздің қазіргі ақпараттық революциямыз бұрынғы Өнеркәсіптік революцияға қарағанда шамамен екі есе жылдам жүріп жатыр. Дегенмен, Фарадейдің серпілістерінен электр энергиясының жалпы технология ретінде кеңінен қолданылуына дейінгі прогресс шамамен он онжылдықты алды, сондықтан инновацияның 2 еселенген қарқынын сақтай отырып, біз ЖИ 2050 жылға қарай күнделікті өмірімізді қозғайтын толыққанды жалпы мақсаттағы технология болады деп күте аламыз.

«State of the Developer Nation» баяндамасына сәйкес, 2021 жылы әлемде 24,3 миллион бағдарламалық қамтамасыз етуді әзірлеуші болды. Бұл жалпы жаһандық жұмыс істейтін халықтың 0,7 пайызынан азын құрайды. Бағдарламашылар Қараңғы ғасырларда монастырларда жұмыс істеген, кітаптарды қолмен жазған монахтарға ұқсайды: олар жоғары білікті, қажырлы, қажытатын және жиі қайталанатын жұмысқа жауапты сарапшылардың шағын, жоғары білімді тобын білдіреді. Қағаз бен жылжымалы типті баспа машинасы біздің кітап жасау және ақпарат алмасу тәсілімізді өзгерткені сияқты, жасанды интеллект те көптеген адамдарға компьютерді өздеріне пайдалы жұмыс істеуі үшін бағдарламалауға мүмкіндік беру әлеуетіне ие.

Еуропалық Одақ жасанды интеллект жүйелеріне қатысты тәуекелдерді шешуге бағытталған заң жобасын әзірлеп жатыр. Бұл, бәлкім, ірі мемлекеттік органның ЖИ туралы алғашқы заңнамалық базасы болады және ол тәуекелдердің үш негізгі тобын анықтайды. Біріншісі — адам құқықтарына нұқсан келтіруі мүмкін жүйелер. Ол бұларды «қолайсыз тәуекел» деп анықтайды. Бұл анықтамаға жататын жүйелерге тыйым салынады. Екіншісі — адамдардың жұмысқа орналасу өтініштерін сканерлеу немесе несие сұрауларын тексеру сияқты жоғары тәуекелді қолданбаларға қатысты. Бұл жүйелер нақты заңды талаптарға, соның ішінде «түсіндірілгіштік» (explainability) туралы ұсыныстарға бағынатын болады. Бұл мәселе тудыруы мүмкін. Түсіндірілгіштік талаптары компанияларды дедуктивті жүйелерді жасауға итермелеуі мүмкін, бұл, керісінше, ЖИ жүйелерін азырақ тұрақты етеді; олар қате жауаптар беруі мүмкін және ұсынылған заңдар инновацияларды шектеуі мүмкін. Осы екі санаттан тыс қалатын үшінші топ жүйелері ЕО-ның бұл ұсынылған заңдары бойынша реттелмейді. Жазылған уақытта тәуекелдердің нақты жіктелуі және олардың құзыретіне қандай жүйелер жататыны әлі белгісіз. Кейбіреулер шектеулі немесе жоғары тәуекелді жүйелер тізімін уақыт өте келе қайта тағайындауға болатын икемді жүйені ұсынды. Мұның бәрі мұқият және білікті сараптаманы қажет етеді.

Бұл пікірлердің көбі Оксфорд университетінің философы Ник Бостром жазған 2014 жылғы «Superintelligence» (Суперинтеллект) атты ықпалды кітаптан бастау алатын сияқты. Бұл жақсы жазылған әрі маңызды кітап философиялық деңгейде өте қуатты жасанды интеллект жүйелері тудыратын экзистенциалды тәуекелдерді зерттейді. Бостром біз мәселелерді алдын ала болжап, ЖИ-ді бақылау тәсілдерін алдын ала әзірлеуіміз керек екенін дұрыс айтады. Дегенмен, өз дәлелдерін келтіру үшін Бостром ЖИ-дің қалай дамитыны туралы белгілі бір жорамалдарға сүйенеді, соның ішінде:

