Homo Roboticus? Люди и машины в поисках взаимопонимания - Джон Маркофф

Другая сложность – частое нарушение правил и предписаний водителями, не говоря уже о пешеходах. Это может стать реальным препятствием для будущего беспилотных автомобилей в городских условиях: мы пока что не знаем, как решать юридические проблемы попадания беспилотника в дорожно-транспортное происшествие. На взгляд Шашуа, есть компромисс, довольно близкий к подходу Google, но достаточно реалистичный для применения при движении по автомагистралям всего через пару лет. Он предполагает использование сложной системы датчиков и искусственного интеллекта, помогающих водителю, который остается участником процесса управления, но становится человеком с «супервозможностями», способным видеть дальше и более четко и, наверное, выполнять другие задачи помимо вождения. Система может подавать сигнал, когда необходимо участие человека, с учетом предпочтений водителя, а возможно, и автомобиля.

Когда я стоял возле Audi в пригороде Иерусалима, мне было ясно, что это новая земля обетованная. Нравится нам это или нет, но мы больше не живем в библейском мире, и будущее зависит не от достижения определенной территории, а от быстроты приближения мира технологических чудес. Машины, которые рождаются как големы, становятся более совершенными, способными брать на себя все больше функций человека – от механических действий до решения сложнейших задач.

У Google есть проблема. За три с лишним года работы по программе создания автомобиля без водителя небольшая группа исследователей базирующегося в Маунтин-Вью интернет-поисковика без происшествий накрутила в беспилотном режиме более 800 000 км. Они добились потрясающего прогресса в областях, которые были не по зубам традиционному автомобилестроению. Автомобили Google могут ездить днем и ночью, перестраиваться и даже ориентироваться на самой кривой улице мира – Ломбард-стрит в Сан-Франциско. Google добилась этих успехов, используя интернет для создания виртуальной инфраструктуры. Она не строила дорогостоящие «умные» шоссе, а опиралась на точные карты мира, создаваемые в рамках сервиса Google Street View.

Некоторые ее системы обладали почти что человеческими возможностями. Например, система искусственного зрения могла распознавать зоны строительных работ, притормаживать и уверенно прокладывать курс между препятствиями. Она видела частично перекрывающие дорогу автомобили и позволяла объезжать их. Ее научили не только распознавать велосипедистов, но и идентифицировать их жесты, притормаживать и пропускать при перестроении в другой ряд. Иными словами, Google приближалась к решению еще более сложной проблемы – обучение беспилотника реагировать на жесты регулировщика на месте дорожно-транспортного происшествия или проведения строительных работ.

Робототехнику Массачусетского технологического института Джону Леонарду особенно нравилось ездить по Кеймбриджу и снимать видеоролики о наиболее сложных для беспилотных автомобилей ситуациях. В одном из его роликов автомобиль останавливается перед знаком STOP на Т-образном перекрестке и ожидает возможности повернуть налево. Это никак не удается сделать из-за интенсивного потока машин справа, где нет знака STOP. Ситуация осложняется и редкими машинами, идущими с другой стороны. Проблема заключается в том, как убедить водителей, едущих слева, уступить дорогу и как при этом не столкнуться ни с кем из мчащихся справа^{16}.

Видеоролик, показывающий, пожалуй, самую большую проблему для системы зрения Google, был снят на оживленном переходе в центре города. У регулируемого перехода стоит толпа людей. Автомобиль едет на зеленый свет, как вдруг полицейский в левой части кадра поднимает руку, чтобы остановить движение и пропустить пешеходов. Возможно, для компьютерного зрения такая проблема вполне разрешима. Если уж современные системы умеют распознавать велосипедистов и их жесты, то почему бы им не справиться с жестами полицейских? Так-то оно так, да только вряд ли эта проблема получит решение легко и быстро.

Увлекшись идеей преображения системы образования с помощью массовых открытых курсов дистанционного обучения и не желая состязаться за лидерство в X Lab с соучредителем Google Сергеем Брином, Трун отошел от исследовательской программы в 2012 г. Как это часто случается в Кремниевой долине, Трун не смог довести до конца свой проект. Он создал секретную лабораторию X Laboratory в Google и в течение нескольких лет руководил ею, но, когда к проекту подключился Брин, решил, что нужно двигаться дальше. Брин предлагал ему место содиректора, но Трун понимал, что в присутствии соучредителя Google ему уже не стоять у руля, а потому настало время новых задач.

Осенью 2011 г. Трун и Питер Норвиг взяли на себя один из бесплатных дистанционных курсов в Стэнфорде – «Введение в искусственный интеллект». Инициатива получила большой резонанс. Более 160 000 студентов зарегистрировались на курсе, что почти в 10 раз превышало количество невиртуальных студентов Стэнфорда. Хотя этот курс окончили далеко не все из тех, кто записался на него, он стал глобальным «событием интернета». Класс Труна и Норвига стал прообразом новой дешевой формы обучения, которая не только уравнивает правила игры, делая лучших преподавателей мира доступными для любого человека, но и угрожает бизнес-моделям дорогостоящих элитных университетов. Зачем платить за обучение в Стэнфорде, если можно пройти аналогичный курс в Городском колледже?

Трун все еще номинально, один день в неделю, работал в Google, но роль лидера в проекте перешла к приветливому робототехнику Крису Урмсону, который был главным помощником Рэда Уиттакера при создании автомобиля для соревнований DARPA. Он был одним из первых, кого Трун взял на работу после прихода в Google, чтобы начать работу над секретной в то время программой. Летом 2014 г. Урмсон заявил, что хочет создать надежный беспилотник до того, как его сын достигнет возраста, с которого разрешается управление автомобилем (тогда до этого момента оставалось около шести лет).

Урмсон после ухода Труна значительно приблизил программу к ее первоначальной цели – созданию беспилотного автомобиля, способного ездить по дорогам общего пользования. Google выделяла два вида движения – по автомагистралям и по городским улицам. На пресс-конференции, посвященной достигнутым результатам, Google признала, что главной проблемой было создание программы управления автомобилем в городских условиях. Урмсон, однако, в посте на сайте компании утверждал, что хаос на городских улицах, где автомобили, велосипедисты и пешеходы движутся вроде бы случайным образом, на самом деле предсказуем. Проведенные Google эксперименты выявили тысячи возможных ситуаций, и компания разработала модели, которые предполагают развитие событий и по ожидаемому сценарию (автомобиль останавливается на красный сигнал светофора), и по неожиданному (автомобиль едет на красный свет). Урмсон и его команда полагали, что проблема движения по автомагистралям в основном решена за исключением одной детали – в управлении по-прежнему участвовал водитель. Эта проблема проявилась, когда команда Google предоставила часть роботов-автомобилей сотрудникам для тестирования в процессе ежедневных поездок на работу. «Некоторые вещи заставили нас понервничать», – сказал Урмсон репортеру. Первоначально в программе испытаний принимали участие два профессиональных водителя, которые действовали в соответствии со строгим порядком, подобно пилотам самолетов. Водитель следил за ситуацией и был готов взять управление на себя в случае чего. Реальный мир оказался другим. Некоторые из сотрудников Google по дороге домой после работы отвлекались и даже засыпали!