На плечах гигантов
Современные достижения в области искусственного интеллекта и когнитивных технологий иногда способны вызвать легкую оторопь — особенно у человека из ХХ века, который помнит первые шаги в этом направлении. В том числе и в Сибири. Здесь всё начиналось с Вычислительного центра СО АН СССР, где понятие «искусственный интеллект» впервые прозвучало в 1964 году, а самая первая кандидатская диссертация, защищенная Владиславом Леонидовичем Катковым годом позже, была посвящена программной системе КИНО (Координаты ИНфетизимального Оператора), реализующая идеи Льва Васильевича Овсянникова в теории групп. Эти результаты по уровню компьютеризации математического интеллекта остаются актуальными и в наши дни.
Следующая веха — 1965 год, когда два будущих академика, Андрей Петрович Ершов и Гурий Иванович Марчук, сделали совместный доклад по человеко-машинному взаимодействию на международном конгрессе IFIP (International Federation of Information Processes). Под патронажем А. П. Ершова в его отделе открылась лаборатория искусственного интеллекта, которую возглавил талантливый математик Александр Семенович Нариньяни. Этот коллектив с тем же названием сохранился до сегодняшнего дня под руководством Юрия Александровича Загорулько в Институте систем информатики им. А.П. Ершова СО РАН. В мае 2021 года отмечается 100 лет со дня рождения академика Николая Николаевича Яненко, который проработал в ВЦ 13 лет, а позже стал директором Института теоретической и прикладной механики, у него есть цикл работ по аналитическим преобразованиям на ЭВМ: это тоже не что иное, как высшее проявление искусственного интеллекта.
На прошедшем в начале апреля заседании Клуба межнаучных контактов прозвучало сразу несколько докладов, посвященных истории и текущему состоянию сибирской школы искусственного интеллекта. Сегодня она развивается в нескольких организациях: упомянутом ИСИ СО РАН, Институте математики им. С.Л. Соболева СО РАН, Институте вычислительной математики и математической геофизики СО РАН, ФИЦ «Институт вычислительных технологий», иркутском Институте динамики систем и теории управления им. В.М. Матросова СО РАН.
Сибирская школа информатики, у истоков которой стоял А.П. Ершов, поднявший на щит лозунг «компьютерная грамотность», породила феномен так называемой «Силиконовой тайги» — армию программистов высочайшего уровня, которые работают в огромном количестве IT-компаний. Часть из них входит в отраслевые объединения — такие как ассоциация «СибАкадемСофт» или АНО «Кластер искусственного интеллекта», другие сами по себе являются гигантами вроде Центра Финансовых Технологий, «2ГИС», «Алекты» или «Дата Ист», наконец, действуют сотни малых фирм и самозанятых профессионалов-«айтишников». В области развития систем искусственного интеллекта они решают широчайший круг задач: создают не только новые сервисы, но и автоматизированные промышленные платформы («Торнадо» и ему подобные), цифровых двойников нефтяных и прочих месторождений, системы управления транспортом и летательными аппаратами и его имитаторы, вплоть до тренажеров для космонавтов. Для экосистемы новосибирского Академгородка особо важно то, что многие коллективы нацелены на автоматизацию обработки и анализа научных данных, будь то тысячи космических снимков или огромные массивы информации с экспериментальных установок. Новые большие проблемы для наукоёмкого программирования в СО РАН ставит мегапроект СКИФ, требующий фактически создания виртуального двойника уникального комплекса.
Со сравнительно недавних пор, лет 6-7, я сам вплотную занимаюсь искусственным интеллектом (хотя первая моя работа, совместная с Н.Н. Яненко, была опубликована в 1984 г.), но в применении к математическому моделированию процессов и явлений, ставшему в наш суперкомпьютерный век третьим путём получения знаний, наряду с теоретическими и экспериментальными исследованиями, как это предсказывалось М.А. Лаврентьевым ещё 60 лет назад. Эта новая производительная сила интегрирует теоретическую и вычислительную математику, решение междисциплинарных прямых и прикладных задач, технологии прикладного программирования.
Мы можем удивляться чудесам интеллектуальных сервисов вроде способного на импровизации киберсобеседника Алисы, но за каждым таким феноменом стоит длинная цепочка разработок, опирающаяся на фундаментальные подходы к «глубокому обучению» и системам принятия решений на основе обработки огромных объемов данных, невозможных без создания уникального программного обеспечения нового поколения (scientific software), составляющего инструментальное окружение или экосистему и одушевляющего всю мировую суперкомпьютерную сеть с персональными гаджетами и облачными концепциями.
