Ещё один подход — поиск какой-то задачи, успех в решении которой коррелирует с творческими способностями. Например, авторы исследования «Лучшие люди по-прежнему превосходят искусственный интеллект в задаче творческого дивергентного мышления» [Best humans still outperform artificial intelligence in a creative divergent thinking task], увидевшего свет в 13-м номере журнала Scientific Reports за 2023 г.[2504], [2505], протестировали способность людей и моделей машинного обучения к дивергентному мышлению, то есть генерации новых идей. Популярные в наши дни теории творчества часто отталкиваются от его концепции как двойного процесса, предложенной американским психологом Джоем Гилфордом. Модель Гилфорда предполагает, что творческий процесс основан на взаимодействии спонтанного (дивергентного) и контролируемого (конвергентного) способов мышления, при этом первое отвечает за оригинальность и новизну идей, а второе оценивает соответствие идей требованиям задачи.

В рамках «Теста об альтернативном применении» (Alternative Uses Test) 256 испытуемым предлагалось за 30 секунд придумать нетрадиционные способы применения бытовых предметов (например, карандаша или подсвечника). Аналогичное задание получили и три современные системы ИИ, основанные на нейросетевых моделях. Правда, в их задания пришлось внести некоторые изменения: инструкции, данные системам, указывали на необходимость сгенерировать определённое количество идей, а также ограничиться в описании каждой из идей тремя словами (примерно столько же слов содержали описания, которые давали люди в условиях ограниченного времени). Каждый вопрос про каждый из предметов задавали каждой из систем по 11 раз. Ответы людей и машин оценивали эксперты (разумеется, оценка была «слепой», то есть никто из экспертов не знал, имеет ли он дело с ответом человека или машины). В итоге системы ИИ в среднем справились с тестом лучше, чем люди, однако результаты людей имели больший разброс и почти все лучшие результаты принадлежали людям.

Неясно, в какой мере результаты таких тестов можно считать убедительным свидетельством в пользу того, что машины способны на «настоящее творчество» (что это такое?), а создаваемые ими произведения могут обладать существенной художественной ценностью.

К сожалению, а может быть к счастью, у нас нет простого метода для определения художественной ценности того или иного произведения искусства.

Однако, если произведение заявлено как образец какого-либо жанра, мы можем по крайней мере судить о том, подчиняется ли оно законам этого жанра. Например, если речь идёт о лирическом стихотворении, соответствующем канонам силлабо-тонического стихосложения, то мы можем хотя бы оценить стихотворный размер, рифмы, корректность орфографии и синтаксиса и так далее. Ещё более надёжные критерии существуют в научно-техническом творчестве — мы можем объективно оценить, обладает ли спроектированная машиной молекула заявленными свойствами, отвечает ли созданная алгоритмом конструкция предъявляемым к ней требованиям. Давайте попробуем взглянуть на новейшую историю машин, претендующих на наличие у них творческих способностей, на те методы, которые лежат в их основе, а после попробуем сделать вывод о том, действительно ли творчество является исключительной привилегией человека.

6.6.2 Первые опыты по автоматизации сочинения текстов

Начнём, пожалуй, с текста, тем более что с современными нейросетевыми моделями для обработки естественного языка мы уже познакомились. Существование диалоговых моделей, систем машинного перевода и языковых моделей весьма прозрачно намекает на то, что на тех же принципах может быть построена генеративная модель, способная генерировать не только ответные реплики в диалоге, но и другие разновидности текстов. Люди используют естественный язык и подобные ему формальные системы для передачи друг другу различных сведений, идей и алгоритмов. Таким образом, решение задачи генерации осмысленного текста может открыть дорогу машинному творчеству в самых разных областях. Подробное словесное описание устройства новой машины позволит создать новую машину, текстовое описание процесса синтеза нового химического соединения позволит создать новое химическое соединение. Музыка, математические выкладки, последовательности оснований в молекуле ДНК, компьютерные программы — всё это может быть представлено в виде текстов на некоторых формальных языках. Понимание этого позволяет оценить всю важность математических исследований Тьюринга, Чёрча, Клини и их коллег в 1930-е гг., создавших концепции, лежащие в основе современной вычислительной техники. Поскольку условие любой интеллектуальной или творческой задачи можно представить в виде текста, то создание системы, способной эффективно решать такие задачи в «текстовом пространстве», будет означать прогресс во всех областях машинного интеллекта. Именно непонимание этой проблематики ведёт ко многим неуклюжим попыткам «усовершенствовать» или «починить» тест Тьюринга или к помпезным открытиям в духе доказательства наличия гёделевских ограничений у машинного обучения. Впрочем, давайте всё-таки вернёмся к более приземлённым материям.

Сама по себе задача механической генерации текста, как нередко водится, старше, чем первые электронно-вычислительные машины. В какой-то мере устройство Луллия тоже можно считать системой, порождающей новые тексты. Идеи о том, как можно представить слова естественного языка в виде чисел, содержатся в работах Декарта и Лейбница. Первый считал, что «следует установить методическое расположение всех мыслей-идей, подобно методически установленному порядку естественного ряда чисел» (напоминает современные модели с векторными представлениями слов, не так ли?), второй предложил систему звукочисловой записи слов, в которой звуки сопоставлялись различным числам. Лейбниц мечтал «свести понятия к символам, символы к числам и, наконец, посредством цифр и символов подвергнуть понятия механическому вычислению». Впрочем, рассуждениям Декарта и Лейбница суждено было до поры до времени оставаться лишь теоретическими концепциями, в некоторой степени опередившими своё время, и пальму первенства в деле механической генерации текста на какое-то время захватили литераторы. Конечно, проекты эти носили обычно полушутливый характер, но само их появление было, по всей видимости, закономерно в век триумфального шествия механики. Николай Чуковский, один из учеников Николая Гумилёва, вспоминал, что Гумилёв вёл семинар, на котором его участники писали стихи при помощи составленных мэтром таблиц, которые, по мнению Гумилёва, давали возможность сочинять стихи «без риска написать плохо». Знакомый Сергея Есенина Матвей Ройзман вспоминал, что однажды, придя домой к поэту, он застал такую картину:

Лежал Сергей на ковре, сбоку от него находилась небольшая старая коробочка от лото, а перед ним валялись нарезанные из карточек картонные квадратики: на одной стороне — цифры, на другой — написанные рукой Есенина слова. Он сказал, что пытается механизировать процесс сочинения стихов и образов. Взял из кучи несколько квадратиков, прочитал: Вечер, свечи, — и произнёс вслух:

Вдали розовый вечер

Зажёг жёлтые свечи…[2506], [2507]

Здесь сразу же вспоминается сцена из «Золотого телёнка» незабвенных Ильфа и Петрова:

Остап простёр своё любопытство вплоть до того, что ознакомился даже со статьёй Ухудшанского «Улучшить работу лавочных комиссий». После этого Бендер ещё оглядел диковинного журналиста с ног до головы, нехорошо улыбнулся и, почувствовав знакомое волнение стрелка-охотника, заперся