Если вам понравилась книга, вы можете купить ее электронную версию на litres.ru

Мартин Форд

Власть роботов. Как подготовиться к неизбежному

Посвящается моей матери Шейле


Глава 1

Подрывное изменение близко

Тридцатого ноября 2020 года лондонская компания DeepMind, специализирующаяся в области искусственного интеллекта, — она принадлежит холдингу Alphabet, в который входит Google, — объявила об ошеломляющем, возможно эпохальном, прорыве. Речь шла об инновации в области вычислительной биологии, которая способна полностью преобразить сферу естественных наук и медицины. Компании удалось с помощью глубокой нейронной сети предсказать конечную структуру синтезируемой в живой клетке молекулы белка, исходя из генетического кода. Это событие стало итогом полувекового научного поиска и ознаменовало появление технологии, которая сулит нам беспрецедентное проникновение в тайны жизни, а также наступление новой эпохи инноваций в области медицины и фармакологии [Ewen Callaway, “‘It will change everything’: DeepMind’s AI makes gigantic leap in solving protein structures,” Nature, November 30, 2020, www.nature.com/articles/d41586-020-03348-4.].

Молекулы белка — это длинные цепочки, звеньями которых являются 20 аминокислот. Гены, участки ДНК, задают точную последовательность аминокислот, составляющих молекулу белка, фактически рецепт ее изготовления. Однако этот генетический рецепт не оговаривает форму молекулы, которая имеет решающее значение для ее функционирования. Форма является результатом автоматического сворачивания молекулы в чрезвычайно сложную трехмерную структуру в течение нескольких миллисекунд после ее синтеза в клетке [Andrew Senior, Demis Hassabis, John Jumper and Pushmeet Kohli, “AlphaFold: Using AI for scientific discovery,” DeepMind Research Blog, January 15, 2020, deepmind.com/blog/article/AlphaFold-Using-AI-for-scientific-discovery.].

Предсказание трехмерной конфигурации, которую примет молекула белка, — одна из самых грандиозных научных проблем. Число возможных вариантов структуры практически бесконечно. Ученые посвящали решению этой задачи всю свою профессиональную жизнь, но результаты их совместных усилий были скромными. DeepMind использует технологию ИИ, впервые примененную компанией в системах AlphaGo и AlphaZero, известных триумфальными победами над людьми — лучшими в мире игроками в такие настольные игры, как го и шахматы. Очевидно, однако, что эпоха, когда ИИ ассоциировался главным образом с играми, близится к концу. Способность AlphaFold предсказывать структуру белков с точностью, не уступающей дорогостоящим и кропотливым лабораторным измерениям с использованием таких методов, как рентгеноструктурный анализ, — неоспоримое свидетельство того, что исследования в сфере искусственного интеллекта привели к появлению научного инструмента, способного преобразовать мир.

Этот прорыв произошел в то время, когда на Земле практически не осталось людей, не видевших изображения печально известной белковой молекулы, функция которой предопределяется ее трехмерной структурой. Речь идет о спайковом белке коронавируса, своего рода стыковочном механизме, посредством которого вирус прикрепляется к клетке и заражает ее. Научный прорыв DeepMind дарит надежду, что к следующей пандемии мы будем подготовлены значительно лучше. Одно из возможных применений системы — быстрый перебор существующих лекарственных средств в поисках наиболее эффективных против нового вируса. Благодаря этому действенное лечение будет доступно на самых ранних стадиях вспышки заболевания. Помимо прочего, технология DeepMind открывает перед нами целый ряд возможностей, среди которых разработка новейших лекарств и более глубокое понимание причин появления ошибок при формировании структуры белка — сбоев, связанных с такими недугами, как диабет, болезнь Альцгеймера и болезнь Паркинсона. Когда-нибудь эта технология найдет применение и в других сферах, например, поможет создать микробов, способных разлагать отходы вроде пластика или нефти [Ian Sample, “Google’s DeepMind predicts 3D shapes of proteins,” The Guardian, December 2, 2018, www.theguardian.com/science/2018/dec/02/google-deepminds-ai-program-alphafold-predicts-3d-shapes-of-proteins.]. Иными словами, эта инновация способна ускорить прогресс практически в любой области биохимии и медицины.

