Как мы видим? Нейробиология зрительного восприятия - Ричард Маслэнд

Распознающие лица нейроны в передней височной коре, по сути, решают классическую проблему распознавания объектов, обозначенную нами в главе 1: они реагируют на лицо независимо от его освещенности, ракурса и положения на сетчатке. Но что дальше? Насколько мы продвинулись в нашем понимании того, что большинство людей считают восприятием?

По правде говоря, не так уж и далеко. Наши знания заканчиваются на группе нейронов в височной доле, которые сообщают нам о том, что в нашем поле зрения находится какой-либо конкретный объект. Довольно скудный перцептивный мир, согласитесь. А наши искусственные модели, видящие компьютеры, способны выполнять только очень узкие задачи, причем весьма неуклюжим и неэффективным образом в сравнении с мозгом. Давайте еще раз вернемся к искусственному интеллекту и рассмотрим важнейшую фундаментальную проблему, которую он, несмотря на свои впечатляющие успехи, пока так и не сумел решить.

ОБУЧЕНИЕ С УЧИТЕЛЕМ И БЕЗ УЧИТЕЛЯ

Мы почти ежедневно слышим об искусственном интеллекте и различных перцептивных задачах, которые он способен выполнять при помощи машинного обучения: беспилотные автомобили, распознавание лиц и многое другое. Все это сопровождается паническими пророчествами, что, дескать, умные машины однажды станут умнее людей, выйдут из-под контроля и захватят мир. Но большинство таких прорицателей не замечают в комнате огромного слона: машинное обучение действительно способно делать некоторые замечательные вещи, но, как это мучительно осознают специалисты в области ИИ, сегодня даже самые умные машины куда глупее четырехлетнего ребенка.

Причина в том, что даже наиболее продвинутые алгоритмы ИИ требуют для своего обучения колоссальных объемов данных и сверхмощных компьютеров. Четырехлетний ребенок учится сам, причем зачастую ему бывает достаточно всего нескольких примеров. В данном случае речь идет не о навыках, знаниях, правилах и пр., которым мы целенаправленно и старательно учим детей, а о базовых механизмах восприятия, которым их маленький мозг учится совершено самостоятельно. В отличие от многослойного перцептрона с его механизмом обратного распространения и т. п., которому требуется несметное количество примеров и помощь учителя, чтобы научиться распознавать одно лицо, моему маленькому внуку хватило нескольких теплых объятий, чтобы при виде меня кричать: «Деда!»

Исследователи ИИ различают два типа обучения: контролируемое (с учителем) и неконтролируемое (без учителя). Как вы помните, наш простой канонический перцептрон обучается с помощью учителя. Как и программа распознавания речи Apple, говорящий компьютер Сейновски и системы распознавания лиц, пугающие защитников конфиденциальности. В последнем случае в роли учителя выступают огромные каталоги лиц с индивидуальными идентификаторами. Компьютеры могут учиться таким способом, потому что они очень быстрые – на самом деле своими недавними достижениями ИИ в значительной мере обязан появлению в последние пять лет гигантских наборов обучающих данных и мощных специализированных компьютеров. Мозг со своими медленно работающими нейронами никогда не сможет конкурировать с ИИ на этом поле.

Но во всем прочем мозг превосходит ИИ. Оригинальная концепция Хебба объясняет, как мозг учится без учителя: в ответ на естественные закономерности видимого мира, такие как края, мозг создает чувствительные к краям нейроны и связывает их в сеть, клеточные ансамбли. В настоящее время исследователи ИИ стараются создать машины, способные к такому же неконтролируемому обучению, как мозг^[35].