Біз соңғы алпыс жыл ішінде жартылай өткізгіштер мен бағдарламалық қамтамасыз етудегі орасан зор жақсартулардың арқасында есептеу жүйелерінің қалай дамығанын көрдік. Мен терең оқыту жүйелерінің алғаш рет 2012 жылы қалай танымал болғанын және келесі онжылдықта ЖИ инноваторлары таңғажайып прогреске қол жеткізе алғанын, ал алда әлі де көп нәрсе күтіп тұрғанын атап өттім. Бірақ прогресс шексіз емес, әсіресе жартылай өткізгіштерде, сондықтан біз жаңа есептеу технологиялары, соның ішінде кванттық және молекулалық технологиялар әлі дамып жатқан кезде, компьютерлердің бұрынғы тарихи жақсарту қарқынын жалғастыруын күте алмаймыз.

Біз ЖИ-дің мақсатын өзіміз белгілейміз. Сондай-ақ, егер біз роботтандырылған қолдарды немесе басқа физикалық жүйелерді қоспасақ, ЖИ үшін өзінің қоршаған ортасын физикалық түрде басқарудың оңай жолы жоқ, бірақ бұл жағдайда да олардың функциясы мен мақсатын адамдар анықтайды. ЖИ жүйелерінің адамдардан «CAPTCHA тесттеріне» (Компьютерлер мен адамдарды ажыратуға арналған толық автоматтандырылған жария Тюринг тесті) жауап беруін сұрайтын мысалдары бар, бұл — веб-сайттарда сіздің робот емес екеніңізді тексеру үшін қойылатын суретті сұрақтар. Бірақ бұл мысалдарды адамдар жасап, оларды ЖИ жүйесіне енгізген. Түйіні: ЖИ — бұл адамдар жасаған және біз басқара алатын өте қуатты құрал. Көптеген маңызды құралдар сияқты, ол бізге түр ретінде аман қалуға және өркендеуге көмектесе алады, бірақ қате қолдарға түссе немесе жаман ниетті адамдардың бақылауында болса, оның зиян келтіру әлеуеті бар.

ЖИ жүйелерінде әлі де көптеген шектеулер бар және үнемі серпілістер жасалып жатса да, технологиялық шектеулер, сайып келгенде, ЖИ-ді бақылауда ұстауға көмектеседі. Әрине, біз тарихтағы ұқсастықтарға назар аударуымыз керек, өйткені Калифорния университетінің (Беркли) профессоры және танымал ЖИ маманы Стюарт Рассел атап өткендей:

Дегенмен, ЖИ — бұл біз түсінуге тырысып жатқан физикалық процесс емес, бұл машинаға ақпараттан үйренуге мүмкіндік беретін әдіс. ЖИ-ге әлі де ақпараттың үлкен көлемі мен орасан зор есептеу қуаты қажет, және уақыт өте келе әдістер тиімдірек әрі автоматтандырылған бола түссе де, біз бұл әдістердің қалай жұмыс істейтінін бәрібір түсінуіміз керек. Осы көзқарасты ұстанатын жетекші зерттеушілердің бірі — Meta-ның ЖИ жөніндегі бас ғылыми қызметкері, танымал ЖИ академигі әрі Тюринг сыйлығының лауреаты Янн Лекун. Ол біз ЖИ-ден қорықпауымыз керек, керісінше ЖИ қауіпсіздігімен айналысатын адамдардың жұмыс істеуіне жағдай жасауымыз керек деп санайды. Ол 2023 жылы: «ЖИ әлемді басып ала ма? Жоқ, бұл адам табиғатының машиналарға проекциясы ғана» — деді.

