Cyc реализовывался, если можно так выразиться, задом наперед. Сначала создали репозиторий знаний, а затем на его основе строили логические рассуждения. Мы же первым делом определяем эталон, позволяющий оценить способности программы к рассуждениям с точки зрения здравого смысла. Определение такого эталона нетривиальная задача, но как только мы с ней справимся, появится возможность эмпирически и экспериментально измерять наш прогресс.

М. Ф.: То есть вы планируете создать своего рода объективный тест на наличие здравого смысла?

О. Э.: Именно так! Если тест Тьюринга проверял, может ли машина мыслить, наш тест будет проверять, насколько здраво.

М. Ф.: Вы также работали над системами, которые пытались сдать экзамен по биологии и по другим предметам. Вы все еще этим занимаетесь?

О. Э.: У Пола Аллена была идея программы, которая читала главу из учебника, а затем отвечала на вопросы. Мы сформулировали аналогичную задачу – написать программу, умеющую проходить стандартизованные тесты. В научном контексте это часть проекта Aristo, а в контексте математических задач – часть проекта Euclid. Мы определили эталонную задачу, а затем начали увеличивать эффективность ее решения.

М. Ф.: Достигли ли вы поставленных целей?

О. Э.: Честно говоря, однозначно на этот вопрос ответить не получится. Мы провели конкурс Kaggle, в котором участвовало несколько тысяч команд со всего мира. Было интересно посмотреть, что мы упустили, но оказалось, что наша технология работала лучше других. То есть результаты можно считать позитивными, но наша программа не получила высокую оценку, ведь для решения задач требовались и зрение, и владение языком. Кроме того, очень мешало отсутствие здравого смысла, что и привело нас к проекту Mosaic.

Тут есть один парадокс. Трудные для людей вещи, например, играть в го на уровне чемпиона мира, не представляют сложности для машин. Большинство людей, не задумываясь, ответит на вопрос «пройдет ли слон в дверной проем?», машина же впадет в ступор. То, что легко для одного, трудно для другого, и наоборот. Я называю это парадоксом ИИ.

Разработчики стандартизированных тестов хотят взять конкретную концепцию, например фотосинтез, и попросить машину применить ее в определенном контексте. Оказалось, что представить процесс фотосинтеза на уровне ученика шестого класса машине легко. А вот применить эту концепцию к конкретной ситуации она не может, потому что это требует понимания языка и здравого смысла.

М. Ф.: Если получится заложить основы здравого смысла, ускорит ли это прогресс в других областях?

О. Э.: Да. Ведь человек без проблем отвечает на вопрос: «Если растение переместить из темной комнаты ближе к окну, листья начнут расти быстрее, медленнее или же скорость их роста не изменится?», потому что он понимает, что чем больше света, тем быстрее протекает фотосинтез, а значит, рост листьев ускоряется. Компьютеру это неочевидно. Он даже не понимает, что такое «переместить растение ближе к окну».

М. Ф.: Как возник ваш интерес к ИИ и как вы оказались в AI2?

О. Э.: Еще в старшей школе я прочитал книгу «Гедель, Эшер, Бах: эта бесконечная гирлянда», в которой параллельно рассматривалась логика Курта Геделя, живопись Морица Эшера и музыка Иоганна Себастьяна Баха, а также излагались концепции, относящиеся к ИИ, такие как математика и интеллект. С этого и началось мое увлечение. Затем я поступил в Гарвард, в котором тогда стартовал курс по ИИ. Он был не очень глубоким, но в нескольких минутах езды на метро находилась ИИ-лаборатория MIT, в которой преподавал один из ее основателей Марвин Минский. Кроме того, я ходил на семинары Дугласа Хофштадтера.

Когда я получил работу на полставки в качестве программиста в ИИ-лаборатории MIT, я был на седьмом небе от счастья. И решил пойти в аспирантуру, чтобы изучать ИИ. Я поступил в Университет Карнеги – Меллона, где работал с одним из отцов-основателей машинного обучения Томом Митчеллом.

Затем я преподавал в Университете штата Вашингтон и участвовал во многих стартапах, связанных с ИИ, так как меня крайне интересовала эта тема. А в 2013 г. ко мне обратились из команды Пола Аллена, предложив создать Институт ИИ. Что и было сделано в январе 2014 г.

М. Ф.: Вы общаетесь с Полом Алленом. Расскажите о его мотивации и видении Института ИИ.

О. Э.: Мне действительно повезло общаться с Полом на протяжении многих лет. Когда я размышлял над предложением возглавить институт, я прочел книгу Пола «Миллиардер из Кремниевой долины». Она позволила мне ощутить и мощь его интеллекта, и суть его видения. Я понял, что Пол действует в традициях Медичи. Как научный филантроп, он подписал Клятву дарения, публично отдав большую часть своего богатства на благотворительность. Его всегда завораживали идеи ИИ. С 1970-х гг. он задавался вопросом, как добавить машинам семантику и понимание текста.

Пол до сих пор помогает мне формировать видение института, не только оказывая финансовую поддержку, но и давая советы по поводу выбора проектов и направления деятельности института.

М. Ф.: Пол также основал Институт наук о мозге. Вы с ним сотрудничаете?

О. Э.: Да, этот институт был основан еще в 2003 г. Мы называем себя «AI2» потому, что наш институт основан позже. Так как стратегия Пола состояла именно в создании серии институтов, мы очень тесно обмениваемся информацией. Но наши методологии отличаются. В Институте наук о мозге изучается физическая структура мозга, в то время как мы применяем классическую ИИ-методологию для создания программного обеспечения.

М. Ф.: То есть вы в AI2 не занимаетесь обратным проектированием мозга, а предпочитаете проектировать архитектуру, опираясь на человеческий интеллект?

О. Э.: Совершенно верно. Вспомните, что, пытаясь выяснить, каким образом происходит полет, люди спроектировали самолеты. А теперь у нас есть большие, тяжелые и вместительные пассажирские авиалайнеры Boeing 747, которые совсем не похожи на птиц. Я допускаю, что, когда ИИ будет реализован, он будет работать совсем не так, как человеческий интеллект.

М. Ф.: Как вы относитесь к столь популярным сейчас глубокому обучению и нейронным сетям?

О. Э.: Глубокое обучение обеспечило нам впечатляющие достижения в области машинного перевода, распознавания речи, объектов и лиц. Оно дает прекрасные результаты, когда у нас много маркированных данных и вычислительных мощностей. Но на мой взгляд, люди, считающие, что глубокое обучение – это дорога к сильному ИИ, преувеличивают. Особенно, когда утверждают, что он вот-вот будет создан. Это прекрасный инструмент из имеющегося у нас набора, но он не поможет в моделировании рассуждений, базовых знаний, здравого смысла и многого другого.

М. Ф.: Некоторые утверждают, что при достаточном количестве данных появится возможность усовершенствовать обучение – особенно обучение без учителя, – и мышление с опорой на здравый смысл возникнет органически.