самых модным словечек десятилетия: его повторяли до бесконечности в пресс-релизах, блогах, новостях и на веб-сайтах. И, как всегда, это было преувеличением. В умах широкой публики словосочетание «искусственный интеллект» прочно ассоциировалось с научной фантастикой – говорящими компьютерами, разумными машинами, антропоморфными роботами, которые способны делать все, что может делать человек, и в конечном итоге могут уничтожить своих создателей. Этому способствовало и то, что СМИ, стремясь описать новую волну высоких технологий, то и дело вспоминали в заголовках, фотографиях и статьях фильмы вроде «Космической одиссеи 2001 года» и «Терминатора». Снова повторялась история с Фрэнком Розенблаттом и его «Перцептроном». Вместе с технологией глубокого обучения на передний план вышла также идея беспилотного автомобиля. И примерно в то самое время группа ученых из Оксфордского университета опубликовала исследование, предсказывающее, что автоматизация производства скоро вырубит гигантскую просеку на рынке труда197. Каким-то образом из всего этого образовалось одно огромное, переливающееся через край месиво, включающее в себя наряду с совершенно реальными достижениями науки и техники необоснованную шумиху, нелепые предсказания и тревоги о будущем. Термин «искусственный интеллект» соединял в себе все перечисленное.

В этой шумихе вокруг искусственного интеллекта прессе нужны были герои. Чаще всего в качестве героев выбирали Хинтона, Лекуна, Бенжио, иногда Ына – во многом благодаря усилиям рекламных отделов Google и Facebook. На Юргена Шмидхубера, немецкого исследователя с озера Лугано, который был светочем нейронных сетей в Европе в 1990-е и 2000-е годы, эта сень славы не распространялась. То, что СМИ фактически игнорировали Шмидхубера, некоторым не нравилось, в том числе самому Шмидхуберу. После того как Хинтон, Лекун и Бенжио опубликовали статью о подъеме глубокого обучения в журнале Nature, Шмидхубер написал критическую статью, в которой утверждал, что «эти канадцы» на самом деле не столь влиятельны, какими кажутся, и что их успехи зиждутся на идеях ученых, работающих в Европе и Японии. И когда примерно в то же время Ян Гудфеллоу представил научному сообществу свое исследование генеративно-состязательных сетей, Шмидхубер встал и отчитал докладчика за то, что он не удосужился сослаться на аналогичные исследования, проводившиеся в Швейцарии в 1990-е годы. О своих обидах он напоминал так часто, что даже появилось выражение «быть отшмидхуберенным»198. Но не он один пытался примкнуть к торжеству искусственного интеллекта. После того, как научное сообщество многие годы игнорировало их идеи, многие разработчики глубокого обучения испытывали желание громко раструбить о своем личном вкладе в эту настоящую технологическую революцию. «У каждого внутри есть свой маленький Трамп, – говорит Хинтон, – и хорошо, когда вы осознаете его».

Единственным исключением был Алекс Крижевский. Как сказал Хинтон, «в нем мало Трампа». Перешедший в группу Chauffeur Крижевский был в центре этого бума искусственного интеллекта, но он не видел в своей роли ничего такого особенного и даже не считал возможным говорить о предмете своих исследований как об ИИ. Речь шла о глубоком обучении, а глубокое обучение сводилось к простой математике, распознаванию паттернов, или, как он это называл, «нелинейной регрессии». Эти методы существовали десятилетиями. Просто такие люди, как он, появились в нужное время, когда накопилось достаточно исходных данных и достаточно вычислительной мощности, чтобы все это могло работать. Технологии, которые он создал, ни в коей мере не были «умными», никаким «интеллектом» они не обладали. Они работали лишь в совершенно особых условиях. «Глубокое обучение не следует называть искусственным интеллектом, – говорит Крижевский. – И в аспирантуре я занимался исследованием кривых, а вовсе не искусственным интеллектом». То, что он делал, сначала в Google Brain, а затем в отделе беспилотных автомобилей, сводилось к применению математики к новым ситуациям. Это не имело ничего общего с попытками искусственного воссоздания человеческого мозга – и было очень далеко от смутных опасений, что машины когда-нибудь выйдут из-под нашего контроля. Это всего лишь разновидность информатики. Многие соглашались с такой точкой зрения, но шум в прессе делала не она, а куда более громкий голос, принадлежавший прежнему коллеге Крижевского по торонтской лаборатории Илье Суцкеверу.

* * *

В 2011 году, еще будучи студентом Университета Торонто, Суцкевер прилетел в Лондон на собеседование с руководителями DeepMind. На Рассел-сквер он встретился с Демисом Хассабисом и Шейном Леггом, и те рассказали ему, что они пытаются делать. Они объяснили, что хотят создать AGI – искусственный интеллект общего назначения – и начинают с систем, которые играют в игры. Слушая их, Суцкевер думал, что они утратили связь с реальностью. AGI – не тема для разговора между серьезными исследователями. Поэтому он отказался от работы в компании и вернулся в университет. Но, оказавшись впоследствии в Google, он понял, что сама природа исследований ИИ изменилась. Речь уже не шла об одном-двух чудаках, возящихся с нейронными сетями в университетской лаборатории. Речь шла о больших командах людей, работающих над серьезными общими целями, имея в своем распоряжении огромные вычислительные мощности. Он всегда был приверженцем больших идей, и, когда он перебрался в Google Brain, идеи стали еще масштабнее. Проведя два месяца в офисе DeepMind в рамках программы трансатлантического сотрудничества между лондонской лабораторией и Google Brain, он пришел к убеждению, что единственный способ добиться реального прогресса – это устремиться к тому, что казалось недостижимым. То, что было у него на уме, отличалось как от представлений Джеффа Дина (больше интересовавшегося практическими приложениями, которые можно тут же выпустить на рынок), так и от того, о чем мечтал Ян Лекун (который хоть и любил заглянуть в будущее в своих исследованиях, но никогда не заходил слишком далеко). Виды на будущее Суцкевера были гораздо ближе к философии основателей DeepMind. Он говорил о далеком будущем так, словно оно было очень близко, – о машинах, которые умнее людей, о компьютерных центрах обработки данных, которые сами создавали новые центры обработки данных. Все, что ему и его коллегам было нужно, – это больше исходных данных и больше вычислительной мощности. Тогда они могли бы обучить систему делать что угодно – не просто управлять автомобилем, но читать, говорить, думать. «Он человек, который не боится верить, – говорит Сергей Левин, специалист по робототехнике, работавший вместе с Суцкевером в Google в эти годы. – Есть много людей, которые не боятся, но он особенно бесстрашен».

К моменту перехода Суцкевера в Google метод глубокого обучения привел к радикальным изменениям в технологиях распознавания речи и изображений. Следующим важным шагом стал машинный перевод – технология, позволявшая мгновенно перевести текст с любого языка на любой другой. Это была более сложная проблема. Речь уже не шла об идентификации какого-то одного объекта, например собаки