Недавно мне задавали вопросы про электронные мозговые протезы — насколько это может быть реально? Вот несколько пруфлинков:
— главная статья с подробным описанием эксперимента на приматах — тут (результаты мая 2012-го);
— веб-сайт тамошней тусовки (безнадёжно устарел: самый свежий материал там — от 2008 годв);
— тема Brain-computer Interfaces and Neural Prostheses в ключевых словах конференции 2013 года по нейронным информационным системам.
А для повёрнутых на «интеллектуальном витализме» человеческого творчества рекомендую алгоритм, который более или менее распознаёт период сочинения мелодии (эпохи барокко, классики, романтизма, XX века), беря всего три последовательных ноты из любого её места. Почему я это привожу следующим абзацем к материалу по «мозговым протезам для приматов»? А вы почитайте последние абзацы в тексте по ссылке:
We could perform this study because of the available data – the “big data” of music. This same approach could identify other patterns in other sounds, namely our speech. Computer algorithms can already identify speech patterns in the early stages of Parkinson’s disease through a recorded phone interview.
Doctors know that the vocal chords are affected early on in the onset of Parkinson’s. We want to push the ability to identify the combination of sounds – like the three notes in our Western music study – to make an even earlier diagnosis.
With more-comprehensive speech data, we could uncover patterns in other diseases. We’re now using our tool to study past individual cases to tease out features and patterns in the way people with a particular psychiatric disorder speak or even “hum” music. From this, we could come up with models to explain the behavior.
Perhaps in the future, other disorders can be identified through simple, non-invasive verbal tests.
Для меня это «возможно в будущем» сведётся к простенькой программке-монитору в какой-нибудь пятой версии Google Glass (и связанным с этой программкой неизбежным дебатам о том, можно ли опираться на результаты работы таких программ при приёме на работу — или это «несправедливая дискриминация на основе мозговых различий, ещё более несправедливая, чем дискриминация по полу и возрасту»). Это «возможно в будущем» может случиться уже через пяток лет, ойкнуть не успеете.
Планшеты как класс устройств появились 4 апреля 2010-го: вышел первый iPad. Прошло всего три года — и эти планшеты есть у всех, и отнюдь не только эппловские. Конечно, будут и очки не только гугловские. В любом случае поглядите на графики: они дают какое-то представление о том, что начинает происходить на рынке с носимой компьютерной аппаратурой (и обязательно делайте поправки на то, что торговых марок этой аппаратуры будет сильно побольше, чем одна–две).
Чем всё это отличается от смартфонов? Последние нужно включить и поглядеть на экран, пару раз перед этим в сей экран ткнув. Поэтому не все утруждаются включать смартфоны и глядеть на дисплеи. Очки-компьютеры просто убирают этот барьер: не нужно шевелить пальцем для включения экрана, шевельнуть нужно всего лишь глазом, что легче. С другой стороны, неважно, что программа планирования ремонта по состоянию будет работать на корпоративном мейнфрейме и иметь интерфейс на планшете, помещаться в облаке и иметь интерфейс на очках или же находиться в импланте с интерфейсом прямо к нейронам мозга. Это непринципиально с точки зрения того, что делает эта программа: важно лишь снижение барьеров доступа к ней и интеграция результатов её работы в привычное «думание».
Конечно, не только с интерфейсами и (или) клиентскими устройствами будет много чего происходить в ближайшее время, но и с серверами. Обратите внимание: знаменитый в «deep learning-кругах» Andrew Ng за счёт задействования GPU упаковал ту же задачу, что решалась на аппаратном комплексе за $1 млн, в аппаратуре за $20 тыс., но опять-таки последний абзац там уточняет: унаследованное от эпохи моды на видеоигры аппаратное решение GPGPU архитектурно неадекватно для всех этих deep learning и big data, и требуются какие-то иные решения. То, что Ng заинтересовался аппаратурой, — это только начало длинного (аж в несколько лет) пути. Эти новые аппаратные решения обязательно появятся, и очень скоро. Предложений по хардверу при сегодняшних технологиях его создания может случиться не меньше, чем года три назад стало прибывать по языкам программирования при современных технологиях создания компиляторов и понимании теоретических проблем языкостроения.
Вот так и будет: новое адекватное железо, новые алгоритмы феноменологического поиска закономерностей и извлечённые из изобильных данных новые закономерности. Следующий прорыв будет в алгоритмах построения формальных теорий (создания системы идеальных объектов, в терминах которых можно строить легко понимаемые компактные объяснения-описания — все эти «аксиоматические теории» вместо «массивов весовых функций»).
Но логицизм — он логицизм и есть, даже в сегодняшнем обличье массивов весовых функций deep learning, ещё до нормального софта построения аксиоматических теорий. Никакой «мистики творчества». Я придерживаюсь мнения, что «интеллектуальным» или «творческим» называется сегодня только то, что непонятно как устроено. А когда понятно, когда имеется компьютерная модель задачи — это не по линии интеллекта или творческой гениальности, а по линии цирка. Через десяток лет на композиторских программах можно будет найти слайдер вышибания слезы с двумя крайними положениями — от печали или от радости. Другое дело, что такие программы никому не нужны: это самое «творчество» в его классических изводах оказывается предельно дешёвым товаром, автоматизация которого нерентабельна. Это не значит, что автоматизации не будет. Будет, просто дело пойдёт не слишком быстро — и в порядке хобби, в отличие от вполне рыночной автоматизации «нетворческой» деятельности типа погрузочно-разгрузочных работ с помощью роботов или автоматического вождения автомобилей: каждая такая «нетворческая» деятельность будет затрагивать миллионы людей, а не десятки тысяч «интеллектуалов». Но и до последних дело дойдёт — когда оно будет упираться в сложность.
Меня спросили на тьюториале, что я считаю «сложным». Сложным я считаю такое дело, которое не влезает в человечий мозг, чтобы его делать без автоматизации. Так, если у вас пять миллиардов транзисторов на чипе, то без автоматизации такой чип ни «сдизайнить» (то есть продумать), ни произвести невозможно. Вот такой простой критерий. Так что всё это «композиторство» и «писательство» (и даже «конструкторство») для меня — несложные задачи, несмотря на то что в народных легендах они намертво ассоциируются с «творчеством». А вот ежели нужно сделать оптимальный по весу и прочности корпус для какого-нибудь редуктора — это задача сложная (и простая, если оптимальности по весу и прочности не требуется). Переход к решению сложных задач — вот настоящее творчество. В этой связи даже распознавание дорожных знаков с точностью лучше, чем у не вооружённого компьютером человека, — задача сложная, творческая. И я счастлив, что в решении таких задач как раз сейчас происходит качественный скачок: жизнь не просто меняется, жизнь меняется ВНЕЗАПНО.