Осындай жағдайда жасанды интеллект Қытайда ерекше маңызға ие болды. ЖИ саласындағы әлемге танымал сарапшы және қазіргі уақытта Қытайдағы ЖИ бизнестерінің инвесторы Кай-Фу Ли өзінің «AI Superpowers» атты кітабында Қытайдың 2016 жылы ЖИ саласында «Спутник сәтін» бастан өткергенін атап өтті. DeepMind-тың Го ойынындағы жетістігі — алдымен корей чемпионы Ли Седольді, содан кейін қытайлық вундеркинд Кэ Цзені жеңуі — Қытайда ЖИ-дің керемет әлеуеті туралы кең ұлттық хабардарлықты тудырды. АҚШ пен Еуропада технологиялық қауымдастықтан тыс жерде байқалмағанымен, 280 миллион қытайлық көрермен Ли Седольге қарсы теледидарлық бес ойыннан тұратын матчты тамашалады, содан кейін өздерінің қытайлық чемпионының AlphaGo-дан жеңілгенін көрді. Бұл жеңіс Ли сияқты қытайлық венчурлық инвесторлардың үлкен реакциясын тудырып, олар қытайлық ЖИ компанияларына ақша құя бастады, бірақ ол сонымен бірге биліктегі Қытай Коммунистік партиясы мен Төраға Си Цзиньпиннің де назарын аударды.

2017 жылдың шілдесінде, осы шешуші AlphaGo оқиғасынан шамамен бір жыл өткен соң, Қытай Мемлекеттік кеңесі елдің «Жаңа буын жасанды интеллектін дамыту жоспары» деп аталатын жасанды интеллект стратегиясын жариялады. Бұл құжат Қытайдың 2030 жылға қарай ЖИ технологиясы бойынша әлемдік көшбасшы болу және Қытайда триллион юаньдық ЖИ индустриясын (шамамен 150 миллиард долларға тең) құру амбициясын баяндайды. Жоспар сонымен қатар Қытайдың «Қытайда жасалған 2025» бастамасымен тығыз байланысты, ол Қытайды «әлемдік фабрикадан» технологиялық державаға айналдыруға бағытталған ұлттық стратегиялық жоспар мен өнеркәсіптік саясат болып табылады. Жасанды интеллектті пайдалану құжатта елдің «өнеркәсіпті жаңғырту мен экономикалық трансформацияның негізгі қозғаушы күші» ретінде сипатталған.

Батыстағы кейбіреулер үшін таңқаларлық болуы мүмкін, бірақ Қытайдың ЖИ дамыту жоспары сонымен қатар ЖИ үшін этикалық нормалар мен стандарттарды анықтауда жаһандық қозғаушы күшке қалай айналатынын сипаттайды. Онда адамзаттың әл-ауқатын арттыру, адам құқықтарын, құпиялылықты және әділдікті құрметтеуді қамтитын ЖИ-ді басқару принциптері белгіленген. Қытай ашықтықтың маңыздылығын және икемді болу мен пайда болып жатқан ЖИ қатерлеріне бейімделу қажеттілігін атап өтеді. Бұл ережелердегі негізгі айырмашылық — жеке құқықтарға емес, ұжымдық әсерге баса назар аудару. Бір мысал ретінде, Қытай бетті тану жүйелері бойынша көшбасшы болып табылады, олар Қытайдың «ақылды қала» жобаларында қауіпсіздік үшін қолданылады. Басқа елдер бұл технологияға жеке құпиялылыққа әсері болғандықтан сақтықпен қарайды және осы түрлі көзқарасқа байланысты қытайлық компаниялар қазір ЖИ-дің бұл саласында айқын басымдыққа ие.

Бұл Қытайдың орталық үкіметінің жоспары болса да, ЖИ-дегі нақты инновация мен трансформация коммерциялық ұйымдар арқылы жүзеге асырылады деп күтіледі, ал жергілікті үкімет тарапынан күшті қолдау көрсетіледі. Уақытқа негізделген мақсаттар назарды шоғырландыруға көмектесті және бір жылдан кейін-ақ қытайлық венчурлық қорлар жауап беріп, Қытайды жаңа қолданбалы ЖИ компанияларына инвестиция салу бойынша ең белсенді елге айналдырды, ЖИ венчурлық инвестициялары бойынша бүкіл әлемнің қалған бөлігімен теңесті. Қытай үкіметі сондай-ақ негізгі секторларда көшбасшы болу үшін ұлттық ЖИ-чемпион компанияларын таңдады. Бұл ұлттық чемпиондар басымдыққа ие болғанымен, бәсекелестік әлі де ынталандырылады және бұл автономды көліктер, ақылды қалалар, қауіпсіздік пен медициналық диагностикаға арналған компьютерлік көру және білім беруге арналған ЖИ сияқты салаларға қомақты инвестиция әкелді. Стартап-компаниялар жергілікті үкіметтен қолдау мен субсидиялар ала алады және сіз көптеген қытайлық стартаптардың өңірлік гранттарды пайдалану және олардың «Хукоу» (тұрақты тұрғылықты жері бойынша тіркелу жүйесі) жүйесімен енгізілген таланттардың қаладан қалаға көшуіне қойылған шектеулерді айналып өту үшін бірнеше жерде кеңселер ашып жатқанын көресіз.

