Механоид

Алексей Ноунэйм

Часть 1

Мир изменился.

Мы не заметили, как это произошло, но вдруг оглянувшись, стало понятно — сейчас уже все по-другому. Мы действительно вошли в эпоху умных машин и автоматизированного труда.

Начиналось все довольно буднично и незаметно. Сначала появились базы данных со своим собственным языком, ничего особенного — просто такое структурированное хранилище, куда вы запихиваете жестко заданные типы записей — «сказано в таблице карандаши и тетради, значит, нечего совать туда свои ручки». Это грубо, но зато наглядно — если мы определили тип данных, то только его туда и можем впихнуть. А если ситуация стремительно меняется, что тогда? Тогда нам нужен программист и переработанная оболочка программы — людям сложно работать напрямую с данными и тут самое слабое звено мы.

Потом появились распределенные базы данных по множествам серверов. Они были особо интересны тем, что сами базы не имели жестко заданных типов данных. Вещь вышла — прекрасно масштабируемой и отказоустойчивой. Но вот чем более гибкая система хранения, тем более топорная система обработки — тут уже надо хорошо самому головой шевелить, что бы к ручкам в ящик не положить топор — здесь мы сами за всем следим и сами делаем выборки данных. Но с этими базами можно делать все, что угодно и, как вариант в ситуации вседозволенности, возникает соблазн по-быстрому влепить дополнительное поле или сбацать отчетик на прямых запросах. В результате — никто не может понять, как это работает и что, где находится. Каша.

И вот тут человечество сделало следующий шаг — слияние двух типов баз и применение технологии нейронных самообучающихся сетей. Появилось понятие «фокуса данных». Первая жесткая база данных хранила только ссылки, на сами объекты, но не хранила их. Вторая — масштабируемая и огромная уже располагала их детальными описаниями. Нам не нужно в данный момент времени полностью знать, что такое карандаш, все его типы и где они валяются или где их видели — нам нужен просто один карандаш под рукой именно сейчас. Вот тут первая база и помогала быстро отыскать по заданным условиям его, а вот дальше уже обращалась к огромному хранилищу — нам нужен именно красный карандаш, надгрызенный с одного конца и хорошо заточенный — наш любимый. По ссылкам и вытаскивали данные из хранилища последовательно — все нужные нам признаки.

Фокус данных предполагает одну простую мысль — для использования объекта нам не требуется все его описание, достаточно выявить его основные признаки, а выявлять их удобно именно из жесткой структурированной таблицы. А потом человечество сделало еще один маленький шаг — связало возможные действия с объектами данных. Именно возможные — что-то вроде аллертов. Просто свойство объекта — действие такое-то, за которое и отвечала нейронная сеть. Действия были обучаемыми! Мелочь, но нам стало достаточно знать один признак, что бы вытащить все возможные действия с ним, но опять только те, что в «фокусе».

Ночь, постель, девушка в ней и никого рядом, отношения у вас в статусе «очень близкие» — согласитесь, вариантов действий не много и компьютеру не требуется перебирать все варианты, что бы выбрать вариант действий. Решение вы можете принять быстро, или не вы — это может сделать и домашний робот — укрыть одеялом, например. Все эти маленькие шажки смогли сделать возможным одно — рождение искусственного интеллекта.

Любой кусок железа теперь обучался — не требовались огромные сервера для обработки всех данных, что бы принять решение. Нужно только хранилище данных, общее хранилище данных и умение строить взаимосвязи. Были и печальные итоги прогресса — неожиданно выяснилось, что очень много людей тупее кофеварки. Но это были самые ценные члены общества — они были идеальными потребителями, а решения им помогали принимать их многочисленные помощники — были бы деньги. Вот так и появились игры глубокого погружения, в которых боты были ничуть не глупее людей, а прорисовка мира была просто великолепной. Да и как ей быть другой, если мы обычно не обращаем внимания на пейзаж, но если вы начнете разглядывать дерево, то увидите каждый листик на нем и так вплоть до молекул. Но пока вы проходите мимо них, не заостряя внимания, то и видите лишь ключевые комбинации объектов «дерево». Все просто — что нам не интересно, то прорисовывается слабо, да и зачем рисовать то, что вы не заметите.

Меня зовут Олег, я «тыжпрограммист». Обычно занимаюсь тем, что обучаю машины действиям. Мы не загоняем массив данных, с описанием всех предметов. Зачем? Есть облачные хранилища — вот там все и лежит. На самих машинах только главная база с действиями и быстрыми ссылками на ключевые объекты — этого достаточно для работы и не надо обучать каждый чайник правильно кипеть. Все понятия у нас есть, а вот применимость их к нашему продукту мы и определяем, да и алгоритмы действий тоже надо создать. Обучение базовое, но сложность именно в том, что предусмотреть все нельзя и надо обучить эту железяку принимать решения самостоятельно. Называется весьма замысловато «определение первичных ключей и критичных решений». Думаете просто? Я вас разочарую, но ведь если чайник позволит себе пролить на вас кипяток, то вы уже больше не купите его у нас. Но иногда вам надо специально пролить из него воду и как это знать бедному чайнику? Постоянно изменяются условия существования чайника и ему требуется принимать сложные решения — вот тут я и выстраиваю ему приоритеты. Ну, это я так упростил сложнее всего с ванными — никогда не угадаешь, как сегодня надо человеку, тут уж да, грешен — возникает желание сварить этих тупых засранцев, что бы мылись при одной температуре и ничего в ванну не пихали лишнего, особенно противоположный пол.

И да, я как все «тыжпрограммисты» люблю поиграть в игры. Даже капсулу глубокого погружения купил, со своей памятью и написанными мною ключевыми скриптами — враг или друг, спасаться бегством или накостылять супостату — вот эти подборки очень помогали в играх лидировать или хотя бы не проигрывать каждый раз. Это я тоже упростил, но сами алгоритмы выбора были мною хорошо отлажены и я их просто переносил в игры, что мне очень облегчало жизнь. Раньше, таких как я,