Наука в цифре
Наряду с искусственным интеллектом и стоящей за ним Computer Science появилась Data Science как отдельное научное направление. Суть в том, что программы не только генерируют численные решения, но и зачастую с этой целью оперируют огромными объемами данных, получаемых человечеством: космических, экономических, медицинских, климатических и так далее. Сказать «оперируют» — значит, представить триллионы действий, подавляющее большинство которых генерирует сама программа. Появилась даже противоестественная тенденция рассматривать Big Data как альтернативу наукоемким вычислениям. В действительности при всестороннем математическом анализе данных мы неизбежно выходим на уровень Deep Learning — глубокого, или глубинного, обучения машины (точнее, базовых программ) самой себя. Это позволяет строить более-менее адекватные цифровые модели природных либо антропогенных процессов и явлений.
Deep Learning сегодня дополнило качественную теорию дифференциальных уравнений, лежащую в основе любого математического моделирования. В свое время именно математики использовали методы, базирующиеся на этой теории, и открыли ряд физических явлений — таких как солитоны или волны-убийцы. В наши дни Deep Learning позволяет создавать сложные комплексные модели динамических систем: таких, к примеру, как пандемия, с обработкой гигантских массивов данных разных уровней, от клетки до международных сообщений.
Примером динамической системы в естественнонаучной сфере является строящийся источник синхротронного излучения СКИФ, который проектируется одновременно в двух воплощениях — физическом и цифровой модели. Создание установок класса mega science актуализирует проблему наращивания возможностей суперкомпьютеров, способных обрабатывать поступающую с них информацию. Сегодня мы видим невиданный экспоненциальный рост компьютерных мощностей по закону Мура, то есть за очередные 11 лет в 1 000 раз увеличивается производительность как среднего компьютера, так и самого мощного. В 2008 году человечество вступило в эру петафлопсных компьютеров, в прошлом году предполагался выход на уровень экзо-, но, видимо, сказалось замедление глобальных процессов в связи с пандемией. Я уверен, что в 2021-2022 годах появление экзофлопсного суперкомпьютера произойдет, и, скорее всего, в Китае. Это будут уже сотни миллионов и миллиарды процессоров и вычислительных ядер, новая математика и новое программное обеспечение.
Вместе с суперкомпьютером появляются и суперзадачи, например, комплексного анализа ситуации, которую исследовала Большая Норильская экспедиция СО РАН. Причина катастрофы была точно установлена, ее последствия просчитаны и уточнены, теперь надо идти дальше — строить комплексную систему мониторинга и моделирования сразу нескольких динамических систем. Это, прежде всего, состояние многолетнемермерзлых грунтов в определенном климатическом контексте с упором на многофазные фильтрационные процессы, напряженно-деформированные состояния и тепловые режимы.
К сожалению, Россия в мировой суперкомьютерной гонке занимает очень скромные позиции. В мировой ТОР-500 мощнейших вычислительных систем входит «Ломоносов», созданный в МГУ еще в начале нулевых годов. В рамках программы «Академгородок 2.0» рассматривается создание двух суперкомпьютерных центров — СНЦ ВВОД и «Лаврентьев». Оба предусматривают уровень порядка 10 петафлопс, аналогично, кстати, вычислительной мощности ядерного центра в Сарове. Это нужно, это востребовано, но уже сегодня далеко от глобального фронтира. Надо четко понимать, что высокопроизводительные вычисления, математическое моделирование и суперкомпьютерная грамотность — это не самоцель, а средство кардинального ускорения прогресса во всех науках и индустриях, которое уже играет роль лимфатической или нервной системы для различных сфер человеческой деятельности.
Китай, США, Япония наращивают мощности и темпы, а мы всё больше отстаем. В недавно прозвучавшем послании Федеральному собранию президента России говорилось о необходимости научных и технологически прорывов. Они не представимы без «нового матмоделирования», опирающегося на суперкомпьютеры и супервычисления — направления, которое должно развиваться опережающими темпами не только в столичных городах, но и во всех крупнейших центрах страны, таких как новосибирский Академгородок. Пока же мы, метафорически выражаясь, рискуем не успеть на подножку последнего вагона уходящего экспресса, тогда как должны попасть в первый класс нового Ноева ковчега.
Искусственный — не значит противоестественный
На упомянутом заседании Клуба межнаучных контактов академик Юрий Леонидович Ершов сказал: «Я не знаю, что такое искусственный интеллект, но было бы хорошо математикам разобраться в своём хозяйстве и поставить точки над i». Попробую дать своё определение: искусственный интеллект (ИИ) — это совокупность алгоритмических, программных, информационных и аппаратных решений, реализующих задачи логического вывода и систем принятия решений на основе онтологических принципов и когнитивных технологий.