Қытайдың ЖИ дамыту жоспары тек экономикалық бәсекеге қабілеттілікті арттырудың ғана емес, сонымен бірге ұлттық қауіпсіздікті қорғаудың, сондай-ақ ішкі қауіпсіздік пен құқықтық тәртіпті сақтаудың маңызды стратегиясы болып табылады. Қытайдың алдында тұрған басты мәселелердің бірі — оның өнеркәсіптік жұмыс күші бұдан былай өспейді, ауыл шаруашылығынан өндіріске ауысу кезеңі аяқталды. Қытай азаматтары тез өсіп келе жатқан өркендеудің пайдасын көрді және инновациялық қоғамға көшу осы жоғары өсу деңгейін сақтау үшін өте маңызды деп саналады. Экономиканың баяулауы Қытай Коммунистік партиясының қазіргі уақыттағы жоғары қолдау деңгейін сақтап қалуын қиындатуы мүмкін. Осы ойды қуаттау үшін, пандемияға дейінгі тәуелсіз жаһандық Ipsos-MORI сауалнамасы көрсеткендей, «өз елі дұрыс бағытта бара жатыр ма» деген сұраққа сауалнамаға қатысқан қытайлықтардың 92 пайызы келіскен — бұл осы сұрақ бойынша әлемдік орташа көрсеткіштен екі есе көп.

Қытай азаматтары соңғы қырық жыл ішінде орасан зор құрылымдық өзгерістерді бастан өткерді және мен мұны соңғы үш онжылдықта сол жаққа жиі баруым арқылы өз көзіммен көрдім. Жаңа тас жолдардан, әлемдік деңгейдегі әуежайлардан, жоғары жылдамдықты пойыздардан және ірі қалалардың жедел дамуынан бөлек, бәлкім, ең маңызды өзгерістердің бірі — Қытайда «әлеуметтік басқару» деп аталатын жүйенің жақында пайда болуы болды.

Жасанды интеллект технологиясы осы әлеуметтік басқару тәсілінің орталығында тұр. Жеке құпиялылық пен сөз бостандығы негізгі мәдени құндылықтар болып табылатын демократиядан шыққан адам ретінде маған бұдан жағымды тұстарды көру қиын. Конфуций құндылықтарымен өскен, заңға бағынатын орта таптағы қытай азаматының көзімен қарасақ, бәлкім, басқаша көзқарас болар: қытайлықтар қауіпсіз қалаларды, заңға бағынатын халықты және әлемдегі жетекші экономикалық өсуді көреді. Батыста біз үкімет басқаратын мұндай азаматтарды бағалау жүйесіне қарсы шығар едік, бірақ біздің ережелеріміз коммерциялық интернет-компанияларға әрқайсымыз туралы ұқсас деңгейдегі ақпаратты сақтауға мүмкіндік беретінін және билікті олардың қолында қалдыратынын мойындауымыз керек. Қытайдағы мәселе мынада: сіз қашан шектен шығып, желіде оқиғалар жариялау, саяхаттау немесе тіпті дүкеннен тауар сатып алу мүмкіндігіңізден айырыласыз? Шыңжаңдағы ұйғыр азаматтары мен басқа да мұсылман азшылық топтары үшін мәселе мүлдем басқа деңгейде.

ЖИ-дің күрделі екенін және мұқият бақылауды қажет ететінін түсіну дұрыс. Ықтимал жаһандық әсерлер туралы ойлану да маңызды: біз адамға бағытталған және мәдени құндылықтарымызды қолдайтын ЖИ құруымыз керек. Бірақ біз сондай-ақ ЖИ тез арада бақылаудан шығып кетеді деген үрейлі мәлімдемелердің көлеңкесінде қалмайтын тиісті реттеуді енгізуіміз керек. Біз басқа ұлттық мемлекеттер инновациялар жасау үшін бар күшін салып жатқанын және еліміз артта қалмауы керек екенін түсінуіміз қажет.

