Ценность «умного дома» ограниченна в силу его исполнительных механизмов: намного более простые системы (термостаты с таймером, светильники с датчиками движения и охранная сигнализация) способны обеспечить во многом такую же функциональность, причем более предсказуемым, хотя и менее чувствительным к контексту, образом. «Умный дом» не может заложить белье в бак стиральной машины, вымыть посуду или принести газету. Для всего этого ему необходим робот.

Возможно, нам не придется долго ждать. Роботы уже продемонстрировали многие требуемые навыки. В лаборатории Беркли, возглавляемой моим коллегой Питером Эббилем, «робот Беркли, избавляющий от скучных задач» (Berkeley Robot for the Elimination of Tedious Tasks, BRETT), складывает полотенца в стопки с 2011 г., а робот SpotMini разработки Boston Dynamics умеет подниматься по лестницам и открывать двери (рис. 5). Несколько компаний уже выпускают роботов-поваров, хотя им нужны особые вспомогательные устройства и заранее порезанные ингредиенты и они не могут работать в обычной кухне[101].

Последняя из трех базовых физических способностей, которыми должен обладать полезный домашний робот, — восприятие, движение и ловкость — создает больше всего проблем. По словам Стефани Теллекс, профессора робототехники Университета Брауна: «Большинство роботов не могут подхватить большую часть предметов в большинстве случаев». Отчасти это проблема восприятия посредством тактильных сенсоров, отчасти технологическая (на сегодняшний день создание ловких рук обходится очень дорого) и отчасти алгоритмическая: мы пока не слишком хорошо понимаем, как объединить сенсорное восприятие и контроль, чтобы совершать захваты и манипуляции с громадным разнообразием объектов, имеющихся в типичном доме. Существуют десятки способов захвата только для твердых предметов и тысячи отдельных навыков манипулирования, например способность накапать из бутылки ровно две капли, отклеить этикетку от консервной банки, намазать мягкий хлеб твердым сливочным маслом или вытащить вилкой из кастрюли одну макаронину, чтобы проверить, готова ли она.

Представляется вероятным, что проблемы тактильного восприятия и конструирования руки будут решены благодаря 3D-печати, которая уже используется компанией Boston Dynamics для самых сложных частей ее человекоподобного робота «Атласа». Навыки манипулирования, которыми владеет робот, быстро развиваются, в том числе благодаря глубокому обучению с подкреплением[102]. Последний рывок — собрать все это в единое целое, которое начинает приближаться к потрясающим физическим возможностям роботов из кино, — скорее всего, будет сделан в весьма прозаической складской индустрии. Одна лишь компания Amazon использует труд нескольких сотен тысяч человек, чтобы вынимать товары из коробок на гигантских складах и рассылать их клиентам. С 2015 по 2017 г. Amazon проводила ежегодный «Конкурс подбиральщиков», чтобы ускорить создание роботов, способных выполнить эту задачу[103]. Путь пока не завершен, но, когда основные исследовательские проблемы будут решены — вероятно, в течение десятилетия, — можно ожидать очень быстрого распространения высокофункциональных роботов. Сначала они будут работать на складах, затем в других коммерческих сферах, например сельском хозяйстве и строительстве, где спектр задач и объектов достаточно предсказуем. Довольно скоро мы увидим их и в розничной торговле за такими занятиями, как выкладывание товара на полки супермаркета и складывание одежды после примерки.

Первыми, кто действительно выиграет от появления роботов в доме, станут престарелые и немощные, которым полезный робот может обеспечить определенную степень независимости, недостижимую иными средствами. Даже если робот выполняет ограниченный круг заданий и имеет лишь зачаточное понимание происходящего, он может быть очень полезным. В то же время до робота-дворецкого, который уверенно заправляет домом и предупреждает любое желание своего хозяина, еще довольно далеко — для этого необходимо приблизиться к универсальному ИИ человеческого уровня.

Искусственная интеллектуальность во всемирном масштабе

Развитие базовых способностей понимания речи и текста позволит интеллектуальным персональным помощникам делать то же самое, чем занимаются ассистенты-люди (но за грошовую месячную плату вместо зарплаты в несколько тысяч долларов). Базовое распознавание речи и текста также позволяет машинам делать то, на что люди не способны, — благодаря не глубине понимания, а его охвату. Например, машина с базовой способностью чтения сможет еще до обеда прочитать все когда-либо написанное человеческой расой и станет искать, чем бы еще заняться[104]. При наличии способности распознавания речи она к вечернему чаю сможет прослушать все радио и телепередачи. Для сравнения: потребовалось бы 200 000 человек на полную рабочую неделю, только чтобы следить за нынешним уровнем мировых печатных публикаций (не говоря уже обо всем письменном наследии прошлого), и еще 60 000, чтобы слушать текущее вещание[105].

Такая система, если бы она умела делать хотя бы простые фактические выводы и интегрировать всю информацию, существующую на всех языках, являлась бы феноменальным устройством для ответов на вопросы и выявления закономерностей — намного более мощным, чем поисковые системы, которые в настоящее время оцениваются примерно в $1 трлн. Ее ценность для исследования в таких областях, как история и социология, была бы безмерна.

Конечно, стало бы также возможным прослушивать все телефонные звонки в мире (работа, которая потребовала бы около 20 млн человек). Определенные тайные ведомства сочли бы эту возможность ценной. Некоторые из них уже много лет занимаются простыми видами крупномасштабного машинного прослушивания, например поиском ключевых слов в разговорах, и сейчас совершают переход к преобразованию разговоров в пригодный для поиска текст[106]. Эти записи-расшифровки, безусловно, полезны, но далеко не так, как одновременное понимание и интеграция контента всех разговоров.