За последнее десятилетие разработчики искусственного интеллекта добились революционного прорыва и стали предлагать все больше практических решений, преобразующих мир вокруг нас. Главным ускорителем прогресса является «глубокое обучение» — метод машинного обучения на основе использования многослойных нейронных сетей наподобие той, что применила DeepMind. Базовые принципы работы глубоких нейронных сетей известны уже не одно десятилетие, но последние поразительные достижения обусловлены сочетанием двух тенденций в развитии информационных технологий. Во-первых, это появление несоизмеримо более мощных компьютеров, которые впервые позволили превратить нейронные сети в действительно эффективные инструменты. Во-вторых, это накопление колоссальных массивов данных в сегодняшней информационной экономике, которые критически важны для обучения нейронных сетей выполнению полезных задач. Действительно, доступность данных в масштабе прежде немыслимом — это, пожалуй, определяющий фактор нынешнего колоссального прогресса. Глубокие нейронные сети вбирают в себя и используют данные во многом так же, как синий кит, который питается крилем: он заглатывает огромное количество организмов в отдельности незначительных, но в сумме дающих энергию для поддержания жизни огромного организма.

По мере того как искусственный интеллект успешно проникает во все новые сферы, становится очевидным его превращение в технологию уникальной значимости. Например, в некоторых областях медицины приложения для диагностики на основе ИИ уже не уступают в точности лучшим докторам или даже превосходят их. Подлинный потенциал подобной инновации не сводится к ее способности переиграть какое-нибудь мировое светило, он, скорее, связан с легкостью масштабирования интеллекта, заключенного в этой технологии. В скором времени знания высококлассных врачей-диагностов будут за скромную плату распространяться через интернет по всему миру и станут доступными даже в регионах, где люди практически лишены возможности обратиться к обычному врачу, не говоря уже о лучших в мире специалистах.

Представьте теперь, что мы возьмем какую-нибудь чрезвычайно специфическую инновацию — скажем, диагностическую систему на основе ИИ или подрывную технологию DeepMind по моделированию белковой структуры — и умножим ее на практически неограниченное число приложений в других областях, от медицины до естествознания, промышленности, транспорта, энергетики, управления и любой другой сферы человеческой деятельности. В результате мы получим новый, уникальный по своим возможностям общедоступный ресурс — по сути, «интеллектуальное электричество». Гибкий ресурс, способный одним щелчком переключателя направить интеллектуальный потенциал практически на любую стоящую перед нами проблему! В конечном счете он научится не только анализировать данные и принимать решения, но и решать сложные задачи и даже проявлять креативность.

Цель этой книги — изучение будущего развития искусственного интеллекта, рассматривая его не как инновацию, а как обладающую уникальной масштабируемостью и потенциально подрывную технологию — мощный новый общедоступный ресурс, готовый совершить трансформацию, в перспективе более значимую, чем овладение электричеством. Аргументы и объяснения, которые я буду приводить на этих страницах, опираются по большей части на три составляющие моего профессионального опыта.

Во-первых, после выхода в 2015 году в свет моей книги «Роботы наступают: Развитие технологий и будущее без работы» [Форд М. Роботы наступают: Развитие технологий и будущее без работы. — М.: Альпина нон-фикшн, 2019.] я выступил с докладом о последствиях появления искусственного интеллекта и роботов на десятках технологических конференций, региональных собраний, а также корпоративных и академических мероприятий. Я побывал более чем в 30 странах и имел возможность посещать исследовательские лаборатории, присутствовать на демонстрации революционных технологий и участвовать в дебатах о перспективах разворачивающейся революции искусственного интеллекта с техническими экспертами, экономистами, руководителями предприятий, инвесторами и политиками, а также неспециалистами, которые видят происходящие изменения и начинают из-за них беспокоиться.

Во-вторых, в 2017 году я начал работать с командой из французского банка Société Générale над созданием фондового индекса, который позволил бы инвесторам извлекать непосредственную выгоду из революции в области искусственного интеллекта и робототехники. В качестве эксперта-консультанта я участвовал в выработке стратегии на основе понимания ИИ как нового мощного общедоступного ресурса, создающего стоимость и являющегося источником трансформации бизнеса в широком комплексе отраслей. В результате появился индекс Société Générale Rise of Robots, а потом Lyxor Robotics и AI ETF [Lyxor Robotics и AI UCITS ETF, тикер ROAI.] (биржевой индексный фонд) на основе этого индекса.

Наконец, на протяжении 2018 года я имел возможность обсудить широкий круг вопросов с 23 ведущими мировыми исследователями ИИ и предпринимателями в области искусственного интеллекта. Это настоящие Эйнштейны в своей сфере — четверо из них удостоились премии Тьюринга, эквивалента Нобелевской премии в области компьютерных наук. Наши беседы, посвященные будущему искусственного интеллекта, а также рискам, сопутствующим прогрессу, собраны в моей книге «Архитекторы интеллекта: Вся правда об искусственном интеллекте от его создателей» [Форд М. Архитекторы интеллекта: Вся правда об искусственном интеллекте от его создателей. — СПб.: Питер, 2020.], изданной в США в 2018 году. Я активно использовал эту уникальную возможность, чтобы узнать, о чем думают выдающиеся умы в области ИИ, и содержание этой книги в значительной степени опирается на их идеи и прогнозы.