Совместимость. Как контролировать искусственный интеллект - Стюарт Рассел

Представим теперь, что поисковых систем все еще не существует, потому что необходимые работы пока не выполнены, но вместо этого вы имеете доступ к сверхинтеллектуальной ИИ-системе. Вы задаете вопросы и имеете доступ к технологии поисковой системы благодаря системе ИИ. Готово! Ценность в триллионы долларов просто в ответ на вопрос, и ни единой строчки кода, написанной вами. То же самое относится ко всем не созданным изобретениям или сериям изобретений: если это могли бы сделать люди, значит, могут и машины.

Этот последний момент дает ценную информацию о нижней границе — пессимистической оценке — способностей интеллектуальной машины. Предположительно, машина обладает большими возможностями, чем отдельный человек. Очень многое в мире не может отдельно взятый, но может группа из n человек: отправить астронавта на Луну, создать детектор гравитационных волн, секвенировать геном человека, управлять страной с сотнями миллионов жителей. Грубо говоря, мы создаем n программных копий машины и соединяем их так же — с теми же информационными и управляющими потоками, — как и n человек. Теперь у нас есть машина, способная делать все, что могут n человек, только лучше, поскольку каждый из ее n компонентов обладает сверхчеловеческими возможностями.

Концепция интеллектуальной системы на основе многоагентной кооперации — лишь нижняя граница вероятных возможностей машины, потому что есть другие концепции, более эффективные. В группе из n человек общая доступная информация хранится отдельными частями в n мозгах и передается между ними очень медленно и несовершенно. Поэтому n человек тратят много времени на собрания. У машины нет необходимости в этом разделении, которое часто мешает составить полную картину. Красноречивым примером отсутствия надлежащей структуры в сфере научных открытий является долгая история пенициллина[133].

Другой полезный метод расширения возможностей своего воображения — подумать об одном из источников сенсорных входных данных, скажем, чтении, и отмасштабировать его. Если человек может читать одну книгу в неделю, машина могла бы прочитать и понять все когда-либо написанные книги — все 150 млн — за несколько часов. Это требует соответствующей вычислительной мощности, но книги можно было бы читать, по большей части, параллельно, то есть простое добавление чипов позволяет машине масштабировать свой процесс чтения. Аналогично машина может видеть все одновременно через спутники, роботов и сотни миллионов камер видеонаблюдения, смотреть все телевизионные трансляции мира и слушать все мировые радиостанции и телефонные разговоры. Очень быстро она получила бы намного более подробное и точное понимание мира и его обитателей, чем любой человек в принципе может надеяться приобрести.

Можно также представить себе масштабирование способности машины к действиям. Люди имеют непосредственный контроль лишь над своим телом, тогда как машина может контролировать тысячи или миллионы объектов. Некоторые автоматизированные фабрики уже обладают такими возможностями. За стенами фабрики машина, управляющая тысячами ловких роботов, может, например, строить огромное количество домов, каждый из которых приспособлен под потребности и желания своих будущих жильцов. В лабораториях можно было бы отмасштабировать существующие роботизированные системы научного исследования, чтобы они ставили миллионы экспериментов одновременно, — например, для создания полных прогностических моделей организма человека вплоть до молекулярного уровня. Заметьте, что мыслительные способности машины обеспечат ей намного большую возможность обнаруживать несоответствия между научными теориями, а также между теориями и наблюдениями. Действительно, вполне вероятно, что нам уже хватает экспериментальных данных, чтобы найти лекарство от рака, мы лишь не можем свести их воедино.

В киберпространстве машины уже имеют доступ к миллиардам людей через дисплеи всех смартфонов и компьютеров в мире. Это отчасти объясняет способность IT-компаний создавать колоссальное богатство, имея очень мало сотрудников; это также указывает на серьезную уязвимость человеческой расы для манипуляций через экран.

Другого рода масштабирование проистекает из способности машины заглядывать в далекое будущее с большей точностью, чем доступна людям. Мы уже видели это в шахматах и го. Имея способность строить и анализировать иерархические планы на длительные периоды времени, идентифицировать новые абстрактные действия и высокоуровневые описательные модели, машины перенесут это преимущество в такие области, как математика (доказательство новых полезных теорем) и принятие решений в реальном мире. Такие задачи, как эвакуация населения огромного города в случае природной катастрофы, станут относительно несложными, причем машина выработает индивидуальные инструкции для каждого человека и автомобиля, чтобы минимизировать количество несчастных случаев.

Машина без особых усилий могла бы изобрести рекомендации по предотвращению глобального потепления. Моделирование земных систем требует знания физики (атмосфера, океаны), химии (углеродный цикл, почвы), биологии (разложение, миграция птиц), инженерного дела (возобновляемая энергия, связывание углерода), экономики (промышленность, потребление энергии), природы человека (тупость, жадность) и политики (еще больше тупости, еще больше жадности). Как отмечалось, машина получит доступ к огромному числу данных для наполнения этих моделей. Она сможет предложить или осуществить новые эксперименты и экспедиции для снижения неизбежной неопределенности — например, открытия реальных объемов газогидратов в мелководных зонах океана. Она будет способна учесть огромное количество возможных мер политики — законов, стимулов, рынков, изобретений и различных мероприятий, — но, разумеется, должна будет также найти способы убедить нас следовать им.

В своих мечтах важно вовремя остановиться. Распространенная ошибка — приписывать сверхинтеллектуальным ИИ-системам божественную силу всеведения, полного и совершенного знания не только настоящего, но и будущего[134]. Это не соответствует действительности, поскольку требует физически недостижимой способности с точностью определять текущее состояние мира, а также нереализуемой возможности моделировать намного быстрее, чем в реальном времени, функционирование мира, включающего саму машину (не говоря уже о миллиардах мозгов, остающихся вторым по сложности объектом во Вселенной).

Это не значит, что невозможно достаточно уверенно предсказать некоторые аспекты будущего. Например, я знаю, какой курс и в какой аудитории буду читать в Беркли почти через год, несмотря на заявления адептов теории хаоса о крыле бабочки и прочем. (Я также не думаю, что люди сколько-нибудь ближе к предсказанию будущего, чем позволяют законы физики!) Чтобы сделать прогноз, нужны правильные абстракции. Например, я могу предсказать, что «я» буду находиться «на трибуне аудитории Уилера» в кампусе Беркли в последний вторник апреля, но не могу предсказать свое местоположение с точностью до миллиметра или какие атомы углерода к тому времени будут содержаться в моем теле.