11 мая 1997 года Гарри Каспаров проиграл суперкомпьютеру Deep Blue от IBM. Это поражение стало сенсацией. Казалось, что компьютеры скоро превзойдут людей во всем. Спустя 25 лет мы видим, что победа Deep Blue была не столько триумфом ИИ, сколько его лебединой песнью — относительно скоро кропотливую ручную обработку бесконечных строк кода затмит нейронная сеть.
Причина неудач в том, что создатели ИИ пытались справиться с хаосом повседневности, используя чистую логику. Именно так инженеры представляли жизнь человека и поэтому терпеливо писали правила для каждого решения, которое должен был принять ИИ. Реальный же мир слишком многогранен, чтобы управлять им с помощью экспертных систем. ИИ, работающий по правилам, созданным вручную, был «хрупким»: когда он сталкивался с нетипичной ситуацией, он ломался.
Оказалось, что шахматы легко освоить компьютеру, потому что они «слишком логичные». Чему компьютеру действительно трудно научиться, так это выполнять случайную, бессознательную умственную работу, которая легко дается людям: вести оживленную беседу, управлять автомобилем или считывать эмоциональное состояние других.
В XXI веке, после революции в сфере глубокого обучения, нейросети с их способностью распознавать образы колонизировали буквально каждый уголок повседневной жизни. Они помогают Gmail автоматически достраивать строки письма, банкам — выявлять случаи мошенничества, распознавать лица по фотографиями — и многое-многое другое. Они меняют науку: в 2020 году компания DeepMind представила AlphaFold2 — ИИ, который может предсказывать, как будут сворачиваться белки. Этот сверхчеловеческий навык поможет разрабатывать новые лекарства и методы лечения.
Гэри Маркус, ученый-когнитивист и соавтор книги «Перезагрузка ИИ», предполагает, что ИИ будущего потребует «гибридного» подхода — то есть, новых нейронных сетей для изучения шаблонов, руководствующихся какой-то старомодной, закодированной вручную логикой. Возможно, это объединило бы преимущества Deep Blue с возможностями глубокого обучения.
