Искусственный интеллект никогда не сможет сравниться с человеком по производительности и креативности, а его развитие может привести к опасным последствиям, считает известный американский ученый в области вычислительной техники Питер Деннинг. В своей новой книге Turing’s Mistake: Escaping the Yoke of Unintelligent Machines он объясняет это отсутствием у машины ряда ключевых черт, присущих человеческому разуму.

В книге Питер Деннинг подвергает критике положения, высказанные в 1950 году основоположником современных компьютерных наук Аланом Тьюрингом, отражавшие представления научного сообщества тех времен о том, что человеческое сознание способно существовать вне тела, а потому может быть воссоздано на элементах вычислительной техники.

Деннинг подвергает сомнению то, что истинный искусственный интеллект может быть проверен с помощью так называемого теста Тьюринга, также предложенного в 1950 году.

По этим причинам развитие искусственного интеллекта, считает ученый, уже три четверти века идет в неправильном направлении. «Эти два утверждения во многом сформировали исследования и развитие ИИ, — пишет Деннинг. — Я предполагаю, что наше согласие с этими утверждениями привело к неразберихе в области ИИ, в которой обнаруживаем себя сегодня».

В связи с этим прогресс в области ИИ никогда не достигнет желаемого уровня так называемого общего искусственного интеллекта (Artificial General Intelligence, AGI); вместо этого он может оказаться опасным. Общим искусственным интеллектом называют ИИ с когнитивными функциями человеческого уровня, включая способность к самообучению. Считается, что такой искусственный интеллект сможет автономно решать множество сложных задач в различных областях знаний.

Ключевым аргументом в позиции ученого является концепция так называемого неявного знания — накопленных человеком знаний, которые не могут быть переданы словами или любой символьной формой и потому не могут быть восприняты и обработаны вычислительной машиной.

Деннинг выделяет пять главных типов такого знания, которое не может быть использовано при машинном обучении. Сюда входят жизненный опыт, наши ежедневные взаимодействия с другими людьми и средой, наши чувства и восприятие, профессиональные навыки, социальная и историческая культура.

Ученые уже пытались каталогизировать известные человечеству факты из области жизненного опыта. Еще в 1984 году ученый Дуглас Ленат запустил проект Cyc — онтологическую базу знаний, позволяющую программам решать задачи на основе логических выводов и привлечения здравого смысла. За 40 лет в ней удалось собрать 25 млн элементов. «Но даже этой сокровищницы не хватит для создания жизненного опыта, которого было бы достаточно экспертной системе, чтобы быть умной на уровне экспертов», — считает Деннинг.

Профессиональные навыки — еще один непреодолимый барьер для искусственного интеллекта. «Наши навыки в тысячах областей не могут быть переданы машинам, — считает Деннинг. — Несмотря на то, что результаты профессиональных навыков (знание, что делать) часто можно представить в качестве битов, хранящихся в машине, мы не знаем, как закодировать присущее нам знание для профессиональных навыков (знание, как делать)».

Как пример — виолончелист, виртуоз, который способен играть прекрасную музыку, но не способен описать, как он это делает. «Даже если робот может наблюдать и имитировать опытного человека, не имея человеческого тела, он не способен понять, что чувствует музыкант, играющий прекрасную музыку, и что чувствует аудитория, слушая ее», — пояснил ученый.

По его словам, другими примерами неявного знания являются интуиция, внутреннее ощущение, спонтанное творчество и воображение. В освоении и передаче этого феномена и кроется ключевая проблема при разработке AGI — поскольку мы сами не можем объяснить и даже понять неявное знание, мы не способны им управлять и передавать его. «То, как мы обладаем неявным знанием, — большая загадка, — считает Деннинг. — Все, что мы знаем, — что оно в нас есть. Мы понятия не имеем, что нам надо увидеть и измерить в нашем теле, чтобы раскрыть его».