Интеллект ақпарат алмасу арқылы құрылады. Кванттық физика барлық объектілердің қандай да бір жолмен байланысты екенін және олардың осы ақпарат алмасу арқылы өмір сүретінін айтады. Күннен планетамызға жететін фотондар түріндегі жарық энергияны тасымалдап қана қоймайды, сонымен қатар осы ақпарат алмасуды қозғаушы күш болып табылады. Бұл фотондар бізге көруге және ақпарат жинауға мүмкіндік береді. Күн энергиясы Жердегі экожүйеміздің сақталуын қамтамасыз етеді және ол беретін жарық бізге қоршаған ортамызды тануға мүмкіндік береді. Өмір энергия мен ақпараттың үйлесімінсіз өмір сүре алмайды. Биология интеллект құру үшін осы компоненттерді пайдаланады. Мен энергияның, ақпараттың, байланыс пен интеллекттің бәрі бір-бірімен тығыз байланысты екенін түсіндім.

Біздің әлдеқайда ертедегі ата-бабаларымыз тас құралдар жасап, отты игерді. Миы үлкенірек болғандықтан, Homo sapiens тез арада жақсырақ құралдарды ойлап тапты, жануарларды қолға үйретті және заманауи қоғам құра бастады. Жаңа энергия көздерін адамның игеруі үлкен серпіліс болды, ал бу дәуірінің келуі технологиялық прогрестің жарылысына және жаһандық экономикалық белсенділіктің күрт өсуіне түрткі болды.

Жасанды интеллект — біздің адамзаттық эволюциямыздың жемісі; бұл біздің интеллектіміз бен бірегей құрал жасау қабілетіміздің үйлесімін қолдана отырып, адамдар жасап шығарған технология. ЖИ біз өзіміз үшін сипаттайтындай ойлай алмайды және оның мақсатын біз белгілейміз; оның ерік-жігері жоқ.

Мен ақпаратты оттегі, су, энергия және байланыс сияқты табиғаттың негізгі қозғаушы күші деп санаймын. Ақпарат алмасу қоршаған орта туралы түсінік береді, бұл өз кезегінде бізге жүйелеуге және құрылым құруға мүмкіндік береді. Біздің адам ретіндегі көбірек ақпарат пен тереңірек түсінікке деген ұмтылысымыз өзіміздің басты биологиялық мақсатымыздан — интеллекктімізді арттырудан туындайды.

fn1 Өткізгіштер, мысалы, металдар, электр тогын өткізеді, ал оқшаулағыштар, мысалы, пластмассалар, токты блоктайды. Жартылай өткізгіштер — өз күйіне байланысты электр тогын өткізе алатын немесе блоктай алатын материалдың ерекше түрі. Кремний — жартылай өткізгіш материалдың мысалы және ол іс жүзінде Жердегі ең көп таралған материалдардың бірі, оны кез келген теңіз жағалауындағы құмнан таба аласыз.

fn4 Сондай-ақ, Дэвид Юмның кереметтерге сенбеуіміз керек деген мәлімдемесіне жауап ретінде, Байес осы кереметке себеп болуы мүмкін барлық жағдайларды біле алмайтындығымыздықтан, кереметтің шынымен орын алуының (аз болса да) мүмкіндігі бар екенін атап өтті. Өз теориясын пайдалана отырып, ол кереметтің іс жүзінде болмағанына сенімді бола алмайтыныңызды көрсетті.

fn7 Мен сияқты құрлықаралық іскерлік сапарларға жиі шығатын адамдар джетлаг (ұшудан кейінгі шаршау) әсерімен күресу үшін кейде мелатонин таблеткаларын қабылдайды. Мен миымдағы химиялық заттардың тепе-теңдігін сақтаудың неғұрлым табиғи жолы ретінде демалыс, жаттығу және таза ауа мен күн сәулесінің үйлесіміне сенім артқанды жөн көремін.