В конце 1950-х американский психолог Фрэнк Розенблатт собрал устройство, про которое газеты писали так, будто наступило будущее. Машина якобы скоро научится ходить, говорить, видеть, писать и осознавать своё существование. А на деле перед публикой стоял шкаф с проводами, который умел отличать левую карточку от правой. Вот с этого разрыва между обещанием и реальностью и начинается одна из самых поучительных историй в мире искусственного интеллекта.
Что вообще такое перцептрон
Представьте, что вы учите ребёнка узнавать кошку. Вы не объясняете ему формулу кошки. Вы просто показываете картинки: это кошка, это не кошка, это снова кошка. Через какое-то время ребёнок сам начинает угадывать даже на новых картинках, которых раньше не видел. Он уловил закономерность, хотя никто ему её не диктовал. Перцептрон работает по той же идее — машина учится не по жёсткой инструкции, а на примерах, как живое существо. Розенблатт вдохновлялся устройством мозга. В мозге есть нейроны: получают сигналы, складывают их и решают — возбудиться или промолчать. Перцептрон — это грубая, очень упрощённая копия одного такого нейрона. На вход ему дают сигналы (например, яркость точек на картинке), каждому он присваивает свой вес — степень важности, — всё складывает и выдаёт ответ: да или нет, этот класс или тот.
Главный фокус — он сам себя настраивал
Тут самое интересное, и именно это взорвало умы. Веса машина подбирала не вручную. Она ошибалась — и сама себя поправляла. Ответила неправильно? Чуть-чуть сдвигаем веса в нужную сторону. Снова примеры, снова поправка. Постепенно ошибок становится меньше. По сути машина обучалась на собственных промахах, без программиста, который прописывал бы каждое правило. Для конца 1950-х это было почти колдовство. Тогда компьютеры воспринимали как огромные арифмометры: что заложил, то и получил. А тут железка, которая сама нащупывает ответ. Розенблатт построил физическую версию — её назвали Mark I Perceptron. Не программа на экране, а реальное устройство с массивом светочувствительных ячеек вместо глаза. Машина смотрела на простые фигуры и училась их различать.
Откуда взялись гигантские обещания
А дальше включилась человеческая слабость — желание сенсации. Идея, что машина учится сама, оказалась слишком заманчивой, чтобы говорить о ней сдержанно. Пошли громкие заявления: вот-вот появится электронный мозг, который будет видеть, понимать речь, переводить с языка на язык и осознавать себя. Публика поверила. И в этом была своя логика. Если простая машина уже сегодня учится на примерах, почему бы завтра ей не научиться всему остальному? Кажется, нужно просто добавить мощности и подождать. Это ощущение «ещё чуть-чуть, и прорвёмся» будет преследовать всю историю искусственного интеллекта до самых наших дней. Но в случае перцептрона восторг наткнулся на стену. И стена была не из железа, а из математики.
Поворот: машину разобрали по косточкам
В конце 1960-х двое учёных из Массачусетского технологического института, Марвин Минский и Сеймур Пейперт, выпустили книгу, где спокойно и строго разобрали, что перцептрон умеет, а чего не умеет в принципе. И вскрылась неприятная вещь. Простой перцептрон отлично справлялся с задачами, которые можно разделить одной прямой чертой: все «да» по одну сторону, все «нет» по другую. Но как только данные перепутаны хитрее, он бессилен. Хрестоматийный пример — операция «исключающее или»: ответ «да», если один из двух входов включён, но не оба сразу. Ребёнку объяснишь за минуту. А одиночный перцептрон не способен решить её вообще никогда, сколько ни обучай. Не потому что мало мощности. А потому что у него внутри просто нет такой возможности — это врождённый потолок. Представьте калькулятор, который умеет складывать, но физически не умеет умножать. Сколько ни нажимай — умножения не будет. Так и вышло с восхитительной машиной будущего.
Зима, которая длилась годы
Книга подействовала как ушат холодной воды. Раз уж даже элементарную задачку машина не берёт, стоит ли вкладывать в это деньги и время? Финансирование резко урезали, энтузиазм сменился разочарованием. Этот период позже назовут одной из «зим искусственного интеллекта» — времён, когда после громких обещаний наступает долгое затишье и в идею почти перестают верить. Фрэнк Розенблатт до возрождения своей идеи не дожил — он погиб в начале 1970-х. А его детище на годы стало примером того, как не надо обольщаться.
И вот тут самый сильный сюжетный твист
Перцептрон вовсе не был тупиковой ветвью. Он был просто слишком одиноким. Уже тогда было понятно: если соединить много таких простых элементов слоями — один слой передаёт сигнал следующему, — то ограничение исчезает. Связка перцептронов уже способна разделять данные сколь угодно сложно и решить ту задачу, что ломала одиночку. Загвоздка была в одном: никто толком не знал, как обучать многослойную сеть, как доводить поправку ошибки до самых глубоких слоёв. Этот замок откроют позже, когда появится удобный способ распространять ошибку назад по всем слоям. И именно идея Розенблатта — нейрон, веса, обучение на ошибках — окажется фундаментом. Те самые нейросети, что сегодня узнают лица, понимают речь и пишут тексты, — прямые потомки того шкафа, который когда-то освистали. Обещание сбылось. Просто на полвека позже и совсем не так, как кричали газеты.
Чему эта история учит лично вас
Когда в следующий раз вы прочитаете громкий заголовок про то, что искусственный интеллект вот-вот всех заменит или, наоборот, что это пустышка и обман, — вспомните перцептрон. Правда почти всегда оказывается посередине и приходит позже срока. Технология может быть верной в основе и провалиться в первой попытке — просто потому, что мир ещё не готов её дотащить. Восторг и насмешка одинаково часто бьют мимо. А настоящий результат тихо вызревает между ними, пока все спорят.
А вы верите громким обещаниям про новые технологии или ждёте, пока они докажут себя на деле?