Создание машины, которая умеет самостоятельно мыслить, — пока это только мечта, над осуществлением которой работают ученые и… фантасты всего мира. В американском агентстве ДАРПА, которое специализируется на разработках сверхсовременных технологий для армии США, запустили новый проект. Его цель — создание программных алгоритмов самообучения машин.
Почему изданная в 1948 году книга американского математика Норберта Винера "Кибернетика или управление и связь в животном и машине" попала в спецхран? И почему в четвертом издании "Краткого философского словаря" (1954) в статье "Кибернетика" эта наука была определена как "реакционная лженаука, возникшая в США после второй мировой войны и получившая широкое распространение и в других капиталистических странах; форма современного механицизма".
Да только потому, что… не мы тут с самого начала оказались впереди планеты всей, и к тому же требовалось дать отпор тем "ученым", которые вопреки всякому марксизму-ленинизму пытались утверждать, что "машина может мыслить". Но так как большинство из тех, кто ратовали у нас за кибернетику были люди в погонах, то " буржуазная лженаука" была в СССР вскоре реабилитирована и стала развиваться. Сейчас уже никому и в голову не приходит её критиковать, однако любопытно узнать, а каковы на сегодня её перспективы в тех же США, как раз там, где в своре время она и родилась — то есть над чем там сегодня работают высокооплачиваемые специалисты в этой области?!
Что же, агентство инновационных исследований Министерства обороны США ДАРПА на этот вопрос отвечает так: наша цель создать программу, по которой было бы легче обучать компьютер, нежели его программировать. Машинное обучение — это способность компьютеров самостоятельно (хотя, конечно, опять-таки по заранее разработанной и заложенной в них программе) распознавать предоставленную им информацию так, как это делаем мы сами, и делать выводы на её основе. Вот она — та цель, к которой необходимо стремиться в том случае, если мы говорим о прогрессе в области вычислительной технике.
Читайте также: Защита информации в беспроводных сетях
E-mail, спам-фильтры — способные распознавать информацию рекламного характера и, соответственно, удалять её из информационных сообщений, смартфоны, и даже вождение роботами-шоферами транспортных средств — все это и ещё многое другое основано на научных достижениях именно в области машинного обучения. К сожалению, несмотря на то, что спрос на усовершенствования в этой области постоянно возрастает, каждое новое достижение требует все больших и больших усилий, которые далеко не всегда приносят желаемые плоды.
Даже команды хорошо обученных специалистов здесь движутся вперед мучительно медленными шагами. Повысить возможности машин к самообучению сегодня призвана программа Probabilistic Programming for Advanced Machine Learning (PPAML) — дословно "Вероятностное программирование для углубленного машинного изучения", суть которой заключается в разработке новой парадигмы программирования компьютеров, которые получают неточную информацию.
Если компьютер сможет эффективно обучаться при помощи PPAML, это значительно увеличит количество людей, которые могут успешно создавать приложения для работы с компьютерами и в разы сделать его работу более эффективной. Кроме того, программа направлена на создание также более экономичных, надежных и мощных приложений, которым требуется меньше данных для получения более точных результатов — задача пока ещё немыслимая в русле современных технологий. "Мы хотим сделать для машинного обучения то, что до появления языков высокого уровня 50 лет назад было сделано для программирования компьютеров в целом" — сказала Кэтлин Фишер, руководитель этой программы ДАРПА.
"Наша цель в том, чтобы в будущем сделать электронные машины легкообучаемыми и значительно уменьшить существующие барьеры для такого обучения. А это будет способствовать буму в области инноваций, производительности и эффективности". Ну, а на вопрос "может ли машина мыслить" мы можем пока ещё - но только пока(!) сказать, что "пока наши компьютеры ещё не достигли подобного уровня", однако… именно к этому все и идет. Чем более самостоятельными они станут, чем большие объемы информации придется им перерабатывать и усваивать, тем ближе и ближе они станут к тому, чтобы сравняться со своими собственными создателями.
Разработку PPAML планируется вести в течение 46 месяцев, с тремя фазами активности с 2013 по 2017 год. Фишер считает, что успешное решение поставленной задачи будет включать в себя новые статистические и вероятностные модели программирования, новые алгоритмы машинного обучения, новые языки программирования и высокопроизводительное программное обеспечение.
В общем, планируется ещё один шаг к тому, чтобы компьютер, как и человек в определенных случаях мог бы вам ответить, что дважды два… пять!
Читайте самое интересное в рубрике "Наука и техника"