определенно неспособна справиться с одним из ключевых продуктов человеческого интеллекта: речью. «Чисто статистическая обработка информации578 «снизу вверх» не позволила нам сколько-нибудь далеко продвинуться по важному набору проблем – речь, рассуждения, планирование и здравый смысл – даже после шестидесяти лет работы с нейронными сетями, даже когда значительно улучшилась ситуация со скоростью вычислений, доступными объемами памяти и качеством исходных данных», – сказал он, обращаясь к аудитории.

Проблема в том, объяснил он, что нейронные сети обучаются не так, как человеческий мозг579. Даже для выполнения задач, которые не под силу нейронным сетям580, человеческому мозгу не требуются такие огромные объемы данных, как глубокому обучению. Детям, в том числе новорожденным581, для обучения нужны совсем небольшие объемы информации, и иногда им достаточно одного-двух хороших примеров. Даже дети, выросшие в семьях582, где родители не проявляют интереса к развитию и образованию своих чад, осваивают нюансы разговорной речи, просто прислушиваясь к тому, что происходит вокруг них. А вот нейронная сеть нуждается не просто в тысячах примеров. Нужно, чтобы каждый учебный пример был кем-то тщательно размечен. Это показывает, что искусственный интеллект неосуществим без того, что нативисты называют «врожденной машинерией»583: без того огромного количества знаний, которые, как они считают, изначально заложены в человеческий мозг. «Обучение возможно только потому, что наши предки разработали механизмы584 для обозначения таких вещей, как пространство, время и устойчивые объекты, – сказал Маркус. – Мой прогноз – и это только прогноз, доказать я этого не могу – заключается в том, что ИИ сможет работать намного лучше, когда мы научимся внедрять в него аналогичную информацию». Другими словами, он считает, что есть много вещей, которые ИИ никогда не сможет освоить самостоятельно. И эти вещи должны быть вручную запрограммированы инженерами.

У Маркуса, как убежденного нативиста, в этих дебатах был свой идеологический интерес. Но был также и экономический интерес, поскольку он работал над созданием нового стартапа, основанного на идее врожденной машинерии. Дебаты с Яном Лекуном в Нью-Йоркском университете стали началом скоординированной кампании, призванной показать мировому сообществу разработчиков ИИ, всей высокотехнологичной индустрии и широкой общественности, что возможности глубокого обучения гораздо более ограничены, чем это могло кому-то казаться. В первые месяцы 2018 года он опубликовал, как он выразился, трилогию статей585, критикующих глубокое обучение вообще и подвиги AlphaGo в частности. Затем он перенес свою критику в научно-популярную прессу, и одна из статей удостоилась анонса на обложке журнала Wired. Все это в конечном итоге привело к написанию книги586, которую он назвал «Перезагрузка ИИ» (Rebooting AI), и созданию нового стартапа, призванного закрыть брешь, которую он видел в глобальных усилиях по разработке ИИ.

У Лекуна выступление оппонента вызвало чувство недоумения. Как он сказал аудитории в Нью-Йоркском университете, он согласен с тем, что одним только глубоким обучением нельзя достичь истинного интеллекта587 и что никогда не говорил обратного. Он согласен с тем, что ИИ требуется врожденная машинерия588. Ведь нейронная сеть сама по себе и есть врожденная машинерия. С чего-то надо начинать, прежде чем запустится процесс самообучения. В ходе дебатов Лекун был сдержан и даже вежлив. Но в дальнейшем его тон изменился. Когда Маркус опубликовал свою первую статью, ставившую под сомнение будущее глубокого обучения, Лекун ответил твитом589: «Количество полезных советов, когда-либо данных Гэри Маркусом, равно нулю».

Маркус был не один такой. Многим теперь претила неунимающаяся волна шумихи вокруг слов «искусственный интеллект», поднимаемая прессой и рекламой. Компания Facebook была в авангарде революции глубокого обучения и видела в этой технологии ответ на самые насущные проблемы. Однако становилось все более очевидным, что это в лучшем случае частичное решение. На протяжении многих лет такие компании, как Google и Uber, обещали, что вот уже скоро на дорогах появятся беспилотные автомобили, которые будут перевозить обычных людей по городам Америки и других стран. Но даже охочие до сенсаций журналисты начали понимать, что эти утверждения сильно преувеличены. Хотя благодаря глубокому обучению они научились значительно лучше распознавать людей, препятствия и дорожные знаки и быстрее прогнозировать дорожные условия и планировать маршруты, беспилотные автомобили все еще были далеки от того, чтобы уметь справляться с хаосом повседневного дорожного трафика наравне с людьми. Хотя в Google рассчитывали открыть к концу 2018 года сервис беспилотных такси в городе Финиксе, штат Аризона, этого не произошло. Что касается разработки лекарств – области, которая выглядела такой многообещающей, после того как Джордж Даль и его коллеги из Торонто выиграли конкурс Merck, – то это оказалось гораздо более сложной задачей, чем первоначально думали. Вскоре после прихода в Google Даль отошел от этой идеи. «Проблема в том, что та часть процесса разработки лекарств, в которой мы больше всего могли бы помочь, является далеко не самой важной, – говорит он. – В общем итоге – а выход нового лекарства на рынок обходится в 2 миллиарда долларов – она составляет сущую мелочь». Орен Эциони, бывший сотрудник Вашингтонского университета, возглавлявший в Сиэтле Институт искусственного интеллекта имени Аллена, часто говорил, что, несмотря на весь ажиотаж вокруг глубокого обучения, ИИ не сможет даже пройти школьный экзамен по естествознанию.

Представляя в июне 2015 года новую парижскую лабораторию Facebook, Ян Лекун сказал: «Следующим большим шагом на пути технологии глубокого обучения является понимание естественного языка590 – чтобы машина научилась понимать не только отдельные слова, но и целые предложения и абзацы». Это была высокая цель для всего сообщества исследователей ИИ – следующая важная веха после того, как ИИ научился распознавать изображения и слова. Машина, способная понимать естественную речь людей, устную и письменную, – и даже поддерживать беседу – была стратегической целью разработок ИИ начиная с 1950-х годов. Но к концу 2018 года вера многих пошатнулась.

Ближе к концу дебатов, когда Маркус и Лекун отвечали на вопросы аудитории, женщина в желтой блузке встала и спросила Лекуна, почему прогресс с пониманием естественной речи застопорился.

– Революция, аналогичная распознаванию образов, так и не произошла591, – сказала она.

– Я не совсем согласен с вашим утверждением, – сказал Лекун. – Есть, например…

– Что например? – перебила она его.

– Перевод, – сказал он.

– Машинный перевод, – возразила она, – не равносилен пониманию речи.

* * *

Примерно в то же самое время, когда проходили эти дебаты, ученые из Алленовского института искусственного интеллекта представили новый тип теста по английскому языку для компьютерных систем592. Проверялась способность машины заканчивать фразы593 типа такой:

Женщина на сцене садится за рояль. Она

А. сидит на скамейке, пока ее сестра играет с куклой.

B.