Согласно такому определению любую программу можно определить интеллектуальной, почему бы и нет? Ведь искусственный интеллект, равно как и человеческий, имеет множество качественных степеней развития и специфических различий. Интеллект неандертальца ниже по уровню, чем у современного Homo Sapiens, у маленького ребенка — всё же примитивнее, чем у взрослого, а мышление математика отличается от склада ума гуманитария. То есть, с одной стороны, я абзацем выше рискнул сформулировать what is искусственный интеллект, а с другой стороны понимаю, что речь идет о множественной сущности, имеющей массу проявлений.
Возьмем то же определение Тьюринга, несколько экстремистское: если, задавая вопросы человеку и «машине», мы не сможем идентифицировать принадлежность ответов, то их интеллектуальные способности равны. Такой подход интригует, как интригует любой тест, но он сужает понятие интеллекта до треугольника «онтологии — семантика — логика» и не учитывает, например, ту же эмоциональную сферу, которая является (и видимо еще надолго) прерогативой человека и высших животных, но никак не роботов.
То есть мы говорим «искусственный интеллект», а не «искусственное сознание», эти понятия нужно четко разделять. IQ можно измерить не только у человека, но и у программы, кибернетической системы. И если трактовать интеллект в узком смысле слова, тогда ИИ на самом деле способен вполне адекватно заменить некоторые наши мыслительные функции. Например, за последние 10 лет я ощущаю настоящий скачок в развитии машинного перевода: перестал, как раньше, писать научные статьи по-английски (хотя владею им свободно, постоянно читаю лекции за рубежом) и перешел на русский. Пишу текст, гугл переводит, я потом правлю, но не очень сильно.
Столь же впечатляющие результаты ИИ показывает в комбинаторных играх, таких как го и шахматы. Кстати, первый международный турнир шахматных программ состоялся в 1974 году на конгрессе IFIP в Стокгольме, тогда в первый (и, увы, в последний) раз победила советская «Каисса». Шахматные программы писали и в нашем Вычислительном центре. Вдохновленный посещением института Михаилом Ботвинником, Владимир Бутенко по этой теме защитил кандидатскую диссертацию, хотя дошел только до миттельшпиля.
В те же годы прошла бурная дискуссия о том, способна ли программа играть на уровне мастера. Считали, что это нереально, а теперь шахматные программы обыгрывают даже Гарри Каспарова. Который, кстати, предложил как новый вид спорта «Активные шахматы», в котором соревнуются пары «человек+компьютер» — известно же, что все гроссмейстеры, готовясь к соревнованиям, пользуются виртуальными помощниками, используя огромные базы партий по противникам. Однако во время матчей им категорически запрещается пользоваться компьютерами, а Каспаров, напротив, предложил это узаконить. Шахматная федерация не поддержала его, но неофициально Гарри Кимович такой турнир организовал. И оказалось, что чаще побеждает пара не с участием супергроссмейстера или суперпрограммы, а та, где наиболее эффективно налажено человеко-машинное взаимодействие.
Шахматная партия — это обмен решениями. Поскольку большинство систем ИИ нацелено на принятие таковых, то условно каспаровская идея «двух ключей» способна смягчить, а то и полностью снять оппозицию «человек VS ИИ». Сегодня мы пока что наблюдаем в основном обратное — драматизацию взаимоотношений человечества с когнитивными системами и пессимистические прогнозы. В нашумевшем эссе Андрея Курпатова «Четвертая мировая война» проводится мысль о том, что ИИ вытеснит интеллект Homo sapiens, как в свое время сам sapiens вытеснил неандертальца, поскольку был интеллектуальнее. Эта же угроза обозначена в концепт-манифесте проектного семинара программы «Академгородок 2.0». На упоминавшемся заседании Клуба межнаучных контактов его сопредседатель, лауреат премии «Глобальная энергия» академик Сергей Владимирович Алексеенко высказал предположение о жизнеспособности теории трансгуманизма, согласно которой будет происходить замещение человечества всё более и более киборгизированными созданиями. Мол, проблему бессмертия сменит проблема самоуничтожения, саморастворения человека в мире таких существ.
Я не футуролог и не собираюсь им казаться. Выскажу лишь несколько отрывочных соображений. Во-первых, чем шире область и дальше горизонт любого прогноза, тем меньше его сбываемость. Во-вторых, у каждого технологического прорыва есть порог применимости. В те же 1960-е годы будущее использование атомной энергии виделось тотальным, вплоть до домашнего и коммунального хозяйства, но нет, миниатюризация и диферсификация в этой области не состоялись. Третий момент — экономический: интеллектуальный робот в течение долгих лет будет оставаться дороже человека даже в тех странах, где его жизнь ценится очень высоко.
И наконец, экспериментально (пока только на примере шахмат) доказано, что максимальную эффективность в принятии оптимальных решений дает не человеческий мозг и не искусственный интеллект, а их сочетание. Видимо, развитие систем управления пойдет именно по этому пути — пути комбинирования способностей и компетенций.
Иллюстрации из открытых источников