В 1958‑м, через два года после Дартмутского семинара по ИИ, проект новой «мыслящей машины» – искусственной нейронной сети «перцептрон» – удостоился кричащих заголовков в New York Times[481]. Изобретатель, психолог Фрэнк Розенблатт (ему тогда было всего тридцать лет) и его спонсор Маршалл Йовитс из Управления военно-морских исследований США нуждались в хорошей реакции прессы, чтобы оправдать расход денег налогоплательщиков. Восхваляя изобретение, в газете будто описывали мультфильм: «Военно-морской флот показал эмбрион электронного компьютера… который, как ожидается, сможет ходить, говорить, видеть, писать, воспроизводить себя и осознавать свое существование». Это были фанфары для военных, но некоторые преувеличения предвосхитили жутковатые достижения глубоких нейронных сетей в будущем. Например, статья оказалась устрашающе пророческой в отношении распознавания лиц и обработки естественного языка, которые возникнут полвека спустя: «В будущем перцептрон сможет распознавать людей и звать их по имени, моментально переводить речь и письмо на другой язык»[482].

В том же году в журнале New Yorker более трезво осветили тему, опубликовав интервью с Розенблаттом. Ученый пояснил, что перцептрон был не «механическим мозгом», как утверждали хайпующие СМИ, а самоорганизующейся машиной, которая также способна обеспечить «осмысленную организацию внешней среды». Перефразировав принцип нейропластичности Хебба («нейроны, которые активируются вместе, связываются»), автор статьи дал точное для того времени описание работы искусственной нейронной сети:

Отличительной чертой перцептрона служит то, что он взаимодействует со средой, формируя понятия, которые не подготовил для него человек. Биологи утверждают, что видят, чувствуют и думают только биологические системы, но перцептрон ведет себя так, как если бы видел, чувствовал и думал. И у вычислительных машин, и у перцептронов есть так называемая память; в перцептроне, однако, память представляет собой не хранилище преднамеренно отобранных и накопленных фактов, а свободную, неопределенную область ассоциативных единиц, где соединяются, по возможности случайным образом, сенсорный ввод, или глаз, с огромным числом реактивных единиц.

Если к глазу перцептрона поднести треугольник, связанные с глазом ассоциативные единицы улавливают изображение треугольника и передают его по случайной последовательности линий к реактивным единицам, которые регистрируют изображение. В следующий раз, когда треугольник будет поднесен к глазу, изображение пройдет тот же путь, что и предыдущее. Примечательно, что, как только определенная реакция установлена, все связи, ведущие к ней, усиливаются, и если к перцептрону поднести треугольник другого размера и формы, его изображение пройдет по тому же пути, что изображение первого треугольника[483].

Рис. 9.1 Пример классификации целей (Murray A. Perceptron Applications in Photo Interpretation // Photogrammetric Engineering 27, no. 4 (1961): 633)

Какой искусственной нейронной сетью был перцептрон? Розенблатт старался объяснить работу перцептронов простыми словами и позже сетовал, что журналисты подорвали «доверие к науке»[484]. В Корнеллской авиационной лаборатории в Буффало, штат Нью-Йорк, перцептрон был зарегистрирован как «Проект PARA: Автомат восприятия и распознавания». Военно-морской флот – главный спонсор – был заинтересован в автоматизированной классификации целей, например, для разведки кораблей противника на основе радиолокационных, гидроакустических или визуальных данных (см. рис. 9.1 и 9.2)[485].

Рис. 9.2 Пример классификации целей (Murray A. Perceptron Applications in Photo Interpretation // Photogrammetric Engineering 27, no. 4 (1961): 634)

Помимо фотоперцептронов Розенблатт планировал спроектировать целый класс устройств, работающих по той же логике, – фоноперцептроны (распознавали слова в аудиокоммуникации) и радиоперцептроны (распознавали объекты в сигналах радаров и сонаров)[486]. С технической точки зрения перцептрон представлял собой статистическую нейронную сеть для распознавания образов, то есть самоорганизующуюся вычислительную сеть для двоичной классификации стимулов, о которой мы говорили в предыдущих главах.