Реальность на кону: Как игры объясняют человеческую природу - Келли Клэнси Страница 57

class="a">[376]. Тем не менее он понимал, что компьютеры будут совершенствоваться и со временем научатся производить мгновенные, безошибочные и непрерывные вычисления для анализа игровых позиций. «Именно такие машины и нужно будет сравнивать с гибкостью и воображением человеческого разума, а также с его способностями к индукции и обучению», – писал он[377].

По другую сторону Атлантики Алан Тьюринг размышлял над той же проблемой. К концу 1940-х гг. он и его коллега Дэвид Чампернаун разработали программу Turochamp, основанную, как писал Тьюринг, «на интроспективном анализе моих мыслительных процессов во время игры»[378]. Подобно разработке Шеннона, Turochamp обсчитывала все потенциальные ходы и реакции на них. Затем она присваивала им баллы на основании безопасности и свободы маневра важных фигур, а потом использовала минимакс для выбора хода, дающего наивысшее ожидаемое значение. Однако заставить такую программу работать на компьютерах того времени было невозможно, поэтому Тьюринг и Чампернаун выполняли свой алгоритм вручную. В 1952 г. они выставили Turochamp, ходы которой обсчитывались на бумаге, против своего коллеги Элика Гленни. Turochamp показала себя лучше, чем программа Шеннона, проиграв после 29 ходов, на вычисление каждого из которых уходило по полчаса.

Игры позволили обойти серьезную проблему в изучении интеллекта: необходимость дать ему строгое определение. Тьюринг, как известно, предложил для оценки разумности какой-либо программы «Игру в имитацию», более известную как тест Тьюринга. В таком тесте человек, играющий роль судьи, общается с языковой программой или другим человеком посредством напечатанного текста. По мнению Тьюринга, компьютерная программа, способная убедить судью в том, что она человек, должна считаться разумной. Но уязвимость этого метода состоит в субъективности интерпретации: разные судьи могут выносить разные вердикты под влиянием собственного опыта и предположений о собеседнике. Игры же, подобные шахматам, однозначны. Они обладают четкими исходами, не оставляющими места для интерпретаций. Ты либо выигрываешь, либо проигрываешь. Наделяя компьютерную программу целью – выиграть партию, исследователи могли понятным образом отслеживать прогресс в своих попытках определить интеллект. Это казалось чрезвычайно привлекательным в ненадежном мире академических исследований, который по определению требует от ученого браться за неизвестное, но в то же время и формулировать ясные критерии будущего успеха для грантодателей и инвесторов. Конкурирующие исследовательские группы вступили в гонку, стараясь создать первую программу, которая превзошла бы людей в популярных настольных играх. Использование игр в качестве основы для искусственного интеллекта геймифицировало саму эту область исследований. С другой стороны, излишняя сосредоточенность на играх вредит нашему пониманию того, что представляет собой интеллект.

Теория игр продолжала оказывать мощное влияние на ИИ. Десятилетиями исследователи использовали минимакс для управления выбором своих игровых движков. Однако это сводит интеллект к экономическому расчету. В теории игр цель агента – максимизировать свой выигрыш. Схожим образом одно из известных определений интеллекта, предложенное специалистом по ИИ Джоном Маккарти и гласящее, что это «вычислительная часть способности достигать целей в мире», перекликается с целеустремленностью агента в теории игр[379]. Исследователи сосредоточились на создании систем, способных достигать четко определенных целей. Анализ затрат и выгод, задавший очертания экономической теории, к определенному сожалению, стал своего рода суррогатом мышления, что привело к тому, что интеллект начали путать с прямолинейным стремлением к измеримой материальной выгоде. Другие формы одаренности – физическая, эмоциональная, лингвистическая, музыкальная – трудно измерить или смоделировать, и поэтому они вызывали гораздо меньше интереса. Самосознание и эмпатия также выпали из рассмотрения. Прямо сейчас исследователи начинают осознавать опасности, неразрывно связанные с созданием систем, которые безоглядно сосредоточены на целях и не способны рассуждать о возможных побочных эффектах. Врач, стремящийся вылечить рак, не должен при этом убивать своего пациента.

Несмотря на десятилетия работы над игровыми программами, к 1980-м гг. компьютеры превзошли людей лишь в самых простых дисциплинах, таких как крестики-нолики. Но эти поиски привели к значительному прогрессу в кибернетике, а выработанные тогда подходы и по сей день остаются стандартными в этой области. Например, Артур Сэмюэл начал работу над своей программой для игры в шашки еще до появления общепринятых языков программирования, поэтому он изобрел под свои задачи новый язык. Исследователи игр также разработали методы поиска по дереву решений, способные предвидеть все возможные ходы в игре, – методы, оказавшиеся полезными и для других примеров сложного анализа данных. Поскольку игры требуют прочесывания огромного пространства поиска, их изучение привело к формированию основополагающих идей о том, как сделать вычисления более эффективными.

Однако в большинстве игр люди по-прежнему оставались вне конкуренции. Cамообучающаяся программа для игры в шашки Сэмюэла все еще не могла сравниться с лучшими игроками-людьми даже после десятилетий работы над ней. Мастер-шашист, сыгравший с этой программой, посоветовал Сэмюэлу добавить библиотеку первых ходов и задач для эндшпиля. Сэмюэл отказался: «Я не могу этого сделать. Это сведет игру в шашки к простому поиску в таблице. Я не учил компьютер играть в шашки; я учил его, как научиться играть в шашки»[380]. Такое отношение к делу теперь было редкостью среди исследователей ИИ. Проблема с геймификацией работы над пониманием интеллекта заключалась в том, что многие ученые стали больше заботиться не о понимании интеллекта, а о победе в играх, пусть даже с помощью грубого перебора вариантов. Сэмюэл не стремился создать систему, которая могла бы выигрывать в шашки; он мечтал об обучающейся системе, принципы работы которой были бы применимы при решении более важных задач. «Представляется разумным предположить, – писал он в опубликованном в 1960 г. обзоре состояния машинного обучения, – что эти новейшие методы будут все чаще применяться в реальных жизненных ситуациях, а на игры и другие развлекательные вопросы будет затрачиваться все меньше усилий»[381].

Демонстрации играющих компьютеров превратились в имитацию прогресса: это были теперь рекламные трюки, используемые организовывающими их корпорациями и университетами для привлечения внимания или инвестиций. Подобные системы были заточены только под игры, для которых их создали, представляя собой сложное сплетение зависимых параметров, которое могло легко обрушиться из-за неожиданного входящего значения. По этой причине исследователи вроде Маккарти отказывались от исследований компьютерных шахмат. Он писал:

К сожалению, соревновательные и коммерческие аспекты создания шахматных компьютеров взяли верх над использованием шахмат в качестве научного объекта. Это как если бы генетики после 1910 г. начали организовывать гонки дрозофил и сосредоточили все свои усилия на выведении особей, способных побеждать в этих забегах[382].

Хотя Сэмюэл отказался использовать в своей программе для игры в шашки справочную таблицу, другие исследователи полностью решили игру с помощью такого подхода. Шашки достаточно просты, чтобы их можно было от начала до конца просчитать на компьютере, превратив в чисто математическую задачу. И